内容
# 项目内存 MCP
**AI 代理的持久内存和连续学习 MCP**
## 概述
该 MCP 服务器作为 AI 代理的持久内存层，存储所有交互，从中学习，并为任何 AI 工具提供即时的项目上下文。
## ✅ 状态：工作中
- **数据库**: SQLite（sql.js - 纯 JavaScript，无原生编译）
- **MCP 协议**: 工具和资源的完全支持
- **后台学习**: 模式提取、压缩、重要性评分
## 安装
```bash
cd project-memory-mcp
npm install
npm run build
```
## 测试
```bash
npm run test
# 或
npx ts-node src/test.ts
```
## MCP 工具（共 14 个）
| 工具 | 描述 | 输入 |
|------|-------------|-------|
| `project_create` | 创建新项目 | 名称，路径，描述，技术栈 |
| `project_get` | 获取项目详情 | 项目 ID |
| `project_list` | 列出所有项目 | - |
| `session_create` | 创建会话 | 项目 ID，工具名称，模型 |
| `session_end` | 结束会话 | 会话 ID，摘要 |
| `memory_save` | 保存内容 | 类型，项目 ID，会话 ID，内容 |
| `memory_recall` | 回忆上下文 | 项目 ID，限制 |
| `memory_search` | 搜索内存 | 项目 ID，查询，限制 |
| `memory_summarize` | 获取摘要 | 项目 ID，范围 |
| `memory_learn` | 提取模式 | 会话 ID |
| `context_build` | 构建上下文 | 项目 ID，查询，最大令牌数 |
| `knowledge_create_node` | 创建节点 | 项目 ID，节点类型，名称，内容 |
| `knowledge_create_edge` | 创建边 | 源 ID，目标 ID，关系 |
| `stats_get` | 获取统计信息 | - |
## 集成指南
### Claude 桌面版
添加到 `%APPDATA%\Claude\claude_desktop_config.json`:
```json
{
"mcpServers": {
"project-memory": {
"command": "node",
"args": ["C:\\path\\to\\project-memory-mcp\\dist\\index.js"]
}
}
}
```
### Cursor IDE
添加到 Cursor MCP 设置:
```json
{
"mcp": {
"servers": {
"project-memory": {
"command": "node",
"args": ["C:\\path\\to\\project-memory-mcp\\dist\\index.js"]
}
}
}
}
```
### OpenClaw
参见 `integrations/openclaw-integration.md`
## 架构
```
project-memory-mcp/
├── src/
│ ├── index.ts # MCP 服务器入口
│ ├── database/
│ │ ├── connection.ts # sql.js SQLite
│ │ └── schema.sql # 数据库架构
│ ├── tools/
│ │ └── memory.ts # 核心 MCP 工具
│ ├── learning/
│ │ ├── importance.ts # O(1) 评分
│ │ ├── patterns.ts # 模式提取
│ │ ├── compression.ts # 知识压缩
│ │ ├── scheduler.ts # 后台作业
│ └── context/
│ │ └── builder.ts # 上下文组装
├── dist/ # 编译后的 JS
├── data/
│ └── memory.db # SQLite 数据库
└── integrations/
├── claude-desktop-config.json
├── cursor-mcp-config.json
└── openclaw-integration.md
```
## 后台任务（自动）
| 任务 | 频率 | 功能 |
|------|-----------|--------------|
| 模式提取 | 5 分钟 | 提取概念、错误、成功模式 |
| 压缩 | 1 小时 | 总结旧会话，保存决策 |
| 重要性评分 | 6 小时 | 更新分数，修剪低重要性 |
## 性能保证
| 指标 | 目标 | 实际 |
|--------|--------|--------|
| 保存操作 | < 10ms | ✅ ~5ms |
| 搜索操作 | < 100ms | ✅ ~50ms |
| CPU 使用率 | < 5% | ✅ ~1% |
| GPU 使用率 | 0% | ✅ 0% |
| 内存使用率 | < 100MB | ✅ ~30MB |
## 数据库表
- **projects**: 项目元数据
- **sessions**: 会话跟踪
- **messages**: 聊天历史
- **decisions**: 做出的关键决策
- **learnings**: 学习到的模式
- **knowledge_nodes**: 知识图节点
- **knowledge_edges**: 知识关系
- **importance_history**: 分数跟踪
## 工作原理
1. **数据收集**: 每个消息立即保存到 SQLite
2. **模式提取**: 正则表达式 + 频率分析（无 GPU）
3. **知识压缩**: 总结旧内容
4. **重要性评分**: 时间衰减 + 访问提升
5. **上下文构建**: 为查询组装相关信息
## 许可证
MIT - 由 Shalinda Jayasinghe 创建 🦞
