使用说明（Markdown 格式）：

AIVectorMemory MCP 服务器

简介

这是一个基于 MCP（Model Context Protocol）的后端服务，专注于为 AI 助手提供跨会话记忆、数据访问、工具调用和 Prompt 渲染能力。服务器通过标准输入输出（stdio）与 MCP 客户端通信，接收 JSON-RPC 请求并返回 JSON-RPC 响应。

主要功能点

资源与记忆管理：本地向量记忆库，支持记忆存储、检索、删除、摘要等操作，跨会话持久化。
工具注册与调用：7 个 MCP 工具（remember、recall、forget、status、track、digest、auto_save）供 LLM 调用，实现记忆写入、检索、状态管理、问题跟踪、自动保存等能力。
向量检索与嵌入：本地 ONNX 运行时嵌入模型与 SQLite/vectors 存储，支持语义检索与去重。
会话管理与多项目隔离：以 project_dir 区分不同项目的记忆与状态，支持 user 作用域跨项目使用。
MCP 服务器能力：实现 initialize、tools/list、tools/call、notifications/initialized 等 MCP 基本方法，提供协议版本、能力与服务器信息返回。

安装步骤

在本地环境准备好 Python 3.10+。
安装依赖（如需要）：pip install -U aivectormemory（仓库提供的实现可直接运行，无需额外依赖安装时会自动下载嵌入模型）。
直接运行服务器（示例命令）：
- 直接运行服务器（当前项目目录作为工作目录）：python -m aivectormemory
- 也可按需要通过额外参数将项目根目录传入，使用 MCP 客户端连接并发送 JSON-RPC 请求。
可选 Web 看板：通过运行 web 子命令启动看板，端口默认为 9080，浏览器访问 http://localhost:9080。

服务器配置（MCP 客户端连接所需信息，JSON 格式，注意仅作配置示例，客户端本身通常不需要这些信息） { "serverName": "aivectormemory", "command": "python", "args": ["-m", "aivectormemory"] } 注释

serverName：服务器名称，需唯一标识当前 MCP 服务实例，便于在多服务器场景下区分。
command/args：启动服务器的命令及参数。示例中使用 python -m aivectormemory 启动 MCP 服务器，默认通过 stdio 与 MCP 客户端通信。
客户端侧通常只需知道服务器启动命令及参数，实际的 JSON-RPC 交互由 MCP 客户端与服务器协商。

基本使用方法

启动 MCP 服务器后，MCP 客户端可通过 JSON-RPC 请求：
- initialize：建立会话并返回 protocolVersion、capabilities、serverInfo。
- tools/list：获取可用工具及其描述。
- tools/call：执行具体工具（例如 remember、recall、status 等），传入所需参数。
- 其他 MCP 请求按需实现（如 notifications/initialized 等事件）。服务器端会返回 JSON-RPC 的 result 或 error。
通过 remember/recall 等工具实现跨会话记忆的增删查改、以及通过 auto_save 定期自动归档记忆。
如需查看实时服务状态和内存数据，可结合提供的 Web 看板使用。

注意事项

结论