Claude Cortex MCP Memory Server

关键词

内存检索知识图谱JSON-RPC向量检索后端服务

使用说明

  • 项目简介

    • 该仓库实现了基于 MCP 协议的服务端组件，用于向 LLM 客户端提供上下文相关的资源与工具。核心通过标准的 JSON-RPC 2.0 风格消息进行通信，客户端通过初始化、获取工具列表、调用工具等请求与服务器进行交互。实现聚焦于内存相关能力的托管、检索以及外部功能的调用入口。

  • 主要功能点

    • MCP 协议核心接口
      • initialize：服务端能力宣告，告知可提供的工具和服务信息。
      • tools/list：列出服务器暴露的工具集合。
      • tools/call：调用具体工具，传入工具名和参数，返回工具执行结果。
      • ping：健康探测等简单心跳。
    • 资源与工具
      • cortex_memory_search：基于内存中观测与会话的快速检索（摘要形式，适合在初步筛选阶段使用）。
      • cortex_memory_timeline：给出指定观测的时间线上下文（前后若干条观察记录）。
      • cortex_memory_details：给出指定观测的完整细节文本（原始输入/输出、元数据等）。
      • cortex_memory_save：将自定义内容作为记忆保存，供后续检索使用。
    • 数据源与存储
      • 通过内存检索组件对 Observations、Conversations 等数据进行索引与查询，包含对向量存储的可选使用，以及与后端数据库的集成。
    • 运输协议
      • 采用标准的 MCP 以 STDIO 传输消息（Content-Length framing），方便集成到 Claude Code、其他 MCP 客户端或自定义工具链中。

  • 安装步骤

    • 前提
      • 需要运行环境为 Python3（仓库中包含多种服务组件，若仅使用 MCP 服务的内存服务器，请确保相关 Python 模块可被正确导入）。
    • 步骤
      • 将代码从仓库复制到本地工作目录（或直接使用仓库中的路径）。
      • 安装必要依赖（如果仅使用 MCP 服务器的基础能力，通常需要 Python3 及若干依赖库；如使用向量检索、OpenAI 接口，请准备好 API key）。
        • 常用做法：在仓库根目录执行
          • pip install -r requirements.txt
      • 运行 MCP 服务器
        • 使用提供的 MCP 服务入口之一运行，例如：
          • python3 src/mcp_memory_server.py 或
          • python3 scripts/mcp_memory_server.py
        • 启动后，该服务将监听并通过标准输入输出与 MCP 客户端进行通信。
      • 测试健康与工具
        • 客户端在初始化后可请求 tools/list 获取工具列表，或通过 tools/call 调用 cortex_memory_search 等工具。
    • 服务器配置（MCP 客户端所需的配置示例，非客户端代码）
      • 该配置用于 MCP 客户端以统一方式连接 MCP 服务器，包含服务器名称、启动命令及参数等信息（JSON 格式，供客户端在连接时使用；客户端读取后无需在此处展示代码，仅用于配置参考）。
      • 示例（简述性描述，不直接放代码）：
        • server name: cortex-memory
        • command: python3
        • args: ["/path/to/src/mcp_memory_server.py"]
        • env（可选）: {"CORTEX_WORKSPACE": "/path/to/工作目录"} 注：MCP 客户端不需要你在此处编写客户端代码，只需提供服务器启动信息，客户端据此启动并通过 MCP 协议与该服务器对话。

  • 基本使用方法

    • 第一步：客户端初始化
      • 发送 initialize 请求，建立能力声明与协议版本信息。
    • 第二步：获取工具清单
      • 发送 tools/list 请求，获取 cortex_memory_search、cortex_memory_timeline、cortex_memory_details、cortex_memory_save 等工具的描述与输入要求。
    • 第三步：调用工具
      • 通过 tools/call 指定名称和参数，获取工具执行结果（如摘要、时间线、细节、保存的记忆等）。
    • 第四步：获取结果并使用
      • 将返回的文本摘要、时间线、细节等结果传递给后续的 LLM 进行上下文构建与决策。

  • 备注

    • 该实现以 STDIO 传输为 MCP 服务器模式，便于与 Claude Code、或其他 MCP 客户端在本地集成。若需要网络化传输，可将传输层替换为 HTTP/SSE/WebSocket 等实现，但本仓库核心 MCP 服务以 STDIO 为主。

服务器信息

访问项目