Memento MCP: A Knowledge Graph Memory System for LLMs
2025.04.14
42
TypeScript知识图谱LLM 记忆系统开发效率
Memento MCP 是一个为大型语言模型（LLMs）设计的知识图谱记忆系统，提供可扩展、高性能的知识图谱存储与语义检索功能。该系统支持语义检索、上下文回忆和时间感知，为支持模型上下文协议（如 Claude Desktop、Cursor、Github Copilot）的 LLM 客户端提供持久化、自适应和弹性的长期本体记忆。
View on GitHub
Overview
基本能力
产品定位
Memento MCP 是一个知识图谱记忆系统，旨在为大型语言模型提供持久化、语义化的记忆能力，帮助 LLM 更好地理解和回忆上下文信息。
核心功能
- 实体管理：支持创建、更新、删除实体，每个实体包含唯一标识、类型、观察列表和向量嵌入。
- 关系管理：定义实体间的有向连接，支持强度、置信度、元数据和时间感知。
- 语义搜索：基于向量嵌入的语义检索，支持混合搜索（结合关键词和语义）。
- 时间感知：完整记录实体和关系的版本历史，支持时间点查询。
- 置信度衰减：关系随时间自动衰减置信度，可配置半衰期。
- 高级元数据：支持丰富的元数据字段，包括来源、置信度、时间戳等。
适用场景
- LLM 记忆增强：为 LLM 提供长期记忆能力，支持上下文回忆。
- 知识管理：构建和管理复杂的知识图谱，支持语义检索。
- 时间敏感应用：需要跟踪信息随时间变化的场景。
- 置信度管理：需要动态调整信息置信度的应用。
工具列表
- Entity Management：创建、更新、删除实体和观察。
- Relation Management：创建、更新、删除关系。
- Graph Operations：读取整个图谱、搜索节点、打开节点。
- Semantic Search：基于语义的实体搜索。
- Temporal Features：时间点查询、历史记录查询。
常见问题解答
- 向量搜索问题：系统会自动检查嵌入和索引状态，并提供回退机制。
- 数据库重置：提供完整的数据库重置和备份命令。
- 调试工具：启用调试模式后可获取详细的诊断信息。
使用教程
使用依赖
- Neo4j 5.13+：需要安装 Neo4j 作为存储后端。
- OpenAI API Key：如需使用语义搜索，需配置 OpenAI API 密钥。
安装教程
Neo4j 安装
- Neo4j Desktop：
- 下载并安装 Neo4j Desktop：https://neo4j.com/download/
- 创建新项目，添加数据库，设置密码为
memento_password。 - Docker：
bash docker-compose up -d neo4j
Memento MCP 安装
- 全局安装：
bash npx -y @gannonh/memento-mcp - 本地开发：
bash git clone https://github.com/gannonh/memento-mcp.git cd memento-mcp npm install
调试方式
- 测试连接：
bash npm run neo4j:test - 初始化模式：
bash npm run neo4j:init - 调试模式：设置环境变量
DEBUG=true启用详细日志。