Mnemoverse Memory
让多个 AI 工具共享持久记忆,并依据使用反馈调整召回排序。
- Star 数
- ★ 25
- 最近更新
- 今天
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 77/100 · 存在缺口
30 秒速览
- 可在哪里用
- 通用 · 跨平台ChatGPT · Claude CodeClaude.ai(部分支持)
- 开始前需要
- 典型场景
- 同时使用 Claude Code、Cursor、VS Code 和 ChatGPT 的开发者,希望在新窗口或不同工具中继续沿用技术偏好和项目决策。
- 主要局限
- 底层记忆引擎是专有托管服务,没有可自行部署的版本;需要内网部署的组织应选择本地优先方案。
这个 Agent 能做什么,适合哪些场景?
Mnemoverse Memory 是一个采用 MIT 许可证的 TypeScript MCP 服务器,为 AI 助手接入托管式 Mnemoverse 记忆引擎。它通过标准输入输出方式运行,并使用 API 密钥经网络调用 `core.mnemoverse.com`,因此服务器代码开放,但底层记忆引擎不是可自行部署的软件。它提供十个 MCP 工具,用于写入、检索和列出记忆,反馈召回效果,查看统计信息,以及创建和加入共享记忆房间;还可列出 Vault 密钥的别名和用途,但不会返回密钥值。相同账户的记忆可以在 Claude Code、Cursor、VS Code、ChatGPT 等已连接客户端之间延续。召回结果会根据“有帮助”或“产生误导”的反馈进行 Rescorla-Wagner 更新,而不仅依赖固定的相似度评分。它适合希望免运维地获得跨工具连续性的个人或团队,但不适合必须在自身网络边界内保存和处理记忆的环境。
客户端通过 MCP 调用本地运行的 @mnemoverse/mcp-memory-server,服务器把调用中明确提供的数据发送给托管 API。memory_write 保存内容、概念和域;memory_read 按自然语言查询记忆,并支持时间范围、域、作者排除、数量及排序参数;memory_list_recent 以游标分页方式读取最新记录。memory_feedback 接收记忆 ID、结果评分以及可选域,并利用反馈影响后续召回排序。房间工具 memory_create_room、memory_invite_to_room、memory_join_room 和 memory_list_rooms 支持在明确授权的共享域中协作;memory_stats 返回存储数量和域信息,vault_list 只列出秘密的别名与用途。客户端还可使用 recall、save_insight 和 what_do_you_know 三个提示词入口,或通过 memory://item/{memory_id} 打开自己存储中的单条记忆。服务器不会自行读取聊天历史或本地文件;当查询或动态列表为空时,它可能额外执行一到两个经过认证的只读探测请求,以说明查询未覆盖的内容。
- 同时使用 Claude Code、Cursor、VS Code 和 ChatGPT 的开发者,希望在新窗口或不同工具中继续沿用技术偏好和项目决策。
- 共同维护代码库的团队,通过共享房间保存架构结论、负责人信息和已经验证过的工程经验。
- 经常切换会话的个人用户,把界面偏好、常用框架或工作习惯写入记忆,避免反复解释。
- 需要积累部署经验的工程团队,记录诸如发布流程和历史失误,并对有用或误导性的召回结果提供反馈。
- 希望使用托管服务而不维护本地向量库或记忆基础设施的 MCP 客户端用户。
如何安装或部署这个 Agent?
先在 console.mnemoverse.com 创建免费 API 密钥;文档说明无需信用卡。可以在 macOS、Linux 或 Git Bash 中通过掩码输入验证密钥,避免把密钥放入命令参数:
printf 'Mnemoverse API key: '; read -rs KEY; echo
printf 'X-Api-Key: %s\n' "$KEY" | curl -s -H @- https://core.mnemoverse.com/api/v1/memory/stats; unset KEY返回包含 "total_atoms" 的 JSON 表示密钥有效。Claude Code 可在用户范围安装服务器;将占位符替换为真实密钥:
claude mcp add mnemoverse -s user \
-e MNEMOVERSE_API_KEY=mk_live_YOUR_KEY \
-e MNEMOVERSE_API_URL=https://core.mnemoverse.com/api/v1 \
-- npx -y @mnemoverse/mcp-memory-server@latestCursor 用户可将以下配置合并到全局文件 ~/.cursor/mcp.json,不要把带有真实密钥的配置放进项目仓库:
{
"mcpServers": {
"mnemoverse": {
"command": "npx",
"args": [
"-y",
"@mnemoverse/mcp-memory-server@latest"
],
"env": {
"MNEMOVERSE_API_KEY": "mk_live_YOUR_KEY",
"MNEMOVERSE_API_URL": "https://core.mnemoverse.com/api/v1"
}
}
}
}修改配置后必须重启 AI 客户端,客户端只会在启动时加载 MCP 服务器。
如何使用这个 Agent?
安装并重启客户端后,在聊天中要求助手明确调用写入工具,例如:
Remember that my favourite TypeScript framework is Hono, and please call memory_write to save it.确认写入成功后,新建聊天或会话,再询问:
What's my favourite TypeScript framework?助手应调用 memory_read 并回答 “Hono”。如果失败,应检查客户端是否完全重启,以及配置中是否仍是 mk_live_YOUR_KEY 占位符。实际使用时可调用 memory_feedback 标记召回结果是否有帮助,或用房间工具创建共享域并向受邀成员开放相应记忆。
这个 Agent 有哪些优点和局限?
- 同一 API 密钥和记忆库可跨 Claude Code、Cursor、VS Code、ChatGPT 及其他已记录的 MCP 客户端使用。
memory_feedback会根据有帮助或误导的结果改变后续排序,区别于始终固定的纯相似度召回。- 托管式运行无需用户部署和升级记忆后端,并提供免费层。
- 共享房间带有邀请、作用域、有效期和使用次数机制,可用于团队记忆。
- 服务器明确限制数据面:只发送工具调用携带的字段,不自行读取聊天历史或本地文件。
- 底层记忆引擎是专有托管服务,没有可自行部署的版本;需要内网部署的组织应选择本地优先方案。
- 每次实际工具调用都依赖有效 API 密钥、网络连接以及 Mnemoverse 托管 API 的可用性。
- 纠正记忆需写入新记录;删除属于 REST API 的管理操作,未通过此 MCP 服务器提供。
- 设计中的 HDBSCAN 聚类和 Von Restorff 保护整合阶段目前在托管服务上关闭。
- README 未提供可复现的基准测试数据,无法据此量化其召回质量或相对性能。
这个 Agent 与同类方案有什么区别?
与 CLAUDE.md、.cursorrules 和 AGENTS.md 等逐仓库指令文件相比,Mnemoverse 的记忆可以跨项目、窗口和工具延续,但数据需要发送到托管服务。与基于 RAG 的向量存储相比,它可以根据召回结果是否真正有帮助来改变排序,而不仅使用固定的相似度。与本地优先的记忆服务器相比,它减少了部署和升级工作,但牺牲了完全在自身边界内运行的能力;对隐私、延迟或内网部署有硬性要求时,本地优先方案更合适。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| Mnemoverse Memory 当前 | 77 · 存在缺口 | ★ 25 | 今天 | TypeScript | ChatGPT · Claude Code |
| LinkedIn MCP Server | 79 · 表现良好 | ★ 3.6k | 4 天前 | Python | — |
| OpenContext | 58 · 缺口较多 | ★ 1.2k | 3 个月前 | JavaScript | Codex · Claude Code |
| Bitterbot 桌面端 | 39 · 缺口较多 | ★ 2.5k | 1 天前 | TypeScript | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README清楚披露默认使用托管服务、认证方式、共享房间边界和自托管条件;密钥输入建议避免命令行历史,测试还验证非TLS远程地址会在发送前被拒绝且不会回显含凭据的URL。工具范围较窄,并声明只列出Vault别名而不返回秘密值,但持久化写入、反馈、建房和邀请仍会产生外部状态,材料没有展示统一的逐操作用户确认机制。依赖数量少,但没有锁文件、漏洞扫描、SBOM或依赖更新策略证据。删除工具已撤下,然而也没有用户可用的撤销、恢复或导出流程,因此rollback为0。仓库、作者邮箱、论文和许可证归属有标注,但发布者身份未经策展注册验证,故不作更强身份推断。
README、包元数据和测试对十个工具、房间隔离、反馈语义及错误边界基本一致;组装输出测试覆盖无结果、探测失败、异常响应和名称保真,URL防护测试也检查拒绝发生在网络请求之前,因此自洽性与失败消息证据充分。依赖可用性仅给2分,因为核心记忆引擎默认是外部托管服务,README承认连接会卡住并需要会话内重连;每日契约新鲜度检查能发现漂移,但不能消除服务、网络、OAuth或npm可用性依赖。
材料为Claude Code、Cursor、VS Code、Windsurf、Zed、JetBrains、Cline、Continue和远程OAuth提供针对性配置,并覆盖个人连续性、共享房间和自托管需求。工具描述与测试明确区分个人域和房间、只读成员、分页、过滤器限制及重要性门槛,能力边界很强。trigger_precision扣1分,因为仓库主要提供工具及提示词,何时应主动读取或写入记忆的完整行为纪律被放在独立项目中,本仓库没有建立统一自动触发策略。
README结构完整,安装、密钥验证、跨客户端配置、快速验证、工具/提示词/资源、用例和故障说明均具体;工具表面还给出补丁版与次版本兼容规则,测试约束名称和描述稳定性。MIT文本与package元数据一致,许可证满分。版本与变更管理有PR提醒和发布门禁说明,但未提供实际CHANGELOG内容供本次材料核对,因此该项为2。维护联系、仓库地址、资助人和自动化更新路径可见,但没有明确的支持承诺、响应窗口或经验证的责任主体,维护责任不满分。
输出面向模型和用户设计:错误可归因、范围披露明确、名称可复现、空结果不会夸大,且这些性质有细粒度静态测试支持。跨工具持久记忆、共享房间和基于反馈的重排相对普通配置文件或纯相似度检索具有合理增量价值,但主要由项目自身描述支持,没有比较实验或基准数据,所以marginal_value为2。托管方式减少运维并提供免费层,但材料没有给出配额、价格、延迟、保留期或迁移成本,成本收益只能给2。
多数客户端表面声明可追到README、package元数据、工作流或测试断言,且材料明确区分开源MCP服务器与非开源托管引擎、已启用与关闭功能、事实与未来基准,因此事实/推断分离充分。扣分在于核心服务实现、运行行为、注册表状态、论文结论及托管连接器等外部事实不在所给源码内,不能独立核验;多文件之间虽相互印证,但大多属于同一发布者控制的来源,缺少独立交叉证据。
- 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
- 默认路径会把可能敏感的长期记忆发送到外部托管服务;在写入个人、客户或机密信息前,应核实数据保留、删除、训练使用、地域、访问控制和合规条款。
- 材料没有给出用户可用的删除、撤销、恢复或导出流程;错误写入或共享后能否补救无法从这些文件确认。
- 使用@latest会在启动时获取新版本,虽便于更新,却降低部署可复现性;高保障环境应固定并审查具体版本。
- 共享房间邀请会扩大数据访问范围,而所给材料未证明所有客户端都会在创建、加入或写入前要求人工确认。
- 托管引擎、OAuth端点、注册表状态及论文主张均未在本次静态材料中独立验证。
常见问题
是否可以自行部署完整的记忆引擎?
服务器会读取整个聊天记录或本地文件吗?
memory_* 或 vault_* 工具时传入的数据;空查询结果可能触发经过认证的只读房间或统计探测。共享房间中的记忆由谁访问?
为什么服务器能启动并列出工具,但所有调用都失败?
MNEMOVERSE_API_KEY 并非服务器启动和列出工具所必需,却是每次实际工具调用所必需。应检查是否仍使用占位密钥、密钥是否无效或被撤销,以及客户端是否在更新配置后重启。