MemMachine 智能体记忆层
为 AI 智能体提供可跨会话保存、检索和复用的长期记忆。
按维度查看评分与理由
证据不足：仓库未提供权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的明确说明。所有标准均因缺乏证据而评为0。
证据不足：未提供自一致性、依赖可用性或失败消息的明确证据。所有标准均因缺乏证据而评为0。
证据不足：未提供目标受众、能力边界、触发精度或环境适配的明确证据。所有标准均因缺乏证据而评为0。
证据不足：未提供信息架构、安装说明、命名稳定性、示例/FAQ、已知限制、许可证、版本控制/变更日志或维护责任的明确证据。所有标准均因缺乏证据而评为0。
证据不足：未提供输出可用性、边际价值或成本效益的明确证据。所有标准均因缺乏证据而评为0。
证据不足：未提供声明可追溯性、跨来源佐证或事实/推断分离的明确证据。所有标准均因缺乏证据而评为0。
- 仓库仅提供README、LICENSE、SECURITY.md、pyproject.toml和部分CI工作流，未包含源代码、测试或详细文档，无法进行有意义的静态评估。
- 所有标准均因证据不足评为0，不代表项目存在缺陷，而是缺乏可评估的证据。
- 建议获取完整源代码和文档后再进行深入评估。
这个 Agent 能做什么，适合哪些场景？
MemMachine 是面向 AI 智能体与 LLM 应用的开源长期记忆层，用于将原本无状态的对话变为可延续的上下文。它提供 Working Memory、图式 Episodic Memory 和以 SQL 存储的 Profile Memory。应用可通过 Python SDK、REST API、TypeScript SDK 或原生 MCP Server 接入，并可使用本地、自托管 Docker 或托管服务部署路径。其 MCP 入口提供 memmachine-mcp-stdio 与 memmachine-mcp-http 命令，面向 Claude Desktop、Cursor 等兼容 MCP 的客户端。采用它意味着应用仍需运行 MemMachine Server，并为情景记忆和用户资料准备相应的图数据库与 SQL 持久化边界。
应用先连接正在运行的 MemMachine Server，再通过 MemMachineClient 的 get_or_create_project(org_id, project_id) 获取或创建项目。随后调用 project.memory(group_id, agent_id, user_id, session_id) 创建某个用户会话的记忆实例，以 memory.add(content, metadata=...) 写入一条记忆，并以 memory.search(query) 检索结果；示例从 results.content.episodic_memory.long_term_memory.episodes[0].content 读取召回内容。系统将会话型 Episodic Memory 持久化到图数据库，将用户事实和偏好等 Profile Memory 存入 SQL，并提供 stdio 或 HTTP 形式的 MCP 服务端入口。
- 销售团队使用 CRM Agent 时，需要按客户和会话找回既往沟通记录与交易阶段。
- 医疗导航类助手需要在后续会话中保留医疗历史，并持续跟踪治疗进度。
- 个人理财顾问在多轮咨询之间保存用户的投资组合偏好与风险承受能力。
- 写作助手在不同会话中记住用户的风格指南和术语，以保持输出一致。
- 使用 LangChain、LangGraph、CrewAI、LlamaIndex、AWS Strands、n8n、Dify 或 FastGPT 的团队需要接入持久化记忆后端。
这个 Agent 有哪些优点和局限？
- 同时区分工作记忆、跨会话情景记忆和用户档案记忆，而非仅保存单一会话文本。
- 情景记忆使用图数据库、档案记忆使用 SQL，存储职责在架构中明确分离。
- 同一能力可从 Python SDK、REST API、TypeScript SDK 和 MCP Server 接入。
- 明确列出 LangChain、LangGraph、CrewAI、LlamaIndex、AWS Strands、n8n、Dify 与 FastGPT 集成。
- 客户端依赖正在运行的 MemMachine Server，不能仅安装 Python 包后独立工作。
- 持久化架构涉及图数据库和 SQL 数据库，增加部署、运维与数据治理工作。
- 提供的 Quick Start Python 示例含有语法错误的 import 行，无法直接复制运行。
- 未说明认证、授权、数据隔离、备份、升级迁移或故障恢复的具体机制。
如何安装或部署这个 Agent？
先启动一个 MemMachine Server；该服务是客户端运行的前提。然后执行：
pip install memmachine-client文档说明可选择本地启动服务器、自托管 Docker 或使用托管平台，但未给出本地服务器、Docker、认证或数据库配置的可复制命令。若使用托管平台，可创建免费账户；具体凭证配置未说明。
如何使用这个 Agent？
将客户端的 base_url 指向运行中的服务，例如 http://localhost:8080；再依次调用 get_or_create_project、project.memory、memory.add 和 memory.search。提供的 Python 示例中 import 行含有重复的 import，无法原样执行；未提供可复制的修正导入语句，因此需要在采用前确认 memmachine-client 当前版本的导入方式。MCP 客户端可按需求启动 memmachine-mcp-stdio，或为 Web 客户端启动 memmachine-mcp-http。