mnemory 智能记忆服务
为 AI 助手跨对话提取、保存并检索个性化记忆。
- Star 数
- ★ 284
- 最近更新
- 3 天前
- License
- NOASSERTION
- 主语言
- Python
- FA 评分
- 63/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台ChatGPT · Codex · Claude Code · OpenAI API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 希望 Claude Code 跨会话记住用户偏好、事实和决定的个人开发者,可将 mnemory 配置为 MCP 服务器。
- 不适合
- 不愿配置 OpenAI 兼容 API 密钥的用户
- 要求已验证物理删除或合规擦除保证的团队
- 维护状态
- 近 30 天有提交最近提交 2026-11-17最新版本 v1.15.3(2026-11-15)
- 源码审查
- 63/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
mnemory 是一个可自托管的 MCP 服务器,为兼容 MCP 的助手提供长期记忆和个性化能力。它通过统一的 LLM 流程提取事实、分类元数据,并与已有记忆去重及处理矛盾。记忆摘要存入向量存储,报告、代码和研究等详细内容则保存在 artifact store 中,需要时再检索。客户端可通过 MCP 工具或 REST API 调用同一后端,管理界面提供记忆浏览、语义搜索和关系图。快速入门使用 uvx mnemory 启动本地服务;生产部署也可使用 Qdrant 与 S3/MinIO,数据存于用户自有基础设施。
启动 uvx mnemory 后,服务在 http://localhost:8050/mcp 提供 MCP 接口,并将默认数据存于 ~/.mnemory/。保存记忆时,它调用 OpenAI 兼容 API 提取事实、分类并检查重复或矛盾,再把可搜索内容存为向量;较长的报告、代码或研究资料可放入 artifact store。搜索时,系统生成多个查询并行检索,再按相关性重排结果,同时考虑时间信息。助手可在会话开始加载置顶记忆和近期上下文,并在对话中查找相关记忆。服务还提供记忆 CRUD、健康检查、REST API、管理 UI 和 Prometheus /metrics 端点。
- 希望 Claude Code 跨会话记住用户偏好、事实和决定的个人开发者,可将 mnemory 配置为 MCP 服务器。
- 使用 ChatGPT MCP 连接器的用户,可为后续对话提供持久的个性化上下文。
- 部署 Open WebUI 或 OpenClaw 的团队,可使用对应集成自动回忆和保存记忆。
- 需要按日期找回过去决定的团队,可用带时间感知的语义搜索检索相关记忆。
- 保存研究、报告或代码等长内容的用户,可将详细资料放入 artifact store,并按需检索。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
uvx mnemoryuvx --with "mcp<2" mnemory
- 端口
8050- 环境变量
OPENAI_API_KEY- 安装说明涉及
- Docker
如何安装或部署这个 Agent?
运行 mnemory 需要 OpenAI 兼容 API 的密钥,用于 LLM 和嵌入;服务会自动读取 OPENAI_API_KEY。快速启动命令如下:
uvx mnemory服务默认启动于 http://localhost:8050/mcp,数据存于 ~/.mnemory/。若旧版 Alpine 环境中的 uv 报 No module named 'mcp.server.fastmcp',README 给出的临时命令是:
uvx --with "mcp<2" mnemoryREADME 还说明支持 Docker、pip,生产环境可使用 Qdrant 与 S3/MinIO;但具体 Docker 和 pip 安装命令未在所给内容中列出。
如何使用这个 Agent?
将 MCP 客户端配置为连接本地服务。Claude Code 的配置示例如下:
{
"mcpServers": {
"mnemory": {
"type": "streamable-http",
"url": "http://localhost:8050/mcp",
"headers": {
"X-Agent-Id": "claude-code"
}
}
}
}启动新对话后,助手即可通过 MCP 工具使用记忆。也可使用 REST API;所给 README 未列出具体请求示例。
这个 Agent 有哪些优点和局限?
- 统一的单次 LLM 流程负责事实提取、元数据分类、去重和矛盾处理。
- 两层存储将可搜索摘要与报告、代码等详细 artifact 分开保存。
- 提供多查询语义搜索、时间感知和结果重排,支持自然语言回忆过去决定。
- MCP 与 REST API 共用后端,并带有记忆管理 UI 和 Prometheus 监控端点。
- LLM 与嵌入需要 OpenAI 兼容 API 密钥,调用成本取决于所用服务。
- 生产部署使用 Qdrant 和 S3/MinIO 等组件,增加基础设施配置工作。
- 删除被明确说明为尽力而为;常规删除会撤回并保留历史,隐私擦除也不保证物理清除。
- README 未提供 Docker 或 pip 安装命令,采用这些方式时需查阅其部署文档。
这个 Agent 与同类方案有什么区别?
README 的 LoCoMo 基准表列出 Memobase、Mem0-Graph、Mem0、Zep 和 LangMem。mnemory 的总体分数为 73.2;表中 Memobase 为 75.8,其他列出的系统分数较低。该结果基于 README 所述配置和评测集,不足以代表所有使用场景。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| mnemory 智能记忆服务 当前 | 63 · 存在缺口 | MCP 服务器免费 + 模型费 | ★ 284 | 3 天前 | Python | ChatGPT · Codex · Claude Code · OpenAI API |
| Athena | 48 · 缺口较多 | IDE 插件免费 + 模型费 | ★ 647 | 今天 | Python | Claude Code |
| LetsFG:航班与酒店AI智能体搜索预订平台 | 65 · 存在缺口 | 命令行工具免费版 + 付费版 | ★ 2.3k | 5 天前 | Python | Claude Code · OpenAI API · Claude API |
| Open Brain (OB1) | 55 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 4.8k | 2 个月前 | TypeScript | ChatGPT · Claude Code · Claude.ai |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
服务说明了本地/远程向量存储、文件或 S3 工件存储、LLM/嵌入服务和身份认证配置;删除全部记忆默认关闭,且明确区分普通撤回与尽力而为的物理清理。扣分原因:快速开始默认无认证并监听 0.0.0.0;采集记忆前没有展示逐次用户确认;敏感记忆的保留和外部模型处理依赖部署者配置,依赖安全也只有版本范围而无审计证据;发布身份未经验证。
文档称工具会返回 JSON 错误、记录内部异常,并说明健康检查、启动迁移和依赖服务;也列出可替代的存储后端。扣分原因:工具数在 README/AGENTS 中为 16、server.py 文档字符串为 19;配置文档说默认模型 gpt-5.4-mini,而基准表把 73.2 归于 gpt-5-mini 且称前者预期相当或更好,静态材料存在不一致;没有执行证据证明运行可靠。
材料面向 MCP 客户端、开发者及自托管生产部署,列出多客户端、Docker/pip/uvx、Qdrant/S3/Redis 及指令模式。扣分原因:边界说明不完整,默认主动回忆/捕获可能超出用户预期;客户端行为和是否需要手动提示因集成而异;环境支持虽覆盖 Python 3.11–3.13及容器架构,但部署仍需要兼容 LLM、向量后端和相应配置。
文档按快速开始、配置、架构、API、部署和客户端指南组织,安装步骤具体;LICENSE 文件和元数据均指向 Apache-2.0。扣分原因:命名/工具数量存在差异;示例和 FAQ 有覆盖但不完整;已说明删除非合规擦除保证及模型限制等部分局限,仍未完整列明;样本未提供变更日志,维护责任只可从作者字段和仓库链接有限推断。
产品提供事实提取、去重、语义搜索、双层记忆、管理界面和多种接口,输出可经 MCP/REST 返回并可按需取回工件。扣分原因:价值主张主要是文档陈述,样本仅有基准表而没有其复现材料;每次抽取和搜索涉及 LLM/嵌入服务,成本、延迟和维护负担没有充分量化。
README 的主要能力可在配置、服务入口、插件和部署文档中找到对应实现线索;删除限制、模型选择和测试要求也有明确说明。扣分原因:多个宣传指标和安全/生产就绪声明不能由提供的源文件完整验证;不同来源在工具数与模型/基准描述上不一致;文档将测得结果与预期结果分开标注,但本评估没有运行或复核基准。
- 上线前应配置身份认证并限制网络暴露;默认主动模式会自动回忆和采集,需结合客户端行为及数据政策评估。
- 删除说明明确表示清理为尽力而为,不构成已验证擦除或合规保证;基准结果和生产就绪声明未在本次静态审查中独立复核。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
v1.15.3 Mnemory 1.15.3
发布说明摘录
Fixes OpenClaw plugin discovery and temporal memory recall. Fixed - Declare plugin tools so OpenClaw can discover them. - Document how to replace native memory tools with Mnemory. - Verify the packaged plugin against supported OpenClaw versions. - Correct event-date and creation-date filters, include undated memories where appropriate, and preserve date bounds in generated search queries. Validation Unit tests: 1,655 passed, 20 skipped. Ruff, plugin packaging, Vitest and the OpenClaw Gateway compatibility matrix passed. Release E2E was not run for this …在 GitHub 查看 ↗ -
v1.15.2 Mnemory 1.15.2
发布说明摘录
Fixed - Ship compiled JavaScript alongside the OpenClaw plugin sources, lock the build dependency, and verify that the packaged runtime loads before npm publication. Distribution - Publish multi-architecture container images to ghcr.io/fpytloun/mnemory, with source-repository labels and tested tag rules. - Document GHCR pull/build commands and retain the best-effort deletion warning alongside the Cognis introduction. The OpenClaw plugin remains at its separately published version 0.2.2. Deletion remains best effort, not a verified-erasure or compliance guarantee.在 GitHub 查看 ↗ -
openclaw-v0.2.2 OpenClaw Plugin v0.2.2
发布说明摘录
Fixes npm installation with recent OpenClaw versions by shipping compiled JavaScript. Also fixes compatibility of the publishing verification with npm 12. See #16, #17, and #18.在 GitHub 查看 ↗
常见问题
使用 mnemory 需要付费吗?
记忆数据存在哪里?
~/.mnemory/。生产配置可使用 Qdrant 存储向量,并使用 S3/MinIO 存储 artifacts。删除记忆是否等于已验证的物理擦除?
可以只用 MCP 客户端,还是必须接入某个专用应用?
mnemory 智能记忆服务 用哪个端口?
mnemory 智能记忆服务 开源吗?
mnemory 智能记忆服务 安全吗?
mnemory 智能记忆服务 还在维护吗?
mnemory 智能记忆服务 是谁开发的?
谢谢反馈,我们会据此改进页面。