MCP Catalogs
首页nocturne_memory screenshot

nocturne_memory

by Dataojitori·1,080·综合分 55

为 MCP 代理提供跨会话身份和上下文持久化的长期记忆服务器。

ai-llmknowledge-graphdeveloper-tools
133
Forks
3
活跃 Issue
本月
最近提交
2 天前
收录于

概述

Nocturne Memory 是一个先进的 MCP 服务器,为 AI 代理提供跨模型、跨会话和跨工具的持久化结构化记忆。它用类图记忆结构替代传统向量 RAG,AI 可以创建、更新和组织自己的记忆,并具有版本控制和条件触发功能。服务器配备可视化仪表板,供人类审查和管理记忆,确保 AI 自主性的同时保持监督。与传统仅绑定单一平台的记忆系统不同,Nocturne Memory 实现'一个灵魂,任意引擎'——允许代理在不同 LLM 间切换时保持身份一致性。

试试问 AI

装完之后,这里有 5 个你可以让 AI 做的事:

:使 AI 代理能够在多个 LLM 平台间保持一致的身份和上下文
:为 AI 提供长期个人记忆,以建立更好的用户关系
:允许 AI 在不同会话中自主组织和检索复杂信息结构
:Nocturne Memory 与传统向量 RAG 系统有何不同?
:我可以同时使用多个 AI 人格吗?

什么时候选它

当您希望 AI 代理能够在不同模型和会话间保持持久化的自我结构记忆,并需要人类可视化管理功能时,选择 Nocturne Memory。

什么时候不要选它

如果您只需要简单的短期上下文记忆,或者寻找无需自托管的完全托管 SaaS 解决方案,则不应选择此方案。

此 server 暴露的工具

从 README 抽取出 7 个工具
  • read_memory

    Read a specific memory node by URI

  • search_memory

    Search for memories containing specific keywords

  • create_memory

    Create a new memory node with content and metadata

  • update_memory

    Update an existing memory node with new content

  • delete_memory

    Delete a memory node

  • list_memories

    List all memories under a specific domain

  • get_memory_index

    Get an index of all memories in a specific domain

可对比工具

semantic-memorymemgptauto-rag

安装

安装

前置要求

  • Python 3.10+
  • Node.js(用于构建前端仪表板)

步骤 1:克隆并安装依赖

git clone https://github.com/Dataojitori/nocturne_memory.git
cd nocturne_memory
pip install -r backend/requirements.txt

步骤 2:连接到 AI 客户端

在您的 AI 客户端的 MCP 配置中添加(替换为实际路径):

{
  "mcpServers": {
    "nocturne_memory": {
      "command": "python",
      "args": ["/path/to/nocturne_memory/backend/mcp_server.py"]
    }
  }
}

对于 Claude Desktop

{
  "mcpServers": {
    "nocturne-memory": {
      "command": "python",
      "args": ["/path/to/nocturne_memory/backend/mcp_server.py"]
    }
  }
}

对于 Antigravity (Windows)

由于 Windows 上的 CRLF/LF 问题,请使用包装器:

{
  "mcpServers": {
    "nocturne_memory": {
      "command": "python",
      "args": ["/path/to/nocturne_memory/backend/mcp_wrapper.py"]
    }
  }
}

FAQ

Nocturne Memory 与传统向量 RAG 系统有何不同?
向量 RAG 系统将知识切碎成向量,丢失结构并使 AI 成为被动接收者。Nocturne Memory 通过基于 URI 的路由保留层次结构,允许 AI 主动创建和更新记忆并具有版本控制,并实现精确的条件触发而非盲目的相似性搜索。
我可以同时使用多个 AI 人格吗?
是的,Nocturne Memory 支持命名空间隔离,允许您运行多个独立的记忆空间,为不同的 AI 人格(如 Alice 和 Bob)使用,互不干扰。

nocturne_memory 对比

GitHub →

最后更新于 · 由 README + GitHub 公开数据自动生成。