每次与AI重新对话，都需要重复介绍自己？
希望AI能够记住你的偏好和过往交流的重要细节？
今天为大家介绍一个解决方案 – 基于MCP的知识图谱记忆系统。
先来认识一下知识图谱这一核心技术。
知识图谱是一种用于表示知识的结构化数据库，以图的形式组织信息，由节点(实体)和边(关系)组成。
与传统数据库不同，知识图谱强调的是实体之间的关联性，这种结构非常适合描述复杂的关系网络。
例如，在知识图谱中：
"马云"(节点)→"创立"(关系)→"阿里巴巴"(节点)
"阿里巴巴"(节点)→"总部位于"(关系)→"杭州"(节点)
AI可以理解信息之间的逻辑关联，从而实现更智能的信息检索和推理。知识图谱已广泛应用于搜索引擎、推荐系统、智能问答等领域。
知识图谱特性使得AI像人类一样，在记忆中建立复杂的关联网络，并在需要时快速检索相关信息，实现真正的"上下文感知"能力。
Memory MCP Server就是基于知识图谱的MCP Server。巧妙地用作AI的"长期记忆库"。
Memory MCP Server的核心功能
- 知识图谱存储，使用图结构来存储知识，包含三个核心元素：实体(Entities): 图中的节点，具有名称、类型和观察列表，关系(Relations): 实体之间的联系，以主动语态表示，观察(Observations): 与实体相关的事实或细节
- 全面的实体和关系管理，系统提供了丰富的API，包括：创建和删除实体，建立和管理实体间的关系，添加和移除关于实体的观察记录，强大的搜索功能
- 持久化存储，所有知识图谱数据以JSON格式持久化存储，确保AI助手可以在不同会话之间保留记忆。
可以从GitHub Releases页面下载预构建二进制文件，或从源代码构建：
git clone https://github.com/okooo5km/memory-mcp-server-go.git cd memory-mcp-server-go make
配置
"mcpServers": { "memory": { "command": "memory-mcp-server-go", "env": { "MEMORY_FILE_PATH": "/Path/Of/Your/memory.json" } } }
可以使用知识图谱记忆系统，该系统可以跨对话存储和检索信息。使用它来记住有关用户的重要细节、偏好。
提供的方法如下：
Memory MCP Serverr的使用测试(请不要使用Trae，无法使用这个MCP)
保存图信息
提取信息
整理成可读的信息
本地保存的数据
{ "type": "entity", "name": "北京之旅", "entityType": "行程", "observations": ["用户计划于2025年4月25日前往北京"] }
"type": "entity" – 表明这是一个实体对象，在知识图谱中会被创建为一个节点
"name": "北京之旅" – 实体的名称，这是实体的唯一标识符，用于在知识图谱中引用这个实体
"entityType": "行程" – 实体的类型，指明这个实体属于"行程"类别，有助于对不同类型的实体进行分类和管理
"observations": ["用户计划于2025年4月25日前往北京"] – 与该实体相关的观察记录或事实，这里记录了用户计划在2025年4月25日去北京的信。
Memory MCP Server为AI提供了真正的跨应用"长期记忆"能力。
