ttommyth/rag-memory-mcp

开发工具

本页由 AI 翻译，技术细节请以原文为准。查看原文

47 stars 6 forks 质量 61 趋势 13

Repository Install

一台先进的MCP服务器，通过具备能力的知识图谱实现。该服务器通过语义搜索、文档处理和混合检索扩展了基本内存概念，以实现更多......

概览

一台先进的MCP服务器，通过具备能力的知识图示。该服务器通过语义搜索、文档处理和混合检索扩展了基本内存概念，实现更智能的内存管理。来自模型上下文协议项目的知识图谱记忆服务器。该服务器设计用于与 MCP 客户端（例如 Claude Desktop、VS Code）本地运行，并需要本地文件系统访问以实现数据库存储。 - ：持久实体、关系和观察 - ：使用句子变换器进行语义相似性搜索 - ：支持RAG的文档分块和嵌入 - ：结合向量相似性与图遍历 - ：快速本地存储，支持向量操作 sqlite-vec - ：自动从文档中提取词该服务器通过模型上下文协议（MCP）提供全面的内存管理： - storeDocument：存储带有元数据的文档以便处理- chunkDocument：创建带有可配置参数的文本块-...

概述（AI 翻译）

一个先进的MCP服务器，支持RAG支持的内存，通过具备向量搜索功能的知识图。该服务器通过语义搜索、文档处理和混合检索扩展了基本内存概念，实现更智能的内存管理。

灵感来源： 模型上下文协议项目中的知识图谱内存服务器。

注：该服务器设计为与MCP客户端（如Claude Desktop、VS Code）本地运行，并需要本地文件系统访问以实现数据库存储。

✨ 主要特色

** 🧠 知识图谱记忆**：持久实体、关系和观察
** 🔍 向量搜索**：使用句子变换器进行语义相似性搜索
** 📄 文档处理**：支持RAG的文档分块与嵌入
** 🔗 混合搜索：结合向量相似性与图遍历
** ⚡ SQLite 后端**：支持快速本地存储，支持 sqlite-vec 进行向量操作
** 🎯 实体提取**：自动从文档中提取术语

工具

该服务器通过模型上下文协议（MCP）提供全面的内存管理：

📚 文档管理

storeDocument：存储带有元数据的文档以便处理

本页由 AI 翻译，技术细节请以原文为准。

README

以下为原文 README 节选，完整内容请查看原文。

rag-memory-mcp

An advanced MCP server for RAG-enabled memory through a knowledge graph with vector search capabilities. This server extends the basic memory concepts with semantic search, document processing, and hybrid retrieval for more intelligent memory management.

Inspired by: Knowledge Graph Memory Server from the Model Context Protocol project.

Note: This server is designed to run locally alongside MCP clients (e.g., Claude Desktop, VS Code) and requires local file system access for database storage.

✨ Key Features

🧠 Knowledge Graph Memory: Persistent entities, relationships, and observations
🔍 Vector Search: Semantic similarity search using sentence transformers
📄 Document Processing: RAG-enabled document chunking and embedding
🔗 Hybrid Search: Combines vector similarity with graph traversal
⚡ SQLite Backend: Fast local storage with sqlite-vec for vector operations
🎯 Entity Extraction: Automatic term extraction from documents

Tools

This server provides comprehensive memory management through the Model Context Protocol (MCP):

📚 Document Management

storeDocument: Store documents with metadata for processing
chunkDocument: Create text chunks with configurable parameters
embedChunks: Generate vector embeddings for semantic search
extractTerms: Extract potential entity terms from documents
linkEntitiesToDocument: Create explicit entity-document associations
deleteDocuments: Remove documents and associated data
listDocuments: View all stored documents with metadata

🧠 Knowledge Graph

createEntities: Create new entities with observations and types
createRelations: Establish relationships between entities
addObservations: Add contextual information to existing entities
deleteEntities: Remove entities and their relationships
deleteRelations: Remove specific relationships
deleteObservations: Remove specific observations from entities

🔍 Search & Retrieval

hybridSearch: Advanced search combining vector similarity and graph traversal
searchNodes: Find entities by name, type, or observation content
openNodes: Retrieve specific entities and their relationships

在 GitHub 查看完整 README

安装

npx -y rag-memory-mcp

新手？先看 mcpskill.org 教程 →

配置

{
  "mcpServers": {
    "rag-memory": {
      "command": "npx",
      "args": ["-y", "rag-memory-mcp"]
    }
  }
}