MemoryMesh
MCP 知识图谱记忆服务器，让 AI 持久记住 RPG 世界中的人物、地点和关系
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
MCP 知识图谱记忆服务器，让 AI 持久记住 RPG 世界中的人物、地点和关系
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你正在和 AI 玩一个史诗级的文字 RPG 游戏，剧情跨越 50 个章节、NPC 超过 200 个、每条支线任务相互交织。普通的 AI 对话系统每次都像"金鱼记忆"——聊完第三章，它已经完全忘了第一章里你救了哪只受伤的独角兽。但 MemoryMesh 不一样：它为 AI 模型配备了一个持久化的知识图谱记忆服务器，让 AI 能够跨会话、跨长文本持续"记住"结构化的上下文信息。
MemoryMesh 起源于 Model Context Protocol（MCP） 官方服务器仓库中的知识图谱记忆服务器，2024 年 12 月由独立开发者 CheMiguel23 分叉并持续迭代，当前版本为 v0.3.0（2026年1月发布）。v0.3.0 完成了对 MCP SDK 的大版本升级（从 v1.0.4 → v1.25.2），实现了对 2025 年 11 月 MCP 规范的完全兼容，可无缝接入 Claude Desktop、ChatGPT、Cursor、VS Code 等主流 AI 客户端。
MemoryMesh 的本质是一个本地知识图谱服务器，通过 MCP 协议与 AI 客户端通信。在 MemoryMesh 中，数据以**节点（Node）和边（Edge）**的图结构存储：
name（唯一标识符）、nodeType（类型，如 npc、location）、metadata（描述性字符串数组）和 weight（关系强度，0-1之间）四个核心字段。from（源节点）、to（目标节点）和 edgeType（关系类型，如 owns、located_in）三个字段。这种图结构天然适合 RPG 和叙事类应用——"Aragorn"是一个 player_character 节点，它和 "Andúril"（artifact）之间有一条 owns 类型的边，权重为 1（最强关系）。AI 每次调用 MCP 工具时，MemoryMesh 自动维护这个知识图谱的一致性，并在数据不合理时报错引导 AI 修正。
MemoryMesh 的代码架构采用了经典的分层领域设计（Layered Architecture），共 6 大模块：
ApplicationManager，协调 GraphManager（图操作）、SearchManager（检索）、TransactionManager（事务管理）三个专业管理器，所有业务逻辑的入口点。Graph（图数据结构）、Node、Edge、GraphValidator（图验证）、MetadataProcessor（元数据处理）、SchemaBuilder（Schema 构建器）——完全不依赖外部框架，是项目的"业务心脏"。JsonLineStorage（持久化存储）和 EventEmitter（事件系统），未来可扩展支持数据库、向量库等。ToolsRegistry 统一管理所有 MCP 工具，DynamicSchemaToolRegistry 根据用户自定义 Schema 动态生成 CRUD 工具。operations.ts、tools.ts）和通用工具函数（如错误格式化 responseFormatter.ts）。依赖注入通过 TypeScript 构造器实现，ApplicationManager 接受 IStorage 接口注入，默认使用 JsonLineStorage，解耦清晰。模块之间通过 index.ts barrel export 控制公开接口，避免暴露内部实现细节。
MemoryMesh 最具特色的设计是动态 Schema 驱动工具生成。用户只需在 dist/data/schemas/ 目录下放置 .schema.json 文件，MemoryMesh 启动时自动解析每个 Schema，并据此生成对应的 MCP 工具。
内置了丰富的示例 Schema，覆盖 RPG 场景的典型实体：玩家角色（player_character）、NPC、物品（artifact）、任务（quest）、阵营（faction）、技能（skills）、位置（location）、库存（inventory）、货币（currency）、时间（temporal）、交通工具（transportation）共 11 类。用户也可以完全自定义 Schema，通过 name、relationships（定义边类型约束）、required（必需字段）和 properties（属性配置）构建自己的领域模型。Schema 变更时 MemoryMesh 会自动重建对应的 MCP 工具，真正做到"改 Schema 即改 API"。
项目采用 TypeScript 开发（tsconfig.json 严格模式），主要依赖：
@modelcontextprotocol/sdk（v1.25.2）：MCP 协议实现，MemoryMesh 的立身之本zod（^3.25.0）：运行时 Schema 验证库，MCP SDK 的强制依赖开发依赖方面，使用 Vitest 作为测试框架（支持 V8 代码覆盖率，配置在 vitest.config.ts），配合 TypeScript 编译、 ts-node（开发调试）和 copyfiles（构建资源拷贝）。Node.js 最低版本要求 18，支持 Alpine 轻量镜像。
MemoryMesh 提供两种运行方式：
方式一：npm 部署（推荐开发者）
git clone https://github.com/CheMiguel23/MemoryMesh.git
cd MemoryMesh
npm install
npm run build
npm start # 标准启动
npm run start:claude # Claude Desktop 专用启动（自动配置 MCP 路径）
方式二：Docker 容器（推荐快速体验）
docker build -t memorymesh .
docker run memorymesh
Dockerfile 采用多阶段构建：第一阶段 node:18-alpine 完成 npm install + TypeScript 编译，第二阶段 node:18-alpine 运行时仅 npm ci --omit=dev，最终镜像极简。不支持 docker-compose，无 Web UI，不消耗 GPU 资源，512MB RAM 即可流畅运行。
MemoryMesh 包含完整的单元测试套件（Vitest），测试覆盖图验证器、边权重工具、Schema 构建器、响应格式化器、MCP 合规性等核心模块。v0.3.0 升级继承了大量 MCP SDK 的安全修复，包括正则表达式 DoS 防护和 Header 验证加固。同时项目已通过 MseeP.ai 安全审计，审计报告徽章公开于 README 顶部。
MemoryMesh 最适合以下场景：
需要注意的是：MemoryMesh 本身不是一个 AI 模型，而是为 AI 提供记忆的基础设施——它不生成内容，只存储和检索结构化数据。此外，图谱查询性能随节点数量线性增长，对于超大规模（>10万节点）场景，当前 JSONL 持久化方案可能成为瓶颈，建议未来迁移到专用图数据库（如 Neo4j）。另需关注 MCP 协议本身的版本演进，v0.3.0 基于 2025-11-25 规范，MCP 协议规范仍在快速迭代，升级时需留意兼容性变更。
项目基本信息