🧠 MindCore Memory MCP

让 AI 记住一切，不再遗忘。生产级长期记忆 MCP Server。

"The best AI agent isn't the smartest — it's the one that remembers."

⚡ 一句话价值

MindCore Memory 解决 AI Agent 最大痛点：上下文窗口有限、长对话信息丢失、跨session记忆断裂。

🎯 解决什么问题

| 痛点 | 现状 | MindCore Memory | |------|------|----------------| | AI 上下文忘性大 | 对话结束什么都忘 | ✅ 持久化长期记忆 | | 跨session无法回忆 | 每次都重新教 | ✅ 跨会话知识复用 | | 记忆混乱无优先级 | 所有记忆权重一样 | ✅ 重要性分级+置信度 | | RAG暴力灌入 | 上下文过载质量下降 | ✅ 精准上下文窗口 |

🚀 3行上手

# 1. 安装
pip install mindcore-memory

# 2. 启动 MCP Server
mindcore-memory

# 3. 在你的 AI Agent 中调用
memory_id = memory_store("用户说他叫张三，周三有空")
context = memory_recall("用户的时间安排")

📊 Eval Framework 实测

✅ Storage Integrity:     100% (存储持久化正确)
✅ Recall Relevance:      100% (相关记忆优先召回)
✅ Confidence Calibration: 100% (置信度正确校准)
✅ Importance Weighting:  100% (高优先级记忆排名靠前)
✅ Context Efficiency:    100% (上下文窗口不过载)

Overall Score: 100%

📈 Star History

🔧 核心工具

memory_store - 存储记忆

memory_store(
    content="Python是荷兰人Guido van Rossum创建的",
    importance=3,        # 1-4级重要性
    tags=["python", "history"],
    confidence=0.95,      # 置信度
    source="agent"       # agent/user/tool
)

memory_recall - 召回记忆

memory_recall(
    query="Python创始人是谁",
    tags=["python"],      # 可选标签过滤
    limit=10             # 返回数量
)

memory_context - 构建上下文窗口

# 为当前任务构建最优上下文（自动去重+优先级排序）
context = memory_context(
    query="当前项目状态",
    max_tokens=2000      # 自动截断
)

memory_stats - 系统状态

# 查看记忆统计：总数/分布/置信度
stats = memory_stats()

💰 开源说明

本项目为开源项目（MIT License），代码完全免费。存储层使用本地 JSON 文件，无云服务依赖，无数据收集。如需商业合作或定制开发，欢迎联系作者。

🤝 支持

如果 MindCore Memory 对你有帮助：

• ⭐ 给仓库点个 Star
• 🐛 提交 Issue 反馈问题
• 🔧 提交 PR 贡献代码

🏗️ 项目结构

mindcore-memory-mcp/
├── mindcore_memory/          # Python 包（pip install 入口）
│   ├── __init__.py
│   ├── memory_engine.py      # 核心记忆引擎
│   ├── server.py             # MCP Server（stdio+HTTP双传输）
│   ├── http_app.py           # HTTP端点（生产部署）
│   └── eval_framework.py     # 评测框架
├── tests/
│   └── test_memory.py        # 单元测试
├── examples/
│   └── basic_usage.py        # 使用示例
├── .github/workflows/
│   └── ci.yml                # CI/CD
├── pyproject.toml
├── README.md
└── LICENSE

🔌 集成方式

Claude Desktop

{
  "mcpServers": {
    "mindcore-memory": {
      "command": "pip",
      "args": ["install", "mindcore-memory"]
    }
  }
}

VS Code AI

直接在扩展市场搜索 MindCore Memory。

HTTP API（生产环境）

curl -X POST http://localhost:8080/mcp \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"memory_store","arguments":{"content":"test"}},"id":1}'

📐 生产级标准

| 标准 | 实现 | |------|------| | JSON-RPC 2.0 | ✅ stdio + HTTP 双传输 | | Bearer Token认证 | ✅ HTTP端点可选认证 | | 输入验证 | ✅ Pydantic schemas | | CI/CD | ✅ GitHub Actions | | 单元测试 | ✅ pytest + 覆盖率 | | Eval Framework | ✅ 5项核心指标 | | 可观测性 | ✅ structlog完整日志 | | 用户数据主权 | ✅ JSONL本地文件，无vendor lock-in |

🤝 贡献

欢迎提交 Issue 和 PR！

📄 许可证

MIT License - 详见 LICENSE

让 AI 拥有记忆，让人类更信任 AI。

/---

完整设计体系（开源）

本仓库不只是 MCP Server - 它是 MindCore 心智系统的代码实现。

核心公式：轨迹 = 边界 = 进化 = 认知 = 边界（闭环）

| 文档 | 内容 | |------|------| | 设计蓝图总览 | MindCore 完整设计文档索引 | | MindCore 四层记忆 | L0-L3 四层渐进式记忆完整设计 | | 小脑进化引擎 | 五锚点并行 + 写垄断 + 出口审计 | | 三元平衡理论与DEA算法 | 正反演化算法框架与学术理论 | | VSOS 安全系统 | 24维安全坐标系 | | 硬件专利 | 算力熔断与内存隔离专利 |

了解更多：docs/design/README.md