"记忆管理" 标签

基于 Model Context Protocol (MCP) 的后端实现，提供资源管理、工具注册/执行以及上下文化 Prompt/记忆能力，通过 JSON-RPC 与 LLM 客户端通信并支持多种传输方式。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源管理、工具执行、提示模板渲染等能力，供 LLM 客户端通过 JSON-RPC/HTTP 等方式访问并进行意图解析与执行任务的上下文服务。

基于 Model Context Protocol (MCP) 的服务器实现，提供资源存储、工具注册与执行、以及提示模板渲染等能力，并通过 JSON-RPC 与客户端进行通信，支持多传输方式以供 LLM 应用使用。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源管理、工具注册与执行、以及可渲染的 Prompt 模板，统一通过 JSON-RPC/HTTP 方式向本地或嵌入式的 LLM 客户端提供上下文服务与推理支持。

一个本地的 MCP（Model Context Protocol）服务器实现，提供记忆库管理、嵌入向量存储、工具执行以及基于提示的交互渲染，核心通过 JSON-RPC 与 LLM 客户端进行资源、工具和提示的访问与执行。支持多 Vault（全局主 Vault 与项目 Vault）的会话管理、迁移、同步等能力，适合在本地环境中为 LLM 应用提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源管理、工具注册与执行、Prompts 定义以及通过 JSON-RPC 的 MCP 协议与 LLM 客户端交互，支持流式传输、SSE、OAuth2PKCE、会话管理与长时记忆分片系统等能力，面向 AI 记忆与上下文服务场景的可扩展后端。

基于 MCP 的后端服务器，为 AI 代理提供持久化记忆、数据访问和工具执行能力；通过本地 SQLite 库存储并可跨会话检索记忆，集成五个 MCP 工具以进行存储、检索、召回、删除和列出记忆的操作。

基于 Model Context Protocol (MCP) 的服务器实现，提供跨记忆与历史的查询、保存与健康检测等工具，供 LLM 客户端通过 JSON-RPC 形式访问和调用。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端提供资源管理、工具执行和 Prompt 渲染等上下文服务，支持 JSON-RPC 通信与多传输通道（此实现以标准输入/输出（stdio）为通信介质）并实现了初始化、工具与资源查询等核心功能。

基于 Model Context Protocol (MCP) 的后端服务，提供对 Holographic Context Engine（HCE）三大记忆结构的资源、工具和提示模板等功能的标准化访问，通过 JSON-RPC（在 stdio 传输下）与 MCP 客户端通信，支持会话管理、状态持久化以及对外部工具的注册与执行。

基于 Model Context Protocol (MCP) 的服务器实现，提供资源管理、工具注册与执行，以及 Prompt 模板渲染等能力，通过 JSON-RPC 与 LLM 客户端进行通信，支持纯 Python 实现与 Rust 实现的双版本 MCP 服务端，适用于 Claude Desktop 等 MCP 客户端场景。

基于 Model Context Protocol (MCP) 的多服务后端实现与管理台，提供 QAIS、ISS 等 MCP 服务器、资源/工具/提示模板的托管与渲染，并通过 JSON-RPC 与 LLM 客户端通信，支持会话管理、能力声明与多传输通道（如 STDIO、SSE、WebSocket）。

基于 Model Context Protocol 的后端服务器，提供资源管理、工具执行与提示模板渲染，并通过 JSON-RPC MCP 协议向 LLM 客户端提供可扩展的上下文服务，支持 STDIO、HTTP、WebSocket 等传输方式与 REST 辅助接口。

基于 Model Context Protocol (MCP) 的服务器实现，为 AI Agent 提供长时记忆、工具执行和资源管理能力，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多种传输通道（如 StdIO、SSE、WebSocket）。

基于 Model Context Protocol (MCP) 的多模块后端服务器集合，向 LLM 客户端以标准化方式提供资源、工具和提示模板的访问、执行与渲染能力，支持跨多个 MCP 服务的协同工作与会话管理。

基于 Model Context Protocol 的 MCP 服务端实现，提供内存资源与工具访问能力供大模型客户端读取和写入记忆、执行内存相关操作以及与技能系统对接。

基于 ELF 的 MCP 服务器实现，提供对大型语言模型（LLM）客户端的资源、工具调用与提示模板的上下文服务。通过 JSON-RPC 风格的 MCP 协议，将对资源和工具的访问请求转发到 ELF HTTP API，支持多种传输和会话模式，易于与 Claude 等 MCP 客户端对接。

基于 Model Context Protocol (MCP) 的服务器端实现，提供对资源、工具与提示模板的统一管理与渲染，通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理、能力声明以及多种传输方式，用于在代码分析与开发场景中提供可扩展的上下文服务。

一个开源且高精度的上下文引擎，作为MCP服务器提供统一的记忆管理、代码和记忆检索及增强提示能力。

基于 Memory Library 的 MCP 服务器实现，为大语言模型客户端提供统一的上下文、工具、资源和提示，支持通过 JSON-RPC 进行交互，并可扩展的向量检索与嵌入管理能力。

基于Model Context Protocol构建的智能记忆服务器，为LLM提供长期和短期记忆管理、混合搜索和安全边界控制功能。

一个为通用人工智能（AGI）应用提供全面记忆管理解决方案的MCP服务器，支持多种记忆类型、向量搜索和图关系，并通过MCP协议向LLM提供上下文与功能。

AgentSDK是一个Go语言企业级AI Agent开发框架，具备MCP服务器功能，可将内置或自定义工具通过标准MCP协议暴露给LLM客户端，提供上下文和功能。

AIM-OS是一个生产就绪的AI基础设施，通过持久记忆、可验证的透明度、自学习和多模型编排，构建具备持久意识、可审计和不断进化的AI系统。

基于MCP协议构建的智能上下文引擎，提供代码搜索、记忆存储与融合、代码索引管理等功能，旨在赋能LLM。

为AI助手提供持久化、可搜索的记忆存储、上下文管理、工具调用及自我反思能力。

一个高性能的Rust实现文本记忆存储服务，通过MCP协议为LLM客户端提供上下文管理、工具调用及智能搜索能力。

基于MCP协议的AI意识持久化后端，利用RAG技术存储和检索AI的记忆、身份、情感和认知模式，实现跨会话的连续性。

一个基于MCP协议的数字孪生后端服务，具备模拟个性、管理记忆和自主进化的能力。

基于Elasticsearch，为LLM提供知识检索、文档学习和记忆存储能力。

Cognisphere ADK是一个认知架构框架，集成了记忆管理、叙事构建、身份系统和MCP协议，提供AI Agent上下文服务能力。

KnowledgeBase Server是一个基于Model Context Protocol (MCP) 的后端服务，为LLM提供对话记忆存储、检索和管理能力，支持LLM构建具备持久记忆的对话应用。

这是一个轻量级的C++框架，用于构建本地LLM Agent，集成了模型上下文协议(MCP)，提供工具和记忆管理功能，可作为有效的MCP服务器实现。

Letta MCP服务器是一个基于Model Context Protocol的后端实现，旨在为LLM客户端提供资源管理、工具执行和Prompt模板服务，构建安全可扩展的上下文服务框架。

一个简单的MCP服务器，使用本地文本文件存储聊天记忆，为LLM提供对话上下文管理能力。

基于Langbase的MCP服务器，提供管道和记忆管理工具，方便LLM客户端使用Langbase服务。

基于MCP协议构建，同步和管理Claude各界面个人记忆，提供一致化AI体验的后端服务。

基于LanceDB的MCP服务器，提供文本记忆存储和语义搜索工具，增强LLM应用的上下文处理能力。

Memory Graph是一个基于Redis Graph实现的MCP服务器，为LLM应用提供长期记忆存储和检索功能。

Memory Plugin (SQLite) 是一个基于 Model Context Protocol 的 MCP 服务器，它使用 SQLite 数据库为大型语言模型提供持久化的记忆存储和检索功能，支持分类管理和上下文加载。

Klaudium是一个基于Model Context Protocol (MCP) 的增强型内存服务器，专注于知识图谱管理，提供实体、关系的基本操作和记忆管理功能。

Memory Box MCP Server为 Cline 客户端提供语义记忆存储和检索功能，通过 MCP 协议连接 Memory Box 后端服务。

txtai-assistant-mcp 是一个基于 txtai 构建的 MCP 服务器，提供语义搜索和记忆管理功能，增强 Claude 和 Cline 等 AI 助手的能力。

Knowledge Graph Memory MCP Server是一个基于Model Context Protocol的后端服务，提供知识图谱存储、查询和管理功能，用于LLM应用构建上下文记忆。

Weaviate MCP Server 是一个基于 Model Context Protocol 的服务器，它利用 Weaviate 向量数据库为 LLM 提供知识库搜索和记忆存储功能，增强 LLM 的上下文处理能力。

MemoryMesh是一个为AI模型构建的本地知识图谱服务器，通过动态模式和工具，帮助AI在对话中保持一致和结构化的记忆，尤其适用于文本RPG和互动故事。