VOOZH about

URL: https://glama.ai/mcp/servers/modelcontextprotocol/knowledge-graph-memory-server?locale=de-DE

⇱ Knowledge Graph Memory Server by modelcontextprotocol | Glama


Knowledge Graph Memory Server

Eine grundlegende Implementierung von persistentem Speicher unter Verwendung eines lokalen Wissensgraphen. Dies ermöglicht es Claude, sich Informationen über den Benutzer über Chats hinweg zu merken.

Kernkonzepte

Entitäten

Entitäten sind die primären Knoten im Wissensgraphen. Jede Entität hat:

  • Einen eindeutigen Namen (Bezeichner)

  • Einen Entitätstyp (z. B. "Person", "Organisation", "Ereignis")

  • Eine Liste von Beobachtungen

Beispiel:

{
 "name": "John_Smith",
 "entityType": "person",
 "observations": ["Speaks fluent Spanish"]
}

Beziehungen

Beziehungen definieren gerichtete Verbindungen zwischen Entitäten. Sie werden immer im Aktiv gespeichert und beschreiben, wie Entitäten interagieren oder miteinander in Beziehung stehen.

Beispiel:

{
 "from": "John_Smith",
 "to": "Anthropic",
 "relationType": "works_at"
}

Beobachtungen

Beobachtungen sind diskrete Informationseinheiten über eine Entität. Sie sind:

  • Als Strings gespeichert

  • An spezifische Entitäten angehängt

  • Können unabhängig hinzugefügt oder entfernt werden

  • Sollten atomar sein (eine Tatsache pro Beobachtung)

Beispiel:

{
 "entityName": "John_Smith",
 "observations": [
 "Speaks fluent Spanish",
 "Graduated in 2019",
 "Prefers morning meetings"
 ]
}

Related MCP server: Knowledge Graph Memory Server

API

Tools

  • create_entities

    • Erstellt mehrere neue Entitäten im Wissensgraphen

    • Eingabe: entities (Array von Objekten)

      • Jedes Objekt enthält:

        • name (String): Entitätsbezeichner

        • entityType (String): Typklassifizierung

        • observations (String[]): Zugehörige Beobachtungen

    • Ignoriert Entitäten mit bereits existierenden Namen

  • create_relations

    • Erstellt mehrere neue Beziehungen zwischen Entitäten

    • Eingabe: relations (Array von Objekten)

      • Jedes Objekt enthält:

        • from (String): Name der Quellentität

        • to (String): Name der Zielentität

        • relationType (String): Beziehungstyp im Aktiv

    • Überspringt doppelte Beziehungen

  • add_observations

    • Fügt bestehenden Entitäten neue Beobachtungen hinzu

    • Eingabe: observations (Array von Objekten)

      • Jedes Objekt enthält:

        • entityName (String): Zielentität

        • contents (String[]): Neue hinzuzufügende Beobachtungen

    • Gibt hinzugefügte Beobachtungen pro Entität zurück

    • Schlägt fehl, wenn die Entität nicht existiert

  • delete_entities

    • Entfernt Entitäten und deren Beziehungen

    • Eingabe: entityNames (String[])

    • Kaskadierendes Löschen zugehöriger Beziehungen

    • Stille Operation, wenn die Entität nicht existiert

  • delete_observations

    • Entfernt spezifische Beobachtungen von Entitäten

    • Eingabe: deletions (Array von Objekten)

      • Jedes Objekt enthält:

        • entityName (String): Zielentität

        • observations (String[]): Zu entfernende Beobachtungen

    • Stille Operation, wenn die Beobachtung nicht existiert

  • delete_relations

    • Entfernt spezifische Beziehungen aus dem Graphen

    • Eingabe: relations (Array von Objekten)

      • Jedes Objekt enthält:

        • from (String): Name der Quellentität

        • to (String): Name der Zielentität

        • relationType (String): Beziehungstyp

    • Stille Operation, wenn die Beziehung nicht existiert

  • read_graph

    • Liest den gesamten Wissensgraphen

    • Keine Eingabe erforderlich

    • Gibt die vollständige Graphstruktur mit allen Entitäten und Beziehungen zurück

  • search_nodes

    • Sucht nach Knoten basierend auf einer Abfrage

    • Eingabe: query (String)

    • Durchsucht:

      • Entitätsnamen

      • Entitätstypen

      • Beobachtungsinhalte

    • Gibt übereinstimmende Entitäten und deren Beziehungen zurück

  • open_nodes

    • Ruft spezifische Knoten nach Namen ab

    • Eingabe: names (String[])

    • Gibt zurück:

      • Angeforderte Entitäten

      • Beziehungen zwischen den angeforderten Entitäten

    • Überspringt stillschweigend nicht existierende Knoten

Verwendung mit Claude Desktop

Einrichtung

Fügen Sie dies zu Ihrer claude_desktop_config.json hinzu:

Docker

{
 "mcpServers": {
 "memory": {
 "command": "docker",
 "args": ["run", "-i", "-v", "claude-memory:/app/dist", "--rm", "mcp/memory"]
 }
 }
}

NPX

{
 "mcpServers": {
 "memory": {
 "command": "npx",
 "args": [
 "-y",
 "@modelcontextprotocol/server-memory"
 ]
 }
 }
}

Verwenden Sie unter Windows cmd /c, um npx zu starten:

{
 "mcpServers": {
 "memory": {
 "command": "cmd",
 "args": [
 "/c",
 "npx",
 "-y",
 "@modelcontextprotocol/server-memory"
 ]
 }
 }
}

NPX mit benutzerdefinierter Einstellung

Der Server kann über die folgenden Umgebungsvariablen konfiguriert werden:

{
 "mcpServers": {
 "memory": {
 "command": "npx",
 "args": [
 "-y",
 "@modelcontextprotocol/server-memory"
 ],
 "env": {
 "MEMORY_FILE_PATH": "/path/to/custom/memory.jsonl"
 }
 }
 }
}

Verwenden Sie unter Windows:

{
 "mcpServers": {
 "memory": {
 "command": "cmd",
 "args": [
 "/c",
 "npx",
 "-y",
 "@modelcontextprotocol/server-memory"
 ],
 "env": {
 "MEMORY_FILE_PATH": "/path/to/custom/memory.jsonl"
 }
 }
 }
}
  • MEMORY_FILE_PATH: Pfad zur JSONL-Datei des Speichers (Standard: memory.jsonl im Server-Verzeichnis)

Installationsanweisungen für VS Code

Für eine schnelle Installation verwenden Sie eine der untenstehenden Ein-Klick-Installationsschaltflächen:

👁 Install with NPX in VS Code
👁 Install with NPX in VS Code Insiders

👁 Install with Docker in VS Code
👁 Install with Docker in VS Code Insiders

Für eine manuelle Installation können Sie den MCP-Server mit einer dieser Methoden konfigurieren:

Methode 1: Benutzerkonfiguration (Empfohlen) Fügen Sie die Konfiguration zu Ihrer MCP-Konfigurationsdatei auf Benutzerebene hinzu. Öffnen Sie die Befehlspalette (Strg + Umschalt + P) und führen Sie MCP: Open User Configuration aus. Dies öffnet Ihre mcp.json-Datei, in der Sie die Serverkonfiguration hinzufügen können.

Methode 2: Arbeitsbereichskonfiguration Alternativ können Sie die Konfiguration zu einer Datei namens .vscode/mcp.json in Ihrem Arbeitsbereich hinzufügen. Dies ermöglicht es Ihnen, die Konfiguration mit anderen zu teilen.

Weitere Details zur MCP-Konfiguration in VS Code finden Sie in der offiziellen VS Code MCP-Dokumentation.

NPX

{
 "servers": {
 "memory": {
 "command": "npx",
 "args": [
 "-y",
 "@modelcontextprotocol/server-memory"
 ]
 }
 }
}

Verwenden Sie unter Windows:

{
 "servers": {
 "memory": {
 "command": "cmd",
 "args": [
 "/c",
 "npx",
 "-y",
 "@modelcontextprotocol/server-memory"
 ]
 }
 }
}

Docker

{
 "servers": {
 "memory": {
 "command": "docker",
 "args": [
 "run",
 "-i",
 "-v",
 "claude-memory:/app/dist",
 "--rm",
 "mcp/memory"
 ]
 }
 }
}

System-Prompt

Der Prompt zur Nutzung des Speichers hängt vom Anwendungsfall ab. Das Ändern des Prompts hilft dem Modell, die Häufigkeit und die Art der erstellten Erinnerungen zu bestimmen.

Hier ist ein Beispiel-Prompt für die Chat-Personalisierung. Sie könnten diesen Prompt im Feld "Benutzerdefinierte Anweisungen" eines Claude.ai-Projekts verwenden.

Follow these steps for each interaction:

1. User Identification:
 - You should assume that you are interacting with default_user
 - If you have not identified default_user, proactively try to do so.

2. Memory Retrieval:
 - Always begin your chat by saying only "Remembering..." and retrieve all relevant information from your knowledge graph
 - Always refer to your knowledge graph as your "memory"

3. Memory
 - While conversing with the user, be attentive to any new information that falls into these categories:
 a) Basic Identity (age, gender, location, job title, education level, etc.)
 b) Behaviors (interests, habits, etc.)
 c) Preferences (communication style, preferred language, etc.)
 d) Goals (goals, targets, aspirations, etc.)
 e) Relationships (personal and professional relationships up to 3 degrees of separation)

4. Memory Update:
 - If any new information was gathered during the interaction, update your memory as follows:
 a) Create entities for recurring organizations, people, and significant events
 b) Connect them to the current entities using relations
 c) Store facts about them as observations

Erstellen

Docker:

docker build -t mcp/memory -f src/memory/Dockerfile . 

Zur Beachtung: Ein vorheriges mcp/memory-Volume enthält eine index.js-Datei, die vom neuen Container überschrieben werden könnte. Wenn Sie ein Docker-Volume für die Speicherung verwenden, löschen Sie die index.js-Datei des alten Docker-Volumes, bevor Sie den neuen Container starten.

Lizenz

Dieser MCP-Server ist unter der MIT-Lizenz lizenziert. Dies bedeutet, dass Sie die Software frei verwenden, ändern und verbreiten dürfen, vorbehaltlich der Bedingungen der MIT-Lizenz. Weitere Details finden Sie in der LICENSE-Datei im Projekt-Repository.

A
license - permissive license
B
quality
B
maintenance

Maintenance

Maintainers
18dResponse time
5wRelease cycle
7Releases (12mo)
Commit activity
Issues opened vs closed

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/modelcontextprotocol/knowledge-graph-memory-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server