如何利用 OpenMemory MCP 增强客户端的上下文感知能力

人工智能发展日新月异，大型语言模型 (LLM) 让事情变得简单得多。然而，它们也面临一个根本性的限制： 它们会在会话间忘记所有信息。

如果有一种方法可以实现个人的、可移植的 LLM“内存层”，它位于您的系统本地，并且能够完全控制您的数据，那会怎样？

今天，我们将学习 OpenMemory MCP，这是一个基于 Mem0（AI 代理的内存层）构建的私有、本地优先的内存层。它支持在兼容 MCP 的客户端（例如 Cursor、Claude Desktop、Windsurf、Cline 等）上实现持久且上下文感知的 AI。

本指南讲解了如何安装、配置和操作 OpenMemory MCP 服务器。此外，它还涵盖了内部架构、流程、底层组件以及实际用例。

让我们开始吧。

涵盖哪些内容？

简而言之，我们正在详细介绍这些主题。

• OpenMemory MCP Server 是什么以及它为什么重要？
• 设置和运行 OpenMemory 的分步指南。
• 仪表板中可用的功能（以及 UI 背后的功能）。
• 安全、访问控制和架构概述。
• 带有示例的实际用例。

1.什么是OpenMemory？它为什么重要？

OpenMemory MCP是专为 MCP 客户提供的私有本地解决方案 memory layer 。它提供跨平台存储、管理和利用 AI 内存的基础设施，同时将数据存储在本地系统上。

简单来说，它就像是memories使用标准MCP 协议的任何 LLM 客户端的矢量支持层，并且可以与Mem0等工具一起开箱即用。

主要功能：

• 在会话中存储和调用任意文本块（memories），因此您的 AI 无需从零开始。

• Qdrant使用底层的向量存储（ ）来执行基于相关性的检索，而不仅仅是关键字匹配。

• 完全在您的基础设施上运行（Docker + Postgres + Qdrant），无需向外发送任何数据。

• 暂停或撤销任何客户端的访问app or memory level，并对每次读取或写入进行审计日志。

• 包括一个仪表板（next.js & redux），显示谁在读/写记忆以及状态变化的历史记录。

🔁 工作原理（基本流程）

以下是核心流程：

1. 您可以使用单个命令启动 OpenMemory（API、Qdrant、Postgres）docker-compose。

2. API 进程本身托管一个 MCP 服务器（在后台使用 Mem0），该服务器通过 SSE 使用标准 MCP 协议。

3. 您的 LLM 客户端打开一个 SSE 流到 OpenMemory 的/mcp/...端点并调用诸如add_memories()或search_memory()之类的方法list_memories()。

4. 其余所有内容，包括向量索引、审计日志和访问控制，均由 OpenMemory 服务处理。

您可以在mem0.ai/openmemory-mcp上观看官方演示并阅读更多内容！

2. 设置和运行 OpenMemory 的分步指南。

在本节中，我们将介绍如何设置 OpenMemory 并在本地运行它。

该项目有两个需要运行的主要组件：

• api/- 后端 API 和 MCP 服务器
• ui/- 前端 React 应用程序（仪表板）

步骤 1：系统先决条件

在开始之前，请确保你的系统已安装以下软件。我已附上文档链接，方便你查看。

• Docker和Docker Compose
• Python 3.9+ - 后端开发所需
• Node.js - 前端开发必需
• OpenAI API 密钥- 用于 LLM 交互
• GNU Make

GNU Make 是一个自动化构建工具。我们将使用它来完成安装过程。

在继续下一步之前，请确保 Docker Desktop 正在运行。

第 2 步：克隆 repo 并设置你的 OpenAI API 密钥

您需要使用以下命令克隆github.com/mem0ai/mem0上可用的 repo 。

git clone <https://github.com/mem0ai/mem0.git>
cd openmemory

接下来，将您的OpenAI API 密钥设置为环境变量。

export OPENAI_API_KEY=your_api_key_here

此命令仅针对当前终端会话设置密钥。该密钥仅持续到您关闭该终端窗口为止。

步骤 3：设置后端

后端在 Docker 容器中运行。要启动后端，请在根目录中运行以下命令：

# Copy the environment file and edit the file to update OPENAI_API_KEY and other secrets
make env

# Build all Docker images
make build

# Start Postgres, Qdrant, FastAPI/MCP server
make up

该.env.local文件将具有以下约定。

OPENAI_API_KEY=your_api_key

设置完成后，您的 API 将在 上线http://localhost:8000。

您还应该看到在 Docker Desktop 中运行的容器。

以下是您可以使用的一些其他有用的后端命令：

# Run database migrations
make migrate

# View logs
make logs

# Open a shell in the API container
make shell

# Run tests
make test

# Stop the services
make down

步骤 4：设置前端

前端是一个 Next.js 应用程序。要启动它，只需运行：

# Installs dependencies using pnpm and runs Next.js development server
make ui

安装成功后，您可以导航到http://localhost:3000OpenMemory 仪表板，它将指导您在 MCP 客户端中安装 MCP 服务器。

仪表板的外观如下。

对于上下文，您的 MCP 客户端打开一个 SSE 通道到GET /mcp/{client_name}/sse/{user_id}，该通道连接两个上下文变量（user_id，client_name）。

在仪表板上，您将找到根据您选择的客户端偏好（如 Cursor、Claude、Cline、Windsurf）安装 MCP 服务器的单行命令。

让我们在 Cursor 中安装它，命令看起来像这样。

npx install-mcp i https://mcp.openmemory.ai/xyz_id/sse --client cursor

install-mcp如果尚未安装，它将提示您安装，然后您只需为服务器提供一个名称。

我目前使用的是虚拟命令，所以请忽略它。打开光标设置，检查侧边栏中的 MCP 选项以验证连接。

在 Cursor 中打开一个新聊天并提供示例提示，就像我要求它记住一些关于我的事情（我从我的 GitHub 个人资料中获取的）。

这将触发add_memories()调用并存储记忆。刷新仪表板并转到选项Memories卡以检查所有这些记忆。

系统会自动为记忆创建类别，这些类别就像可选标签（通过 GPT-4o 分类）。

您还可以连接其他 MCP 客户端，如 Windsurf。

每个 MCP 客户端可以“调用”四个标准内存操作之一：

• add_memories(text)→ 在 Qdrant 中存储文本，插入/更新Memory行和审计条目

• search_memory(query)→ 嵌入查询，使用可选的 ACL 过滤器运行向量搜索，记录每次访问

• list_memories()→ 检索用户的所有存储向量（通过 ACL 过滤）并记录列表

• delete_all_memories()：清除所有记忆

所有响应都通过同一个 SSE 连接进行传输。仪表板显示所有活动连接、哪些应用正在访问内存以及读/写操作的详细信息。

3. 仪表板中可用的功能（以及 UI 背后的内容）

OpenMemory 仪表板包括三个主要路线：

• /- 仪表板
• /memories– 查看和管理存储的记忆
• /apps– 查看已连接的应用程序

简而言之，让我们看看仪表板上的所有可用功能，以便您了解基本概念。

1）安装OpenMemory客户端

• 获取您唯一的 SSE 端点或使用单行安装命令
• 在各种客户端选项卡之间切换MCP Link（Claude、Cursor、Cline 等）

2）查看内存和应用程序统计信息

• 查看你存储了多少回忆
• 查看已连接的应用程序数量
• 输入任意文本即可在所有记忆中进行实时搜索（去抖动）

代码可在 处获取ui/components/dashboard/Stats.tsx，其中：

• 从 Redux 读取（profile.totalMemories, profile.totalApps, profile.apps[]）
• 调用useStats().fetchStats()mount 来填充存储
• 呈现“总记忆数”和“已连接的应用程序总数”，最多可显示 4 个应用程序图标

3）刷新或手动创建记忆

• Refresh button（重新调用当前路线的适当获取器）
• Create Memory按钮（从 CreateMemoryDialog 打开模式）

5）您可以打开过滤器面板进行选择：

• 包含哪些应用程序
• 包括哪些类别
• 是否显示已归档项目
• 按哪一列排序（内存、应用程序名称、创建日期）
• 一键清除所有过滤器

6）您可以检查和管理个人记忆

单击任意内存即可：

• 存档、暂停、恢复或删除记忆
• 检查访问日志和相关记忆

您还可以选择多个记忆并执行批量操作。

🖥️ UI 背后：关键组件

以下是涉及的一些重要前端组件：

• ui/app/memories/components/MemoryFilters.tsx：处理搜索输入、过滤对话框触发以及存档/暂停/删除等批量操作。同时管理行的选择状态。

• ui/app/memories/components/MemoriesSection.tsx：加载、分页和显示记忆列表的主要容器。

• ui/app/memories/components/MemoryTable.tsx– 呈现实际的记忆表（ID、内容、客户端、标签、创建日期、状态）。每行都可以通过 MemoryActions 进行相应的操作（编辑、删除、复制链接）。

对于状态管理和 API 调用，它使用干净的钩子：

• useStats.ts：加载高级统计数据，如总内存和应用程序数量。
• useMemoriesApi.ts：处理获取、删除和更新记忆。
• useAppsApi.ts：检索应用程序信息和每个应用程序的内存详细信息。
• useFiltersApi.ts：支持获取类别和更新过滤器状态。

这些部分共同构成了一个响应迅速的实时仪表板，让您可以控制 AI 内存层的各个方面。

4. 安全、访问控制和架构概述。

在使用 MCP 协议或任何 AI 代理系统时，安全性是不可妥协的。因此，我们来简单讨论一下。

🎯 安全

OpenMemory 的设计遵循隐私优先原则。它存储所有内存数据均本地存储在您的基础设施中，使用 Dockerized 组件（FastAPI，Postgres，Qdrant）。

敏感输入通过 SQLAlchemy 进行安全处理，并带有参数绑定功能，以防止注入攻击。每次内存交互（包括添加、检索和状态更改）都会记录下来，以便通过MemoryStatusHistory和MemoryAccessLog表进行追溯。

虽然身份验证不是内置的，但所有端点都需要user_id并准备在外部身份验证网关（如 OAuth 或 JWT）后面进行保护。

FastAPI 上的 CORSallow_origins=["*"]对于本地/开发来说是完全开放的（ ），但对于生产环境，您应该将其从默认开放状态收紧，以限制对受信任客户端的访问。

🎯 访问控制

细粒度的访问控制是 OpenMemory 的核心关注点之一。从高层次上讲，该access_controls表定义了应用程序与特定内存之间的允许/拒绝规则。

这些规则通过函数强制执行check_memory_access_permissions，该函数考虑内存状态（active、paused等等）、应用程序活动状态（is_active）和现有的 ACL 规则。

在实际应用中，您可以暂停整个应用（禁用写入）、归档或暂停单个内存，或按类别或用户应用过滤器。已暂停或非活动状态的条目将被隐藏，无法通过工具访问和搜索。这种分层访问模型确保您能够自信地控制任何级别的内存访问。

正如你所看到的，我暂停了对记忆的访问，这导致了一种inactive状态。

🎯 建筑

让我们简要介绍一下系统架构。您可以随时参考代码库了解更多详细信息。

1）后端（FastAPI + FastMCP over SSE）：

• 公开普通的 REST 表面（/api/v1/memories，/api/v1/apps，/api/v1/stats）和
• 代理使用MCP“工具”接口（/mcp/messages， ）通过服务器发送事件 (SSE)调用（ ，， ）。/mcp/sse/<client>/<user>add_memoriessearch_memorylist_memories
• 它连接到 Postgres 获取关系元数据，并连接到 Qdrant 获取向量搜索。

2）向量存储（Qdrant via the mem0 client）：所有记忆均在 Qdrant 中进行语义索引，并在查询时应用用户和应用程序特定的过滤器。

3）关系元数据（SQLAlchemy + Alembic）：

• 跟踪用户、应用程序、内存条目、访问日志、类别和访问控制。
• Alembic 管理模式迁移。
• 默认数据库是 SQLite (openmemory.db)，但您可以指向DATABASE_URLPostgres

4）前端仪表板（Next.js）：

• Redux 支持实时可观察性界面
• Hooks + Redux Toolkit 管理状态，Axios 与 FastAPI 端点通信
• 实时图表（Recharts）、轮播、表单（React Hook Form）探索你的记忆

5）基础设施和开发工作流程

• docker-compose.yml（api/docker-compose.yml）包括 Qdrant 服务和 API 服务
• Makefile提供迁移、测试、热重载的快捷方式
• 测试与后端逻辑同时存在（通过pytest）

总的来说，这给了你自托管 LLM 内存平台：

⚡ 在关系数据库和向量索引中存储和版本控制您的聊天内存
⚡ 使用每个应用程序的 ACL 和状态转换（活动/暂停/存档）来保护它
⚡ 通过 Qdrant 进行语义搜索
⚡ 通过丰富的 Next.js UI 进行观察和控制。

在下一部分中，我们将探讨可以使用 OpenMemory 构建的一些高级用例和创造性的工作流程。

5. 带有示例的实际用例。

一旦你熟悉了 OpenMemory，你就会意识到它可以用在任何你想要 AIremember跨交互的地方，这使得它非常个性化。

以下是一些可以使用 OpenMemory 的先进且有创意的方法。

✅ 具有记忆层的多智能体研究助理

想象一下构建一个工具，其中不同的 LLM 代理专门负责不同的研究领域（例如，一个负责学术论文，一个负责 GitHub 存储库，另一个负责新闻）。

每个代理都会存储其发现的内容add_memories(text)，然后主代理会运行search_memory(query)所有先前的结果。

技术流程可以是：

• 每个子代理都是一个 MCP 客户端：
     - 将检索到的数据摘要添加到 OpenMemory。-
     使用自动分类 (GPT) 标记记忆。

• 主代理打开 SSE 通道并使用：
     -search_memory("latest papers on diffusion models")提取所有相关上下文。
     

• 仪表板显示哪个代理存储了什么，您可以使用 ACL 限制代理之间的内存访问。

如果您仍然好奇，可以查看这个 GitHub repo，其中展示了如何使用 Gemini 2.0 构建研究多代理系统 - 设计模式概述。

提示：我们可以添加一个 LangGraph 编排层，其中每个代理都是一个节点，内存的写入/读取操作会随时间推移被跟踪。这样，我们就可以可视化每个研究线程的知识流和来源。

✅ 具有持久跨会话记忆的智能会议助理

我们可以构建类似会议笔记记录器（Zoom、Google Meet 等）的东西，它可以：

• 通过 LLM 提取摘要。
• 记住通话过程中的行动事项。
• 在未来的会议中自动检索相关背景。

我们来看看技术流程是什么样的：

• add_memories(text)每次通话后，提供通话记录和行动事项。
• 下次会议：search_memory("open items for Project X")在通话开始前运行。
• 相关内存（标有appropriate category）显示在 UI 中，并且审计日志会跟踪读取了哪个内存以及何时读取。

提示：与工具（如 Google Drive、Notion、GitHub）集成，以便存储的行动项链接回实时文档和任务。

✅ 随着使用而不断发展的代理编码助手

基于 CLI 的编码助手可以通过存储使用模式、重复问题、编码偏好和项目特定的提示来了解您的工作方式。

技术流程如下：

• 当您问：“为什么我的 SQLAlchemy 查询失败？”时，它会通过存储错误和修复来存储add_memories。

• 下次您输入：“SQLAlchemy 连接再次出现问题”时，助手会自动运行search_memory("sqlalchemy join issue")并检索之前的修复。

• 您可以通过仪表板检查所有存储的内存/memories，并暂停任何过时或不正确的内存。

提示：它甚至可以连接到 codemod 工具（如jscodeshift），以便在代码库发展时根据您存储的偏好自动重构代码。

在每种情况下，OpenMemory 的矢量搜索（用于semantic recall）、关系元数据（用于audit/logging）和实时仪表板（用于observability和动态）的组合可让您构建感觉像记忆一样的access control上下文感知应用程序。

现在您的 MCP 客户端拥有真正的内存。

您可以在一个仪表板上追踪每次访问，暂停所需的操作并审核所有内容。最棒的是，所有内容都本地存储在您的系统上。

如果您有任何问题或反馈，请告诉我。

祝你今天过得愉快！下次再见 :)

你可以在anmolbaranwal.com 查看 我的作品。 感谢阅读！🥰

动图