智能体记忆 MCP

要解决什么问题

多轮对话里的架构决策、约定和踩坑记录，往往只留在聊天记录里；换会话或换同事接手时，智能体又要从零读文档。智能体记忆（MCP） 把这类「长期知识」落到可检索的存储里，并通过 MCP 暴露给宿主，让工具调用能按关键词、类型或标签找回上下文，而不是每次全量扫仓库。

如何工作

技能以 MCP 服务器 形态运行，围绕四类工具组织读写：

• memory_write：用 key、type、content 和可选 tags 写入决策、模式或笔记（例如 type: "decision" 记录认证方案）。
• memory_read：按 key 取回单条记忆的完整内容。
• memory_search：用 query 检索，并可配合 type、tags 过滤（例如只搜 type: "pattern" 的认证相关条目）。
• memory_stats：查看记忆库使用概况，便于判断是否要归档或拆分主题。

资料说明记忆库会与项目文档同步，适合把「文档里已有但对话里才说清楚」的结论沉淀下来；另提供独立仪表盘（默认 http://localhost:3333）做可视化浏览，与 MCP 工具互补。

适用边界与注意点

• 需要 Node.js v18+，并按要求克隆 agentMemory、安装依赖后启动 MCP；记忆是否生效取决于客户端是否正确挂载该服务器。
• 写入质量取决于 key/type/tags 是否一致；团队应约定命名与分类，否则搜索会噪声很大。
• 同步文档是能力描述的一部分，具体同步范围与冲突策略需以仓库实现为准，不宜假设能替代版本化文档或代码审查。