Token导航 LogoToken导航

MCP Server · 运维云端

Evermemos MCP

为AI编码助手提供跨会话的长期记忆存储与检索功能,解决重复解释架构/偏好的痛点。

stdio官方级别未说明来源级核验工具 7
PythonClaude云端部署CursorCline

快速开始

作者 / 组织
tt-a1i
提供方
tt-a1i
运行时
Python

工具数量

7

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

5

仓库热度

收录来源

1 个

MCP World

选型结论

Evermemos MCP 属于运维云端类 MCP Server,公开资料标注 7 个工具,通过stdio 本地进程接入,适配 Claude、Cursor、Cline,有可以直接复制的安装命令;接入前要先准备 会话凭据。

分类

运维云端

传输方式

stdio

认证方式

会话凭据

部署方式

公开资料未说明

安装与配置

安装命令

uvx evermemos-mcp@latest

客户端配置示例

{
  "mcpServers": {
    "evermemos-mcp": {
      "command": "uvx",
      "args": [
        "evermemos-mcp@latest"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 7 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

evermemos mcp

英语 | 简体中文

AI编码助手的长期记忆。记住一次,永远记住。

你花了30分钟解释你的架构、命名约定,以及为什么放弃MongoDB。下一次会议——结束了。你再解释一遍。

evermemos mcp修复了这个问题。一 remember call存储它 briefing 调用会将其带回——在任何会话、任何客户端中。

基准:60/60召回率与0/60基线。零归因错误。P95\ 简介视频:** 观看Bilibili
演示视频: 观看Bilibili

______________________________________________________________________

快速开始

从获取API密钥 EverMemOS云,然后添加到MCP客户端配置中:

{
  "mcpServers": {
    "evermemos-mcp": {
      "type": "stdio",
      "command": "uvx",
      "args": ["evermemos-mcp@latest"],
      "env": {
        "EVERMEMOS_API_KEY": "your-key-here"
      }
    }
  }
}

或者直接运行:

uvx evermemos-mcp@latest

适用于 Claude Code、Cursor、Cline、Cherry Studio、OpenClaw、Gemini CLI、Aider,以及任何兼容MCP的客户端或代理。看 docs/05-client-integrations.md 用于特定于客户端的设置。

Install from source

git clone https://github.com/tt-a1i/evermemos-mcp.git
cd evermemos-mcp
cp .env.example .env   # set EVERMEMOS_API_KEY
uv run evermemos-mcp

源安装的MCP客户端配置:

{
  "mcpServers": {
    "evermemos-mcp": {
      "type": "stdio",
      "command": "uv",
      "args": ["run", "--directory", "/path/to/evermemos-mcp", "evermemos-mcp"],
      "env": { "EVERMEMOS_API_KEY": "your-key-here" }
    }
  }
}

______________________________________________________________________

所得

7工具

工具它做什么
list_spaces发现可用内存空间
remember将上下文存储到长期记忆中。自动检测敏感内容(API密钥、密码)并检查冲突内存
request_status检查是否已提取排队写入
recall使用6种检索策略(关键字/混合/向量/RRF/代理/自动)搜索记忆
briefing一个通话会话开始上下文恢复:个人资料+事件+事实+前瞻
forget通过验证工作流进行有针对性的删除
fetch_history按类型分页记忆时间线

关键能力

  • 空间隔离 — coding:my-app, chat:preferences, study:ml-notes --记忆永远不会在项目中流失
  • 多空间搜索 --一次最多查询10个空格 recall 具有自动来源归因功能的通话
  • 敏感内容保护 -存储前阻止API密钥、密码、令牌、私钥。请用户确认
  • 内存冲突检测 --自动检查中的类似记忆 chat:* 空间。表面冲突,以便代理可以决定
  • 生命周期跟踪 --每个结果都标记 queued, provisional, fallback,或 searchable 所有工具
  • 可追溯的引用 — memory_type, snippet, timestamp, score, source_message_id 每一个结果
  • Git自动检测 --省略 space_id 它推断 coding: 从git远程
  • 稳健的错误处理 --使用回退(429/5xx)重试,代理/WAF的GET主体回退,结构化错误代码

______________________________________________________________________

用例

持久架构上下文:

You: remember we chose PostgreSQL because our data is highly relational
     [space_id: coding:my-saas]

-- next day, new session --

You: what database did we choose and why?
     → "Chose PostgreSQL — highly relational data model"

坚持的个人偏好:

You: remember I prefer dark mode, vim keybindings, and concise responses
     [space_id: chat:preferences]

-- any future session --

You: recall my UI preferences
     → "dark mode, vim keybindings, concise responses"

跨课程学习笔记:

You: remember bias-variance tradeoff — high bias = underfitting, high variance = overfitting
     [space_id: study:ml-notes]

-- later --

You: briefing for study:ml-notes
     → profile + recent episodes + key facts + foresights

______________________________________________________________________

为什么选择evermemos mcp

还有其他内存MCP服务器。以下是它的不同之处:

evermemos mcpMem0 mcpLetta/MemGPT官方mcp内存
空间隔离domain:slug 每个项目/主题否否无
生命周期跟踪排队→ 临时的→ 后备方案→ 可搜索否否
敏感内容保护阻止API密钥、密码、令牌否否
冲突检测聊天空间自动否否不
多空间搜索一次通话最多10个空格否否不
检索策略6种方法+自动合并仅语义仅语义None
基准验证60/60召回率,0个错误------
设置uvx evermemos-mcp云或自主机需要自主机npx

______________________________________________________________________

基准

在编码、聊天和学习空间的固定60个查询集上进行了测试。

度量有内存无内存
命中率60/60(100%)0/60(0%)
归因错误0--
P95延迟1958毫秒--

证据:

______________________________________________________________________

运作原理

MCP Client (Claude Code / Cursor / Cline / Cherry Studio / OpenClaw / any agent)
        │
        │  MCP stdio
        ▼
┌─────────────────────────────┐
│     evermemos-mcp server    │
│  ┌───────────────────────┐  │
│  │   7 Tool Handlers     │  │
│  └──────────┬────────────┘  │
│  ┌──────────▼────────────┐  │
│  │   Memory Service      │  │  Content guard → Conflict check → Cloud write → Lifecycle tracking
│  └──────────┬────────────┘  │
│  ┌──────────▼────────────┐  │
│  │ Space Catalog Service │  │  Space registry, metadata sync, cross-session recovery
│  └──────────┬────────────┘  │
│  ┌──────────▼────────────┐  │
│  │  EverMemOS HTTP Client│  │  Auth, retries, rate-limit backoff, error normalization
│  └──────────┬────────────┘  │
└─────────────┼───────────────┘
              │  HTTPS
              ▼
       EverMemOS Cloud API
  • 云优先 --所有的记忆都存在于EverMemOS Cloud中。没有一个地方州会输。
  • 异步提取 — remember 将内容排队以进行AI提取。使用 request_status 跟踪进展。
  • 不是薄包装 --2500多行编排:回退层次结构、多方法搜索合并、身份镜像、部分故障恢复。

______________________________________________________________________

空间模板

模板使用它
chat:preferences持久的个人偏好、姓名、语气、用户界面喜好
chat:daily不应泄露到项目中的持续聊天上下文
coding:架构决策、惯例、错误、项目背景
study:学习笔记、主题进度、复习背景

什么时候用什么工具

目标工具为什么
开始新会话briefing在一次调用中恢复上下文的最快方法
找到一个具体的事实recall跨空间的相关性排名搜索
回顾发生的事情fetch_history按时间顺序排列的时间线>审计排名搜索
删除前后验证fetch_history删除前/删除后检查的稳定时间表

______________________________________________________________________

配置

变量默认值描述
EVERMEMOS_API_KEY*(必填)*EverMemOS云API密钥
EVERMEMOS_USER_IDmcp-user默认用户身份
EVERMEMOS_DEFAULT_SPACE*(自动)*默认空间。从git remote自动检测到 coding:
EVERMEMOS_BASE_URLhttps://api.evermind.aiAPI终点
EVERMEMOS_DEFAULT_TIMEZONEUTC元数据的时区
EVERMEMOS_ENABLE_CONVERSATION_METAtrue同步对话元数据

Advanced configuration

变量默认值描述
EVERMEMOS_API_VERSIONv0API版本
EVERMEMOS_LLM_CUSTOM_SETTING_JSON--自定义LLM提取设置
EVERMEMOS_USER_DETAILS_JSON--对话的用户配置文件详细信息

flush 规则

场景flush
交谈中,更多信息即将到来false
会话结束/主题切换/总结true
不确定true (更安全)

______________________________________________________________________

Advanced: Memory Lifecycle States

状态含义
queued写入已接受,提取尚未确认
provisional答复来自 pending_messages 在提取过程中
fallback来自镜像的答案 conversation-meta,不是正式提取的内存
searchable从正式提取的记忆中得到答案

所有7个工具均兼容 lifecycle 块,以便代理始终知道内存成熟度。

Advanced: Forget Safety

云删除是异步的,尽最大努力。evermemos mcp提供了一个验证优先的工作流程:

  1. 确认目标 memory_id 通过 fetch_history 或 recall
  2. 呼叫 forget(memory_ids=[...], space_id=...)
  3. 证实 fetch_history
  4. 如果目标持续存在,生命周期模型将透明地显示

这是经过深思熟虑的:将真实状态暴露给代理,而不是假装删除是即时的。

______________________________________________________________________

发展

uv sync --group dev       # Install dev dependencies
uv run ruff check         # Lint
uv run pytest             # Tests (285 pass)

文档

文档描述
docs/02-architecture.md技术架构
docs/05-client-integrations.md客户端设置指南
docs/auto-memory-prompt.md自动记忆提示模板
docs/06-benchmark.md基准协议
CHANGELOG.md版本历史

另请查看

MCO --代理编排CLI。让你的主代理(Claude Code、Cursor、Aider)并行地将任务分派给多个编码代理。与evermemos mcp配合得很好:MCO处理并行执行,evermemos mcp处理持久内存。

许可证

麻省理工学院

工具与能力

工具数量

7

资源数量

0

提示词数量

0

能力标签

AI记忆增强Python本地部署编码辅助工具上下文持久化多空间隔离敏感内容防护

支持客户端

ClaudeCursorCline

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 7 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude、Cursor、Cline,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备会话凭据,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到会话凭据的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Evermemos MCP

MCP World · 本页

7stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Evermemos MCP 怎么安装?

公开资料给出的安装命令是 uvx evermemos-mcp@latest,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Evermemos MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Evermemos MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Evermemos MCP 需要 API Key 吗?

公开资料标注的认证方式是会话凭据,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Evermemos MCP 支持哪些客户端?

公开资料标注支持 Claude、Cursor、Cline;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

来源标签

AI记忆增强Python本地部署编码辅助工具上下文持久化多空间隔离敏感内容防护

来源分类路径

AI记忆增强

继续浏览同类 MCP