無程式碼也能輕鬆打造專業LINE官方帳號！一鍵導入模板，讓AI助你行銷加分！
當前 AI 代理最大的限制之一是缺乏持久記憶。每次新對話都從頭開始，強迫使用者重複上下文和偏好。Supermemory MCP 透過提供一個 AI 代理可以跨會話讀取和寫入的持久記憶層來解決這個問題，全部透過模型上下文協定實現。
由 supermemoryai 開發的這個 MCP 伺服器賦予 AI 代理記住使用者事實、回憶過去互動以及隨時間建構知識庫的能力。它支援結構化和非結構化記憶、自動摘要和可配置的保留策略。結果是 AI 代理能在每次互動中學習和改進。
記憶功能
| 功能 | 描述 |
|---|---|
| 持久儲存 | 記憶跨會話和對話存活 |
| 結構化事實 | 用於使用者偏好和上下文的鍵值對 |
| 語義搜尋 | 根據含義而非僅關鍵字找到相關記憶 |
| 自動摘要 | 將對話歷史壓縮為簡潔的記憶 |
| 可配置保留 | 設定 TTL、重要性閾值和記憶限制 |
記憶架構
flowchart LR
A[AI 代理] --> B[MCP 協定]
B --> C[Supermemory 伺服器]
C --> D[記憶操作]
D --> E[儲存記憶]
D --> F[檢索記憶]
D --> G[搜尋記憶]
D --> H[摘要記憶]
E --> I[記憶儲存]
F --> I
G --> I
I --> J[向量索引]
I --> K[雙編碼器]
I --> L[元資料儲存]伺服器透過 MCP 暴露四個核心操作：儲存、檢索、搜尋和摘要。在背後，記憶儲存在向量索引中進行語義搜尋，使用雙編碼器進行高效檢索，以及元資料儲存進行結構化查詢。
儲存後端比較
| 後端 | 可擴展性 | 持久性 | 設定複雜度 |
|---|---|---|---|
| SQLite | 中等 | 基於檔案 | 極簡 |
| PostgreSQL | 高 | 資料庫 | 中等 |
| ChromaDB | 高 | 檔案/資料庫 | 極簡 |
| 自訂 | 可變 | 可變 | 高 |
使用案例
Supermemory MCP 將 AI 代理從無狀態助手轉變為學習夥伴。使用者的偏好和工作上下文在會話之間延續。研究代理隨時間累積知識。個人助理學習使用者的習慣和常規。客戶支援機器人記住與使用者的過去互動。
如需更多資訊，請造訪 Supermemory MCP GitHub 儲存庫 和 模型上下文協定規範。
常見問題
Q：記憶儲存在本地還是伺服器上？ A：它同時支援本地儲存（SQLite、檔案）和基於伺服器的儲存（PostgreSQL、ChromaDB）。
Q：語義搜尋如何與記憶配合運作？ A：記憶被嵌入為向量表示，實現基於相似性的搜尋。
Q：我可以控制哪些內容被記住嗎？ A：可以，你可以設定重要性閾值和保留策略以進行自動記憶管理。
Q：它與任何 MCP 相容的客戶端都能配合使用嗎？ A：是的，任何支援 MCP 標準的客戶端都可以使用 Supermemory 伺服器。
Q：舊記憶如何管理？ A：可配置的 TTL 和摘要策略會自動管理記憶生命週期。
