能力标签
Live Memory
🔌
MCP工具

Live Memory

基于 Python · 让 AI 助手直接操作你的系统与工具
英文名:live-memory
⭐ 6 Stars 🍴 3 Forks 💻 Python 📄 未公布协议 🏷 AI 7.5分
7.5AI 综合评分
agenticllmmcpmemory
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用:Live Memory 是一款优质的MCP工具。AI 综合评分 7.5 分,在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案,这是一个值得深入了解的选择。

📚 深度解析

Live Memory 是一款基于 MCP(Model Context Protocol)标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源,旨在建立 AI 模型与外部工具之间的标准化通信接口,目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 Live Memory,你的 AI 助手将获得额外的工具调用能力,可以用自然语言直接操控该工具的功能,无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置,永久增强"——配置完成后,每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上,MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信,工具的功能以"工具列表"的形式暴露给 AI 模型,AI 可以按需调用。Live Memory 提供了结构化的工具调用接口,使 AI 模型能够精确地理解和使用每个功能点,显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比,MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON,即可让 AI 获得全新能力。AI Skill Hub 将 Live Memory 评为 AI 评分 7.5 分,属于同类工具中的优质选择。

📋 工具概览

Live Memory 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

GitHub Stars
⭐ 6
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
未公布
AI 综合评分
7.5 分
工具类型
MCP工具
Forks
3

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

Live Memory 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口,显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入,开箱即用
  • 可与其他 MCP 工具组合叠加,构建完整 AI 工作站
  • 轻量无侵入设计,不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:通过 Claude Code CLI 一键安装
claude skill install https://github.com/Cloud-Temple/live-memory

# 方式二:手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "live-memory": {
      "command": "npx",
      "args": ["-y", "live-memory"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js(v18 或以上版本)
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后,在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例:
用户: 请帮我用 Live Memory 执行以下任务...
Claude: [自动调用 Live Memory MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入:"列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "live_memory": {
      "command": "npx",
      "args": ["-y", "live-memory"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 83/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

🧠 Live Memory — MCP Knowledge Live Memory Service

Shared working memory for collaborative AI agents

CI Docker [Version]() [License]() [MCP]() [Python]()

🇫🇷 Version française

---

Features

ZoneContent
**📊 Dashboard** (left)Space info, consolidation (date + counters), live/bank stats, colored agents, categories with %, Markdown rules, Graph Memory
**🔴 Live Timeline** (top-right)Live notes grouped by date (Today/Yesterday/date), cards with agent + category + Markdown
**📘 Bank Viewer** (bottom-right)Consolidated file tabs, Markdown rendering with marked.js

📦 Prerequisites

  • Docker >= 24.0 + Docker Compose v2
  • Python 3.11+ (for CLI, optional)
  • A compatible S3 storage (Cloud Temple Dell ECS, AWS, MinIO)
  • An OpenAI API compatible LLM (Cloud Temple LLMaaS, OpenAI, etc.)

---

Install dependencies

uv pip install -e .

Graph Memory suite (optional, requires running graph-memory)

python scripts/test_recette.py --suite graph \ --graph-url http://host.docker.internal:8080 \ --graph-token your_token

🚀 Installation

Build images (WAF + MCP server)

docker compose build

4. Install CLI (optional)

uv pip install -e .

5. Verify Installation

```bash

▶️ Getting Started

docker compose up -d
docker compose ps       # Check status
docker compose logs -f live-mem-service --tail 50  # Logs

---

CLI Installation

pip install click rich prompt-toolkit mcp[cli]>=1.8.0
export MCP_URL=http://localhost:8080
export MCP_TOKEN=your_token

2. Configure the environment

cp .env.example .env

Edit .env with your values (see Configuration).

⚙️ Configuration

Edit .env. All variables are documented in .env.example.

Optional Variables — LLM

The consolidator uses an LLM (OpenAI-compatible API) to transform live notes into structured bank files.

VariableDefaultDescription
LLMAAS_MODELqwen3.5:27bLLM model name as exposed by the provider
LLMAAS_CONTEXT_WINDOW131072TOTAL context window of the model (input + output combined, in tokens). Qwen3 235B = 128K
LLMAAS_MAX_TOKENS16384Max OUTPUT tokens per request. The consolidator adjusts dynamically: output = min(MAX_TOKENS, CONTEXT_WINDOW - input)
LLMAAS_TEMPERATURE0.3LLM creativity (0.0 = deterministic, 1.0 = very creative)
PROXY_URL_(none)_Outbound HTTP proxy (e.g. http://10.0.0.1:3128). **Custom variable** (not HTTP_PROXY) — injected manually into boto3 (S3) and httpx (LLM). Not supported for Graph Memory connections.

Optional Variables — Consolidation and Compaction

VariableDefaultDescription
MCP_SERVER_PORT8002MCP server listening port
MCP_SERVER_DEBUGfalseDetailed logs (full error messages)
CONSOLIDATION_TIMEOUT600Timeout per LLM call (seconds)
CONSOLIDATION_MAX_NOTES200Max notes per consolidation
CONSOLIDATION_BATCH_SIZE5Notes per LLM batch (small = precise, large = faster)
CONSOLIDATION_COOLDOWN_SECONDS60Per-space anti-spam cooldown for bank_consolidate (0 disables)
CONSOLIDATION_VALIDATION_ENABLEDfalseOptional post-consolidation check for unattributed claims
CONSOLIDATION_VALIDATION_MAX_EXAMPLES20Max examples returned by the validation pass
COMPACT_THRESHOLD0.6Auto-compaction trigger (0.6 = compact if bank > 60% of budget)
BANK_FILE_MAX_SIZE15360Max size per bank file (bytes, 15 KB). Above = compaction candidate
RESPONSE_MAX_BYTES524288Max non-MCP response body size before truncation
API_TOOL_MAX_BODY_BYTES1048576Max request body accepted by /api/tool

---

🖥️ Web Interface

Live Memory exposes a web interface on /live to visualize memory spaces in real-time.

REST API (5 endpoints)

EndpointDescription
GET /api/spacesList of spaces
GET /api/space/{id}Complete info (meta + rules + stats + graph-memory)
GET /api/live/{id}Live notes (filters: ?agent=, ?category=, ?limit=)
GET /api/bank/{id}Bank file list
GET /api/bank/{id}/{filename}Bank file content

/api/* endpoints require a Bearer Token. /live page and /static/* files are public.

💻 CLI and Shell

CLI Commands (Click)

python scripts/mcp_cli.py health
python scripts/mcp_cli.py whoami                       # Current token identity
python scripts/mcp_cli.py about
python scripts/mcp_cli.py space list
python scripts/mcp_cli.py space create my-project --rules-file rules.md
python scripts/mcp_cli.py live note my-project observation "Build OK"
python scripts/mcp_cli.py bank consolidate my-project
python scripts/mcp_cli.py bank read-all my-project
python scripts/mcp_cli.py token create agent-cline read,write
python scripts/mcp_cli.py graph connect my-project URL TOKEN MEM-ID -o general
python scripts/mcp_cli.py graph push my-project
python scripts/mcp_cli.py graph status my-project
python scripts/mcp_cli.py graph disconnect my-project

Workflow

1. graph_connect(space_id, url, token, memory_id, ontology="general")
   └─ Tests connection, creates Graph Memory if needed

2. bank_consolidate(space_id)
   └─ Queues async consolidation; call once and do not watch/poll unless explicitly requested

3. graph_push(space_id)
   ├─ Lists documents in Graph Memory
   ├─ For each modified bank file:
   │   ├─ document_delete (removes orphaned entities)
   │   └─ memory_ingest (complete graph recalculation)
   ├─ Cleans deleted bank documents
   └─ Updates metrics (last_push, push_count)

4. graph_status(space_id)
   └─ Stats: 79 entities, 61 relations, top entities, documents...

🔌 MCP Integration

📖 Full Guide: See CLINE_INTEGRATION_GUIDE.md for the step-by-step guide (Cline configuration, custom instructions, workflow, multi-agents, troubleshooting). Equivalent guides exist for CLAUDE_CODE_INTEGRATION.md and CODEX_INTEGRATION.md.

With Cline (VS Code / VSCodium)

In Cline's MCP settings (cline_mcp_settings.json):

{
  "mcpServers": {
    "live-memory": {
      "url": "http://localhost:8080/mcp",
      "headers": {
        "Authorization": "Bearer lm_YOUR_TOKEN"
      }
    }
  }
}

To configure the Custom Instructions for your agent, copy one of the two workspace rule templates into your Cline global Custom Instructions (or into a .clinerules/ directory in your project):

TemplateWhen to use
[WORKSPACE_CLINE_RULES.md](WORKSPACE_CLINE_RULES.md)Workspaces with **Live Memory only**.
[WORKSPACE_CLINE_ADVANCE_RULES.md](WORKSPACE_CLINE_ADVANCE_RULES.md)Workspaces also connected to **Graph Memory** (Graph-first lookup, compaction discipline, agent-side ingestion).

Customize a few placeholders ({LIVE_MCP_SERVER}, {SPACE}, and for the advanced template {GRAPH_MCP_SERVER} / {GRAPH_MEMORY_ID}). The agent name is auto-detected from the authentication token — nothing else to configure.

💡 Ready-to-use templates: WORKSPACE_CLINE_RULES.md (Live-only) and WORKSPACE_CLINE_ADVANCE_RULES.md (Live + Graph) — copy and customize the placeholders. 📖 Detailed integration guides: CLINE_INTEGRATION_GUIDE.md, CLAUDE_CODE_INTEGRATION.md, CODEX_INTEGRATION.md.

🔍 Troubleshooting

🇨🇳 中文文档镜像 AI 翻译 2026-06-04
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

Live Memory 是一个实时内存服务,用于协同工作的 AI 代理共享工作内存。

⚡ 功能介绍

Live Memory 提供了以下功能:仪表盘、实时时间线、空间信息、实时/银行统计、彩色代理、分类百分比、Markdown 规则和图形内存。

📋 环境依赖

Live Memory 需要以下环境依赖和系统要求:Docker >= 24.0、Docker Compose v2、Python 3.11+(可选)、兼容的 S3 存储(Cloud Temple Dell ECS、AWS、MinIO)和兼容的 OpenAI API 的 LLM(Cloud Temple LLMaaS、OpenAI 等)。

🛠 安装步骤(Docker/pip/源码)

Live Memory 的安装步骤包括:使用 Docker Compose 构建镜像、使用 pip 安装依赖项、使用 Graph Memory 套件(可选)和配置环境变量。

⚙️ 配置说明(含 MCP / env)

Live Memory 的配置说明包括:编辑 .env 文件、配置环境变量(如 LLM 模型名称、上下文窗口大小等)和使用 MCP 集成指南。

🔌 API 说明

Live Memory 提供了以下 API 接口:REST API(5 个端点)、Web 接口(/live)和 CLI/Shell 接口。

🔄 工作流/模块

Live Memory 的工作流包括:图形连接、银行合并和图形推送,以及 MCP 集成指南和其他相关文档。

❓ FAQ 摘要

Live Memory 的常见问题包括:环境依赖、安装步骤、配置说明和 API 接口使用说明。

🎯 aiskill88 AI 点评 A 级 2026-06-04

高质量开源MCP工具,实现AI代理协作

📚 实用指南(长尾问题)
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • MCP 配置路径拼错或权限不足,重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • Docker:live-memory 提供官方镜像,docker compose up 一键启动
  • CLI:直接 npm install -g / pip install,命令行调用
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
live-memory 中文教程live-memory 安装报错怎么办live-memory MCP 配置live-memory Docker 部署live-memory Agent 工作流live-memory 与同类工具对比live-memory 最佳实践live-memory 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC,避免暴露公网
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • MCP 配置路径拼错或权限不足,重启 Claude Desktop 才生效
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点
  • +标准化 MCP 协议,生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用,配置简单快捷
⚠️ 不足
  • 未明确开源协议,商用场景需谨慎评估
  • 依赖 Claude 客户端,非 Claude 用户无法使用
  • MCP 协议仍在持续演进,接口可能变更
  • 需要一定的配置步骤
⚠️ 使用须知

该工具未明确声明开源协议,商业使用前请联系原作者确认授权范围,避免侵权风险。

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

🔗 相关工具推荐

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

live-memory 是一款Python开发的AI辅助工具。开源MCP工具:Live Memory MCP Server — Shared working memory for collaborative AI agents (Memo。⭐6 · Python 主要应用场景包括:多AI代理协作。
💡 AI Skill Hub 点评

总体来看,Live Memory 是一款质量良好的MCP工具,在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态,建议收藏备用,结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⚠️ 该工具未声明开源协议,不提供直接下载。请访问原项目了解使用条款。
📚 深入学习 Live Memory
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 live-memory
原始描述 开源MCP工具:Live Memory MCP Server — Shared working memory for collaborative AI agents (Memo。⭐6 · Python
Topics agenticllmmcpmemory
GitHub https://github.com/Cloud-Temple/live-memory
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/Cloud-Temple/live-memory 🌐 官方网站  https://www.cloud-temple.com

收录时间:2026-06-04 · 更新时间:2026-06-06 · License:未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。