mnemon MCP工具
AI Skill Hub 强烈推荐：mnemon MCP工具 是一款优质的MCP工具。AI 综合评分 8.2 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
通过安装 mnemon MCP工具，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。mnemon MCP工具 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 mnemon MCP工具 评为 AI 评分 8.2 分，属于同类工具中的优质选择。
📋 工具概览
专为AI代理设计的开源持久化记忆系统，采用图数据库架构实现跨会话记忆回忆。支持MCP协议集成Claude等LLM，帮助AI代理建立长期知识积累和上下文理解能力，适合开发智能代理应用的开发者。
mnemon MCP工具 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。
📖 中文文档
专为AI代理设计的开源持久化记忆系统，采用图数据库架构实现跨会话记忆回忆。支持MCP协议集成Claude等LLM，帮助AI代理建立长期知识积累和上下文理解能力，适合开发智能代理应用的开发者。
mnemon MCP工具 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。
- 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
- 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
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/mnemon-dev/mnemon
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"mnemon-mcp--": {
"command": "npx",
"args": ["-y", "mnemon"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 mnemon MCP工具 执行以下任务... Claude: [自动调用 mnemon MCP工具 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"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"mnemon_mcp__": {
"command": "npx",
"args": ["-y", "mnemon"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
简介
<p align="center"> <img src="docs/logo/logo.svg" width="160" height="160" alt="Mnemon Logo" /> </p>
Features
- Zero user-side operation — install once; supported runtimes can use hooks, minimal runtimes can use persistent rules
- LLM-supervised — the host LLM decides what to remember, update, and forget; no embedded LLM, no API keys
- Multi-framework support — Claude Code, Codex, Cursor, TRAE/TRAE Work, Qoder/QoderWork, CodeBuddy, WorkBuddy, Kimi Code, OpenCode, and Hermes Agent (hooks/plugins), OpenClaw (plugins), Pi (extensions), Nanobot (skills), and more
- Markdown-installable harness —
SKILL.md,INSTALL.md,GUIDELINE.md, and four lifecycle reminders - Four-graph architecture — temporal, entity, causal, and semantic edges, not just vector similarity
- Intent-native protocol — three primitives (
remember,link,recall) map to the LLM's cognitive vocabulary, not database syntax; structured JSON output with signal transparency - Intent-aware recall — graph traversal + optional vector search (RRF fusion), enabled by default for all queries
- Built-in deduplication —
rememberauto-detects duplicates and conflicts; skips or auto-replaces - Retention lifecycle — importance decay, access-count boosting, and garbage collection
- Privacy-safe receipts — export hashed operation receipts for memory-boundary audits without raw memory contents or queries
- Optional embeddings — works fully without Ollama; add local Ollama for enhanced vector+keyword hybrid search
Install
Homebrew (macOS / Linux):
brew install mnemon-dev/tap/mnemonGo install:
go install github.com/mnemon-dev/mnemon@latestFrom source:
git clone https://github.com/mnemon-dev/mnemon.git && cd mnemon
make installVerify installation:
mnemon --versionUninstall
mnemon setup --ejectQuick Start
Configuration
| Environment Variable | Default | Description |
|---|---|---|
MNEMON_DATA_DIR | ~/.mnemon | Base data directory |
MNEMON_STORE | *(active file or default)* | Named memory store for data isolation |
Ollama-specific (only relevant if using embeddings):
| Environment Variable | Default | Description |
|---|---|---|
MNEMON_EMBED_ENDPOINT | http://localhost:11434 | Ollama API endpoint |
MNEMON_EMBED_MODEL | nomic-embed-text | Embedding model name |
References
Mnemon combines the paradigm of one paper with the methodology of another, grounded in the structural insight that graph memory is isomorphic to LLM attention. See Theoretical Foundations for details.
- RLM — Zhang, Kraska & Khattab. Recursive Language Models. 2025. Establishes the paradigm: LLMs are more effective as orchestrators of external environments than as direct data processors.
- MAGMA — Zou et al. A Multi-Graph based Agentic Memory Architecture. 2025. Provides the methodology: four-graph model (temporal, entity, causal, semantic) with intent-adaptive retrieval.
- Graph-LLM Structural Insight — Joshi & Zhu. Building Powerful GNNs from Transformers. 2025; and the Graph-based Agent Memory survey (Chang Yang et al., 2026). Confirms that LLM attention is computationally equivalent to GNN operations — graph memory is a structural match, not an engineering convenience.
FAQ
Do different sessions share memory? Yes. By default, all sessions use the same default store — a decision remembered in one session is available in every future session.
Can I isolate memory per project or agent? Yes. Use named stores to separate memory:
mnemon store create work # create a new store
mnemon store set work # set as default
MNEMON_STORE=work mnemon recall "query" # or use env var per-processDifferent agents/processes can use different stores via the MNEMON_STORE environment variable — no global state contention.
Local or global mode? mnemon setup defaults to local (project-scoped .claude/), recommended for most users. Global (mnemon setup --global, installed to ~/.claude/) activates mnemon across all projects — convenient if you want other frameworks (e.g., OpenClaw) to share memory by forwarding requests through Claude Code CLI, but may add maintenance overhead.
How do I customize the behavior? Edit the generated guideline (~/.mnemon/prompt/guide.md in current setup flows). Skill files should stay focused on command syntax.
What is sub-agent delegation? Sub-agent delegation is optional. When a runtime supports it, the main agent can decide what to remember and ask a cheaper or isolated worker to execute mnemon remember. It is a useful execution strategy, not a required part of the Mnemon architecture.
Mnemon 是一个简介，包含项目 logo 和简要介绍。
Mnemon 的功能包括零用户操作、LLM 监督、多框架支持和 Markdown 安装式集装箱等。
Mnemon 的安装方式包括 Homebrew、Go 安装和从源码安装等。
Mnemon 的快速启动教程包括安装和验证安装等步骤。
Mnemon 的配置包括环境变量、数据目录和存储选项等。
Mnemon 的 API 参考包括 LLM 监督、图形内存和递归语言模型等概念的详细信息。
Mnemon 的常见问题包括会话共享内存、内存隔离等问题的答案。
创新性的AI代理记忆解决方案，图数据库设计优雅高效。Go语言实现确保性能，MCP协议集成标准化程度好，有助于AI代理能力升级。
- 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
- 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
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- 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
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：mnemon 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
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 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
- 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
- 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
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- 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
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 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
- +MIT 协议，可免费商用
- +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
- −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
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。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，mnemon MCP工具 是一款质量优秀的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。
| 原始名称 | mnemon |
| 原始描述 | 开源MCP工具：LLM-supervised persistent memory for AI agents — graph-based recall, cross-sessi。⭐218 · Go |
| Topics | MCP工具代理记忆图数据库持久化存储Claude集成 |
| GitHub | https://github.com/mnemon-dev/mnemon |
| License | MIT |
| 语言 | Go |
收录时间：2026-05-18 · 更新时间：2026-05-19 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。