AgentMemory MCP：Agent 记忆 MCP 协议 2026 版
AgentMemory MCP 实现 Agent 持久记忆。通过 MCP 协议通信。支持 L1/L2/L3 记忆层次。
- ⭐ 210
- AI
- MCP
- Memory
- Protocol
- Apache 2.0
- 更新于 2026-05-18
什么是 AgentMemory MCP？ #
AgentMemory MCP 实现 Agent 持久记忆。通过 MCP 协议通信。支持 L1/L2/L3 记忆层次。
安装 #
pip install agentmemory-mcp
MCP 协议 #
通信格式 #
{
"protocol": "MCP/1.0",
"action": "store_memory",
"data": {
"user_id": "user_123",
"key": "preferences",
"value": {"theme": "dark", "language": "en"}
}
}
响应格式 #
{
"status": "success",
"data": {"stored": true, "memory_id": "mem_456"}
}
记忆层次 #
L1 短期记忆 #
from agentmemory.mcp import L1Memory
l1 = L1Memory(ttl=3600) # 1 小时
l1.store("user_question", "什么是 AI？")
L2 事实记忆 #
from agentmemory.mcp import L2Memory
l2 = L2Memory(backend="sqlite")
l2.store("user_preference", "喜欢 GPT 模型")
L3 长期记忆 #
from agentmemory.mcp import L3Memory
l3 = L3Memory(backend="chroma")
l3.store("user_journey", ["注册", "首次使用", "高级功能"])
集成 Agent #
与 LangChain #
from langchain.memory import BaseMemory
from agentmemory.mcp import MCPClient
class MCPMemory(BaseMemory):
def __init__(self, client: MCPClient):
self.client = client
def save_context(self, inputs, outputs):
self.client.store_memory(
key="conversation",
value={"inputs": inputs, "outputs": outputs}
)
原生 Agent #
from agent import Agent
from agentmemory import MemoryManager
agent = Agent()
agent.memory = MemoryManager(
l1_ttl=3600,
l2_backend="redis",
l3_backend="vector"
)
存储后端 #
| 后端 | 用途 | 速度 |
|---|---|---|
| SQLite | 本地调试 | 快 |
| Redis | 短期缓存 | 极快 |
| PostgreSQL | 生产 | 中 |
| Chroma | 向量记忆 | 中 |
| Pinecone | 云端 | 快 |
使用示例 #
用户偏好存储 #
# 存储偏好
memory.set("user_123:preference:theme", "dark")
memory.set("user_123:preference:language", "zh")
# 读取偏好
theme = memory.get("user_123:preference:theme") # dark
会话记忆 #
# 保存对话
conversation = memory.get("session:conversation") or []
conversation.append({"role": "user", "content": question})
conversation.append({"role": "assistant", "content": answer})
memory.set("session:conversation", conversation)
向量检索 #
# 检索相似记忆
similar = memory.search_similar(
query="用户喜欢的模型",
namespace="user_preferences",
top_k=3
)
性能优化 #
批量操作 #
# 批量存储
memory.mset([
("user_1:name", "张三"),
("user_1:email", "test@example.com"),
("user_1:phone", "13800138000")
])
过期清理 #
# 设置记忆 TTL
memory.set("temp_data", value, ttl=86400) # 24 小时
监控指标 #
Prometheus #
agentmemory_memory_operations_total
agentmemory_memory_hit_rate
agentmemory_memory_latency_seconds
常见问题 #
Q: MCP 协议会不会有延迟？
答：本地后端延迟 <10ms。Redis/云端 10-50ms。
Q: 如何备份记忆？
答：定期导出到文件。memory.export("backup.json")。
Q: 多用户是否独立？
答：是的。每个 user_id 有独立命名空间。
总结 #
AgentMemory MCP 用「标准协议」连接 Agent 与记忆。L1/L2/L3 层次，随用随取。
参考：agentmemory.ai 文档 更新：2026-05-18
💬 留言讨论