A Mem MCP

Name: A Mem MCP
Author: DiaaAj

作者：DiaaAj版本 0.2.1i★ –i在你的电脑上运行

注册名称io.github.DiaaAj/a-mem-mcp

安装

概览

作者提供的说明（英文原文）

Self-evolving memory system for AI agents

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i非常新↓ 112/周 · ★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: stdio
分类: 搜索与 AI 记忆
你需要填写：OPENAI_API_KEY

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
需要你自己填写： LLM_BACKEND, LLM_MODEL, OPENAI_API_KEY, EMBEDDING_MODEL, CHROMA_DB_PATH

标为机密的值是你账户的钥匙。千万不要分享给别人，也不要粘贴到聊天里。

你需要

PyPI已安装 Python 的 uv（用于 uvx 命令）

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "a-mem": {
      "command": "uvx",
      "args": [
        "a-mem"
      ],
      "env": {
        "LLM_BACKEND": "your-value",
        "LLM_MODEL": "your-value",
        "OPENAI_API_KEY": "your-value",
        "EMBEDDING_MODEL": "your-value",
        "CHROMA_DB_PATH": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add a-mem --env LLM_BACKEND=your-value --env LLM_MODEL=your-value --env OPENAI_API_KEY=your-value --env EMBEDDING_MODEL=your-value --env CHROMA_DB_PATH=your-value -- uvx a-mem

运行前请先填写空着的值。

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "a-mem": {
      "command": "uvx",
      "args": [
        "a-mem"
      ],
      "env": {
        "LLM_BACKEND": "your-value",
        "LLM_MODEL": "your-value",
        "OPENAI_API_KEY": "your-value",
        "EMBEDDING_MODEL": "your-value",
        "CHROMA_DB_PATH": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "a-mem": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "a-mem"
      ],
      "env": {
        "LLM_BACKEND": "your-value",
        "LLM_MODEL": "your-value",
        "OPENAI_API_KEY": "your-value",
        "EMBEDDING_MODEL": "your-value",
        "CHROMA_DB_PATH": "your-value"
      }
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

需要你填写的值

LLM_BACKEND env
LLM backend to use (openai, ollama, sglang, or openrouter)
LLM_MODEL env
LLM model name (e.g., gpt-4o-mini, llama2, etc.)
OPENAI_API_KEY 机密必填 env
OpenAI API key (required if LLM_BACKEND=openai)
EMBEDDING_MODEL env
Sentence transformer model for embeddings
CHROMA_DB_PATH env
ChromaDB storage directory path

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月9日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 DiaaAj 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“搜索与 AI 记忆”中的其他服务器比较i

星标数多于此分类中其他 5759 个服务器的 0%
发布到注册中心的时间比此分类中其他 5759 个服务器的 2% 更新
基础检查结果等于或优于此分类中其他 5759 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

A Mem MCP 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

你需要填写：OPENAI_API_KEY

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（0.2.1）于10个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它？

同一分类中有：Context7, Codebase Memory, Exa

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：↓ 每周下载量i★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Context7

Up-to-date docs for AI agents

作者：upstash广泛使用↓ 97.3万/周★ 6.4万3天前更新

电脑或云端

安装

Codebase Memory

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

作者：DeusData广泛使用↓ 1.8万/周★ 4.8万23天前更新

在你的电脑上运行

安装

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

作者：exa-labs广泛使用★ 52132个月前更新

在云端运行✓ exa.ai

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

A-MEM: Self-evolving memory for coding agents

mcp-name: io.github.DiaaAj/a-mem-mcp

A-MEM is a self-evolving memory system for coding agents. Unlike simple vector stores, A-MEM automatically organizes knowledge into a Zettelkasten-style graph with dynamic relationships. Memories don't just get stored—they evolve and connect over time.

Currently tested with Claude Code. Support for other MCP-compatible agents is planned.

Quick Start

Install

pip install a-mem

Add to Claude Code

claude mcp add a-mem -s user -- a-mem-mcp \

-e LLM_BACKEND=openai \ -e LLM_MODEL=gpt-4o-mini \ -e OPENAI_API_KEY=sk-...

That's it! A session-start hook installs automatically to remind Claude to use memory.

Note: Memory is stored per-project in ./chroma_db. For global memory across all projects, see Memory Scope.

Uninstall

a-mem-uninstall-hook   # Remove hooks first

pip uninstall a-mem

How It Works

t=0              t=1                t=2

◉───◉ ◉───◉ ◉ │ ╱ │ ╲ ◉ ◉──┼──◉ │ ◉

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━▶ self-evolving memory

Add a memory → A-MEM extracts keywords, context, and tags via LLM
Find neighbors → Searches for semantically similar existing memories
Evolve → Decides whether to link, strengthen connections, or update related memories
Store → Persists to ChromaDB with full metadata and relationships

The result: a knowledge graph that grows smarter over time, not just bigger.

Features

Self-Evolving Memory Memories aren't static. When you add new knowledge, A-MEM automatically finds related memories and strengthens connections, updates context, and evolves tags.

Semantic + Structural Search Combines vector similarity with graph traversal. Find memories by meaning, then explore their connections.

Peek and Drill Start with breadth-first search to capture relevant memories via lightweight metadata (id, context, keywords, tags). Then drill depth-first into specific memories with read_memory_note for full content. This minimizes token usage while maximizing recall.

MCP Tools

A-MEM exposes 8 tools to your coding agent:

Tool	Description
`add_memory_note`	Store new knowledge (async, returns immediately)
`search_memories`	Semantic search across all memories
`search_memories_agentic`	Search + follow graph connections
`search_memories_by_time`	Search within a time range
`read_memory_note`	Get full details (supports bulk reads)
`update_memory_note`	Modify existing memory
`delete_memory_note`	Remove a memory
`check_task_status`	Check async task completion

Example Usage

# The agent calls these automatically, but here's what happens:

Store a memory (returns task_id immediately)

add_memory_note(content="Auth uses JWT in httpOnly cookies, validated by AuthMiddleware")

Search later

search_memories(query="authentication flow", k=5)

Deep search with connections

search_memories_agentic(query="security", k=5)

Advanced Configuration

JSON Config

For more control, edit ~/.claude/settings.json (global) or .claude/settings.local.json (project):

"mcpServers": { "a-mem": { "command": "a-mem-mcp", "env": { "LLM_BACKEND": "openai", "LLM_MODEL": "gpt-4o-mini", "OPENAI_API_KEY": "sk-..." } } } }

Environment Variables

Variable	Description	Default
`LLM_BACKEND`	`openai`, `ollama`, `sglang`, `openrouter`	`openai`
`LLM_MODEL`	Model name	`gpt-4o-mini`
`OPENAI_API_KEY`	OpenAI API key	—
`EMBEDDING_MODEL`	Sentence transformer model	`all-MiniLM-L6-v2`
`CHROMA_DB_PATH`	Storage directory	`./chroma_db`
`EVO_THRESHOLD`	Evolution trigger threshold	`100`

Memory Scope

Project-specific (default): Each project gets isolated memory in ./chroma_db
Global: Share across projects by setting CHROMA_DB_PATH=~/.local/share/a-mem/chroma_db

Alternative Backends

Ollama (local, free)

claude mcp add a-mem -s user -- a-mem-mcp \

-e LLM_BACKEND=ollama \ -e LLM_MODEL=llama2

OpenRouter (100+ models)

claude mcp add a-mem -s user -- a-mem-mcp \

-e LLM_BACKEND=openrouter \ -e LLM_MODEL=anthropic/claude-3.5-sonnet \ -e OPENROUTER_API_KEY=sk-or-...

Hook Management (Claude Code)

The session-start hook reminds Claude to use memory tools. It installs automatically with Claude Code, but you can manage it manually:

a-mem-install-hook     # Install/reinstall hook

a-mem-uninstall-hook # Remove hook completely

Python API

Use A-MEM directly in Python (works with any agent or application):

from agentic_memory.memory_system import AgenticMemorySystem

memory = AgenticMemorySystem( llm_backend="openai", llm_model="gpt-4o-mini" )

Add (auto-generates keywords, tags, context)

memory_id = memory.add_note("FastAPI app uses dependency injection for DB sessions")

Search

results = memory.search("database patterns", k=5)

Read full details

note = memory.read(memory_id) print(note.keywords, note.tags, note.links)

Research

A-MEM implements concepts from the paper:

A-MEM: Agentic Memory for LLM Agents

Xu et al., 2025

arXiv:2502.12110