Alaya MCP

Name: Alaya MCP
Author: SecurityRonin

作者：SecurityRonin版本 0.4.7i★ –i在你的电脑上运行

注册名称io.github.SecurityRonin/alaya-mcp

安装

概览

作者提供的说明（英文原文）

Local memory engine for AI agents with knowledge graphs, forgetting, and semantic recall

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尚未统计★ –

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：ALAYA_LLM_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： ALAYA_LLM_API_KEY, ALAYA_LLM_API_URL, ALAYA_LLM_MODEL, ALAYA_DB

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

npm已安装 Node.js（用于 npx 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": {
    "alaya": {
      "command": "npx",
      "args": [
        "-y",
        "alaya-mcp"
      ],
      "env": {
        "ALAYA_LLM_API_KEY": "your-value",
        "ALAYA_LLM_API_URL": "your-value",
        "ALAYA_LLM_MODEL": "your-value",
        "ALAYA_DB": "your-value"
      }
    }
  }
}

在终端中运行这条命令

claude mcp add alaya --env ALAYA_LLM_API_KEY=your-value --env ALAYA_LLM_API_URL=your-value --env ALAYA_LLM_MODEL=your-value --env ALAYA_DB=your-value -- npx -y alaya-mcp

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": {
    "alaya": {
      "command": "npx",
      "args": [
        "-y",
        "alaya-mcp"
      ],
      "env": {
        "ALAYA_LLM_API_KEY": "your-value",
        "ALAYA_LLM_API_URL": "your-value",
        "ALAYA_LLM_MODEL": "your-value",
        "ALAYA_DB": "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": {
    "alaya": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "alaya-mcp"
      ],
      "env": {
        "ALAYA_LLM_API_KEY": "your-value",
        "ALAYA_LLM_API_URL": "your-value",
        "ALAYA_LLM_MODEL": "your-value",
        "ALAYA_DB": "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

ALAYA_LLM_API_KEY 机密 env
API key for auto-consolidation (enables LLM-powered knowledge extraction)
ALAYA_LLM_API_URL env
OpenAI-compatible chat completions endpoint
ALAYA_LLM_MODEL env
Model name (e.g. gpt-4o-mini, haiku, gemini-flash)
ALAYA_DB env
Path to SQLite database

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8日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 SecurityRonin 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 5675 个服务器的 0%
发布到注册中心的时间比此分类中其他 5675 个服务器的 7% 更新
基础检查结果等于或优于此分类中其他 5675 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

Alaya 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：ALAYA_LLM_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（0.4.7）于7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 Node.js。

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：★ 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

作者：upstash

Up-to-date docs for AI agents

电脑或云端★ 64,224MIT昨天更新

安装

Codebase Memory

作者：DeusData

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

在你的电脑上运行★ 48,148MIT21天前更新

安装

Exa

作者：exa-labs

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

在云端运行★ 5,213MIT2个月前更新

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。

alaya-mcp

The only memory engine with neuroscience-grounded memory dynamics — Bjork dual-strength forgetting, retrieval-induced suppression, and Hebbian co-activation — in a zero-dependency embeddable Rust library.

Stores conversation episodes, consolidates knowledge through a cognitive lifecycle, and builds a personal knowledge graph — all in a local SQLite database.

Install

Claude Code

Add to ~/.claude/claude_code_config.json:

"mcpServers": { "alaya": { "command": "npx", "args": ["-y", "alaya-mcp"] } } }

Claude Desktop

Add to your Claude Desktop MCP config:

"mcpServers": { "alaya": { "command": "npx", "args": ["-y", "alaya-mcp"], "env": { "ALAYA_LLM_API_KEY": "sk-...", "ALAYA_LLM_API_URL": "https://api.openai.com/v1/chat/completions", "ALAYA_LLM_MODEL": "gpt-4o-mini" } } } }

The ALAYA_LLM_* env vars are optional — they enable automatic knowledge extraction. Without them, the agent extracts knowledge from its own context.

MCP Tools

Tool	Description
`remember`	Store a conversation episode
`recall`	Semantic search across memories
`status`	Memory system health and stats
`knowledge`	Browse extracted knowledge
`learn`	Store pre-extracted facts and relationships
`categories`	View emergent category taxonomy
`preferences`	Track crystallized user preferences
`neighbors`	Explore the knowledge graph
`lifecycle`	Trigger maintenance (strengthen, transform, forget)
`configure`	Set embedding provider and other options

How It Works

Remember — store conversation episodes as they happen
Consolidate — extract facts, relationships, and concepts from episodes
Strengthen — co-retrieved memories strengthen their connections (Hebbian LTP); retrieving memory A actively suppresses competing memories B and C (retrieval-induced forgetting)
Categorize — emergent categories form automatically from your knowledge
Forget — Bjork dual-strength decay separates storage strength (how well-encoded) from retrieval strength (how easily found); weak memories fade, strong ones persist
Crystallize — implicit preferences emerge from accumulated impressions (vasana), no LLM required

All data stays on your machine in ~/.alaya/memory.db.

Why Alaya

Problem	File-based memory	Alaya
Token waste	Full-context injection (~35K tokens/msg)	Ranked retrieval — only top-k relevant memories
No structure	Everything in one file	Three typed stores: episodes, knowledge, preferences
No forgetting	Files grow until manually curated	Bjork dual-strength decay + retrieval-induced forgetting
No associations	Flat files, no links	Hebbian co-retrieval graph (LTP/LTD)
Brittle preferences	Agent-authored summary, drifts	Implicit preferences emerge from impressions (vasana)
LLM required	Can't function without one	Graceful degradation: no embeddings → BM25-only

License

MIT