SuperAPI AI 工具集

memcord

Memcord 是一个自托管、隐私优先的 MCP(Model Context Protocol)服务器,用于为 AI 提供长期记忆能力。它可以将 Claude 或 ChatGPT 的聊天历史保存在本地,支持按项目组织记忆槽、AI 自动摘要、跨对话搜索与智能合并,并消除重复内容。所有数据 100% 本地存储,不依赖云端或数据库,强调隐私与数据自主控制。项目基于 Python 3.10+ 与 uv 包管理器,可通过安装脚本自动生成平台相关的 MCP 配置文件,并配置 Claude Desktop、Claude Code、VS Code 和 Antigravity IDE。当前版本为 v4.3.6,最新改动是移除 pandas 与 python-magic 两个依赖,CSV/TSV 导入改用标准库实现。

访问官网

工具介绍

Memcord 是一个自托管、隐私优先的 MCP(Model Context Protocol)服务器,定位为面向 AI 的长期记忆工具,用于保存、搜索和摘要 Claude/ChatGPT 的聊天历史。其核心特点是本地运行:不需要云端服务,也不使用数据库,记忆数据完全存放在本地,由用户掌控。

主要能力

  • 记忆与上下文延续:借助智能自动摘要,让 Claude 在不受限的多轮对话中记住此前内容(README 称“Infinite Memory”)。
  • 数据自主:100% 本地存储,零云端依赖。
  • 组织管理:支持按项目的记忆槽(memory slots),提供时间线导航与智能打标签。
  • 智能合并:自动合并相关对话,同时去除重复内容。
  • 搜索与摘要:可跨历史聊天进行搜索,并用 AI 生成摘要。

使用方式与安装

  • 运行环境:需 Python 3.10+(python.org),以及 uv(Python 包管理器)。
  • uv 安装命令:
    • macOS / Linux:curl -LsSf https://astral.sh/uv/install.sh | sh
    • Windows(PowerShell):powershell - ExecutionPolicy ByPass - c "irm https://astral.sh/uv/install.ps1 | iex"
  • 安装脚本会:下载并设置 memcord、用 uv 创建 Python 虚拟环境、生成平台相关的 MCP 配置文件,并配置 Claude Desktop、Claude Code、VS Code 和 Antigravity IDE。

更新与维护

  • 在 memcord 安装所在目录重新运行同一个安装命令即可原地更新,而不是重新克隆:拉取最新改动(仅 fast-forward,若存在本地修改会安全中止)、复用现有虚拟环境并升级依赖、重新生成 MCP 配置文件,且不会改动已有记忆数据(memory_slots/)和生成的配置。
  • --install-hooks 标志是幂等的,会合并进已有的 .claude/settings.json,不覆盖其他设置或钩子。

作用域与命令安装

  • 全新安装默认将 memcord 注册为全局(~/.claude.json),在所有项目中可用。若为旧的项目级安装(本地 .mcp.json),需要显式切换,单靠重跑更新器不会改变,因为更新器会刻意保留已有的项目级设置。
  • 可在不同项目目录下用 claude mcp list 验证是否显示 memcord。原 .mcp.json 会保留且仍可用(无害但冗余),如需该目录不再固定本地副本而改用全局版本,可自行删除。
  • 17 个 memcord-* 斜杠命令位于 .claude/commands/,克隆后即可在 memcord checkout 内使用;若想在任何项目目录中使用,可全局安装到 ~/.claude/commands/。全新安装会提示此选项(非交互式如 curl | bash 时跳过),可随时重跑以更改选择,且只会添加或移除 memcord 自身的命令文件。

槽位解析与自动检测 所有读写操作遵循相同的槽位解析优先级:

  1. 显式 slot_name 参数(始终优先)
  2. 当前激活槽(由 memcord_use 或 memcord_name 设置)
  3. 当前工作目录中的 .memcord 绑定文件 当使用 .memcord 绑定且槽已存在时,该槽会在本次会话剩余时间自动激活,后续操作可跳过重复检测。因此在 memcord_init 之后,新会话无需调用 memcord_use,memcord_save、memcord_save_progress、memcord_configure 和 memcord_read 也会正确路由到绑定的槽。

外部存储与跨设备共享 可通过 memcord_configure 将某个槽的数据文件指向任意目录(例如 Dropbox/OneDrive 文件夹)以实现跨设备共享。链接后,该槽的设置(如摘要后端)也会随数据一起迁移,使共享该文件夹的所有设备看到相同的配置。新记忆写入外部路径、迁移已有记忆等操作,每台设备需各自运行一次 set 命令并指向其本地路径。

摘要后端 支持四种可插拔摘要后端:nltk、sumy、semantic、transformers,可通过 memcord_configure action="set" key="summarizer_backend" value="..." 按槽切换,无需重启。新槽默认使用 sumy(无需下载);已有槽保留 nltk 以保持向后兼容。可通过 MEMCORD_SUMMARIZER 环境变量覆盖。

工具与文档

  • 安装器会自动配置所有受支持的 IDE;手动设置或排障可参考详细指南与手动安装说明。
  • 完整工具有 23 个(含参数与示例),可参考 README 中的 Complete Tools Reference;完整安装指南涵盖更新、高级选项与自定义命令。

适用场景

  • 希望让 Claude/ChatGPT 在大量对话中保持上下文的用户。
  • 需要按项目归档、检索和摘要聊天记录的个人或团队。
  • 对隐私敏感、要求数据本地存储且不愿依赖云服务的用户。

限制与注意事项

  • 需要自托管与手动安装维护,需具备 Python 3.10+ 与 uv 环境。
  • 数据不进入云端,跨设备共享需自行借助外部同步目录(如 Dropbox/OneDrive)。
  • 更新器为 fast-forward 方式,存在本地修改时会安全中止。
  • 项目采用 MIT License。
  • 具体收费、价格、平台支持范围等更多信息暂未提供。