Memory Bank MCP Server

在与 AI 助手如 Claude 长期协作时，一个反复出现的痛点始终存在：每一次新对话都是一次“重启”，之前达成的共识、项目的上下文、关键的设计决策，全部归零。你需要一遍遍地重新解释项目背景、架构细节和当前进度。Memory Bank MCP Server 的出现，正是为了彻底消除这种重复劳动。它为 AI 代理内置了一个持久化的“记忆库”，让跨会话的项目知识管理变得结构化、自动化且始终可追溯。

项目基本信息

一、项目介绍

Memory Bank MCP Server 是一个专门为 AI 代理设计的结构化知识管理系统。它的设计灵感来源于 Cline 记忆库，由一个 Yarn 工作区管理的单体仓库构成，核心包含三个组件：

• 核心 MCP 服务器：处理记忆库操作的逻辑，执行 MCP 工具调用。
• JSON 模式定义：定义了记忆库文档的结构，确保存储和检索的一致性。
• VS Code 扩展：为编辑器提供与记忆库的直接集成。

核心工作流

该项目使用了两个级别的记忆库来组织知识：

1. 全局记忆库 (global-memory-bank)：存放跨所有分支、影响整个项目的通用信息。例如项目的整体架构、技术栈选择、团队约定等。
2. 分支记忆库 (branch-memory-bank)：存放特定于某个 Git 分支的上下文。例如当前正在开发的功能点、此分支特有的临时决策、尚未合并的变更说明。

当 AI 代理开始一个会话时，它可以先读取全局记忆库了解项目背景，再读取当前分支的记忆库获取最新进展，从而在几秒钟内精确恢复上一次会话的完整上下文。这种双层结构让知识的组织既有整体视角，又不失细节的灵活性。

二、核心优势

真正的跨会话知识连续性

这是 Memory Bank 最根本的价值。它将 AI 对话中产生的关键信息——决策、发现、进度、约定——持久化到结构化的 JSON 文件中。这不是简单的“聊天记录保存”，而是经过提炼和结构化的项目知识。下次开启新会话时，你不需要重新解释任何东西，AI 直接从记忆库中读取即可恢复全部上下文。

全局与分支的双层知识架构

这种分层方式与软件开发的最佳实践自然契合。全局记忆库像是项目的“宪法”，记录不常变化的稳定知识；分支记忆库像是“工作笔记”，记录当前正在推进的具体事项。两者互不干扰，又能通过 AI 代理的综合阅读形成完整视图。

结构化 JSON 存储

记忆内容以 JSON 格式持久化，具有明确的模式定义。这意味着：

• 人和机器都能轻松阅读和编辑
• 可以被版本控制系统跟踪差异
• 可以被其他工具解析和集成
• 可以随着项目演进不断扩展

与 AI 工作流的自然融合

该 MCP 服务器需要指定一个文档目录路径。这个目录可以被纳入 Git 仓库管理，所有团队成员共享。开发者提交代码时，可以同步提交记忆库的更新，实现“代码 + 上下文”的同步演进。

MIT 开源协议

采用完全商业友好的 MIT 协议，适合个人和团队在任何类型的项目中使用。

三、适用场景

持续性项目开发

场景：你正在开发一个持续数周的功能。每天开始工作时，AI 从记忆库中读取：当前进度、昨天遇到的 bug、需要继续完成的任务——然后无缝接续工作。

多分支并行管理

场景：你在主干上维护稳定版本，在特性分支上开发新功能。不同分支的记忆库各自独立，AI 在切换分支时自动加载对应的上下文。

团队知识共享

场景：新成员加入团队。他们可以通过让 AI 读取全局记忆库，快速了解项目架构、技术栈、团队约定和关键决策历史。

复杂决策的记录与回溯

场景：在项目进行中，团队做出了一个重要的技术决策。AI 将该决策记录到全局记忆库中，包括原因、背景和相关讨论。几周后，任何人问“我们为什么选这个方案”，AI 都能给出准确答案。

VS Code 深度集成

场景：在 VS Code 中直接通过扩展管理记忆库，查看、编辑或创建新的记忆文档，与编辑体验无缝融合。

四、安装教程

环境要求

安装步骤

1. 克隆仓库

git clone https://github.com/t3ta/memory-bank-mcp-server.git
cd memory-bank-mcp-server

2. 安装依赖

yarn install

3. 运行 MCP 服务器

yarn workspace @memory-bank/mcp start --docs /path/to/your/docs

将 /path/to/your/docs 替换为你希望存储记忆库文档的目录路径。该目录下会创建 global-memory-bank 和 branch-memory-bank 两个子目录。

开发命令

# 构建所有包
yarn build

# 运行所有测试
yarn test

# 代码检查
yarn lint

与 MCP 客户端集成

在 Claude Desktop 的配置文件（~/Library/Application Support/Claude/claude_desktop_config.json）中添加：

{
  "mcpServers": {
    "memory-bank": {
      "command": "node",
      "args": ["/path/to/memory-bank-mcp-server/packages/mcp/dist/index.js", "--docs", "/path/to/your/docs"]
    }
  }
}

路径部分需替换为你本机的实际路径。配置完成后重启 Claude Desktop 即可生效。

五、使用示例

示例一：启动新会话，恢复上下文

用户：今天继续开发用户认证功能。帮我回顾一下目前的进度。

AI 读取分支记忆库中记录的上次进度、未完成任务和已知问题，回复：“根据记忆库记录，上次会话你完成了密码重置流程的开发，测试已通过。当前有一个未完成任务是集成 OAuth 登录，以及一个已知 bug：token 刷新在某些情况下失败。你想从哪个任务开始？”

示例二：记录重要决策

用户：我们决定将缓存层从 Redis 迁移到 Memcached。把这条决策记录到全局记忆库中。

AI 调用记忆库的存储工具，在全局记忆库中创建一条结构化的决策记录，包括决策内容、日期、影响范围和相关背景。

示例三：分支切换，上下文同步

用户：切换到 feat/payment-integration 分支，帮我加载那个分支的上下文。

AI 读取 feat/payment-integration 对应的分支记忆库，加载该分支特有的功能说明、当前进度和待解决问题。

示例四：为新成员生成项目全景图

用户：新同事刚加入团队，根据我们的全局记忆库，给他生成一份项目架构和约定的介绍文档。

AI 读取全局记忆库中的架构、技术栈、团队约定等信息，自动生成一份结构清晰的新人学习指南。

六、常见问题

问：记忆库数据存储在哪里？

答：数据存储在你通过 --docs 参数指定的目录下。该目录包含两个子目录：global-memory-bank/ 和 branch-memory-bank/，分别存放全局和分支记忆文档。所有文件均为 JSON 格式。

问：如何配合 Git 使用？

答：你可以将 --docs 目录纳入 Git 仓库管理。在提交代码时，同步提交记忆库的更新。建议在 .gitignore 中不要忽略该目录，这样团队其他成员 pull 代码时也能同步获取最新的上下文。

问：全局记忆库和分支记忆库如何协调？

答：全局记忆库存放不随分支变化的稳定知识（如项目架构），分支记忆库存放特定于当前分支的临时上下文（如当前功能进度）。AI 通常先读取全局记忆库了解项目全貌，再读取分支记忆库获取当前开发状态，综合后形成完整上下文。

问：存储格式是 JSON，我能手动编辑吗？

答：可以。JSON 格式的设计目标之一就是方便手动阅读和修改。你可以在 VS Code 中直接打开记忆库文件进行编辑。项目的 schema 包定义了文档的结构规范，建议编辑时遵循这些规范以保证兼容性。

问：需要为每个项目单独运行一个 MCP 服务器吗？

答：是的。每个项目拥有独立的记忆库目录，通过 --docs 参数区分。这确保了项目之间的上下文隔离。

七、总结

Memory Bank MCP Server 补上了 AI 辅助开发中最为关键的一块拼图：跨会话的持久化记忆和结构化知识管理。它不生成代码，不回答问题，但它确保你的 AI 代理在任何时候都精确知道“我们是谁，我们在做什么，我们做到了哪里”。

对于长期项目的开发者，花半小时完成初始配置，并在几个开发周期中养成“让 AI 记录关键上下文”的习惯，你会发现 AI 从一个善忘的工具，变成了真正理解你项目的得力伙伴。