mcp
跨会话持久记忆的知识图谱MCP服务器
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：mcp。 它的用途是：跨会话持久记忆的知识图谱MCP服务器 详细介绍见：https://321skill.com/skills/mcp-mcp-knowledge-graph/ 请根据该页面的说明完成安装。
使用示例
“帮我创建一个知识图谱，节点‘机器学习’、‘深度学习’、‘监督学习’，并建立‘深度学习属于机器学习’、‘监督学习属于机器学习’的关系，同时添加属性‘应用领域：图像识别’。”AI会立即在持久化存储中创建节点和边，之后你问“机器学习有哪些子领域？”它就能直接从图谱中返回“深度学习、监督学习”，无需重新输入。
介绍
当AI智能体在多次对话中无法记住之前讨论的关键信息时，知识图谱的断裂会严重影响任务连贯性。该MCP服务器通过构建持久化的知识图谱，让AI能在不同会话间存储、检索和关联实体与关系，解决长期记忆缺失问题。它支持将用户输入的任意信息（如项目概念、技术术语、人物关系）结构化存入图谱，并在后续会话中通过自然语言查询直接调取，避免重复解释。
使用方式极为简单：在支持MCP协议的客户端（如Claude Desktop、Cursor等）中配置该服务器后，即可通过自然语言指令操作知识图谱。例如，告诉AI“将‘React’和‘Vue’都标记为‘前端框架’，并建立‘竞争关系’”，它会自动创建节点和边。后续查询“前端框架有哪些”时，AI能直接从图谱中返回结果，无需重新训练或提示。
该工具尤其适合需要长期知识积累的用户：智能体开发者可构建智能体的记忆底座；学术研究者可管理文献之间的引用与关联网络；数据分析师可梳理业务指标间的因果关系。对于需要跨会议、跨项目协作的团队，它也能作为共享知识库的基础。
建议在首次使用时先导入少量关键概念测试图谱结构，避免一次性塞入大量松散数据导致关系混乱。同时注意，该工具目前主要处理文本实体关系，对非结构化文档（如PDF、图片）的自动解析能力有限，需配合其他工具预处理。
核心特点
与普通向量数据库或记忆插件不同，该服务器以知识图谱为核心，不仅存储文本，还保留实体间的显式关系（如“属于”“因果”“依赖”），支持图结构查询和推理，而非简单的语义搜索。
注意事项
不适合处理原始非结构化文档（如PDF、图片）的自动解析，需先通过其他工具提取实体和关系。
常见问题
如何让AI永久记住某个概念？
对AI说“将‘xxx’作为实体存入知识图谱，并添加属性描述”，它就会持久化存储，后续会话可直接查询。
知识图谱支持哪些关系类型？
支持任意自定义关系，如“包含”“影响”“关联”等，用户可自由命名。