postg

基于PostgreSQL的.NET MCP服务器，为AI应用提供向量存储与检索能力。

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：postg。
它的用途是：基于PostgreSQL的.NET MCP服务器，为AI应用提供向量存储与检索能力。
详细介绍见：https://321skill.com/skills/postg/
请根据该页面的说明完成安装。

“帮我查一下上次用户咨询关于‘退款政策’的对话记录。”，它会通过MCP调用mem服务器，在向量数据库中语义搜索“退款政策”相关的历史对话片段并返回。或者，当AI需要记住一个重要的项目决策时，你可以指示它：“请将这段结论保存到长期记忆里。”，它便会将文本转换为向量存储到PostgreSQL中。

mem MCP服务器旨在解决AI应用在处理非结构化数据时，难以高效存储和检索语义信息的问题。它通过将文本、图像等内容转换为向量嵌入，并利用PostgreSQL的pgvector扩展进行存储和相似性搜索，从而实现基于语义的内容查找。

使用时，您需要配置好PostgreSQL数据库并启用pgvector扩展，然后运行此MCP服务器。它作为AI Agent（如Claude Desktop）的后端服务，当Agent需要记忆或查询信息时，会通过MCP协议调用此服务器，进行数据的存储或基于向量相似度的检索。

该工具特别适合需要为AI Agent构建长期记忆或知识库的开发者，例如开发客服机器人、研究助手或内容管理系统的团队。它使得AI能够“记住”过去的对话或文档内容，并在需要时进行精准的语义召回。

建议在部署前确保PostgreSQL版本支持pgvector，并合理规划向量维度以平衡检索精度与性能。对于纯结构化数据查询或对延迟要求极高的实时场景，可能需要考虑其他优化方案。

核心区别在于它基于.NET生态构建，为熟悉C#和.NET的开发者提供了另一种选择；同时，它集成了标签搜索功能，允许用户结合语义相似性和预定义标签进行更精确的混合检索，而不仅仅是纯向量匹配。

不适合需要极低延迟（毫秒级）的在线实时检索场景，且其功能深度依赖于PostgreSQL和pgvector的部署与性能。

这个MCP服务器支持哪些AI模型生成向量？

它本身不生成向量，需要您在使用时传入已通过OpenAI、Cohere等外部服务生成的向量进行存储和检索。

必须使用PostgreSQL吗？

是的，它专为PostgreSQL设计，利用其pgvector扩展实现向量运算，目前不支持其他数据库。