让 AI 有持久记忆的 MCP 服务器
8 个能让 agent 跨会话记住东西的 MCP 服务器 —— 本地图谱文件、可检索的服务，或者托管存储。数据存在哪，决定了其余大部分选择。
怎么选
记忆是这里唯一一类「哪个最好」主要取决于你自己的四个答案的东西。
- 存在哪里，决定你能不能查它。本地服务器写出一个 JSON 知识图谱，你可以打开、diff、删掉；托管服务把它放在别人的数据库里。如果你以后需要读一条记忆或者删掉它，这个差别比任何功能表都重要。
- 下一个读它的是谁。「这个会话里记住」和「跨会话、跨机器、跨 agent 记住」是两个问题：文件型图谱属于某一份配置，托管存储是共享的。按【谁需要这份记忆】来选，不要按星标选。
- 检索本身是你要维护的第二套系统。语义记忆（embedding、向量检索）意味着额外的模型调用、额外的钱，以及一种失败：错误的那条记忆被很有信心地取出来。普通图谱或关键词存储更容易查错。
- 没有删除工具 = 噪声只增不减。装之前先看工具列表里有没有 update / delete：只能累积的记忆，最后会拖坏它本来要改善的那些回答。
- 这一类的星标普遍虚高。第一名 91,352 来自 servers 那个大仓；真正在干活的是几百星的专用记忆服务器。下面的数字是我们索引在构建时刻的值。
我们的建议：先用一个限定在单个项目里的本地图谱服务器，把它的文件放在项目里（要 gitignore 就明确地 gitignore，别不小心漏出去）；只有第二个 agent 或第二台机器需要同一份记忆时，才换成共享服务。
逐个对比
| 工具 | 它记什么 | 安装方式 | 星标 |
|---|---|---|---|
| modelcontextprotocol/server-memory 官网 ↗ | Knowledge graph-based persistent memory for maintaining context | — | 91,352 |
| vectorize-io/hindsight 官网 ↗ | Hindsight: long-term memory for AI agents modeled on human memory | — | 51,200 |
| topoteretes/cognee 官网 ↗ | Memory manager for AI apps and agents using graph and vector stores, with ingestion from m | — | 32,487 |
| cjo4m06/mcp-shrimp-task-manager 官网 ↗ | Task management for coding agents with task memory, self-reflection and dependency managem | — | 2,146 |
| doobidoo/mcp-memory-service 官网 ↗ | Memory service with semantic search, persistent storage and autonomous memory consolidatio | — | 2,021 |
| neo4j-contrib/mcp-neo4j 官网 ↗ | Neo4j integration: run queries, use Neo4j as knowledge graph memory and manage Neo4j Aura | — | 988 |
| agentic-mcp-tools/memora 官网 ↗ | Persistent memory with knowledge graph visualization, semantic/hybrid search, cloud sync ( | — | 742 |
| CheMiguel23/MemoryMesh 官网 ↗ | Graph-based memory focused on AI role-play and story generation | — | 354 |
这些链接是怎么来的：每张卡片先打开本站自己的条目页（它是干什么的、怎么装、数字怎么核）；工具的官网再远一跳，这里没有一条是付费位置。星标与安装方式取自公开来源，写出来就是让你能自己核。