【免费下载链接】LycheeMemLightweight Long-Term Memory for LLM Agents.项目地址https://gitcode.com/gh_mirrors/ly/LycheeMem点击查看免费下载LycheeMem 是一款轻量级 LLM Agent 长期记忆框架本教程带你通过 MCP 协议在 3 步内把它的记忆能力接入任意 MCP 客户端让你的 Agent 跨会话记住用户偏好、事实与技能。整个过程只需一个 Python 包和一条 URL 配置无需修改任何 Agent 源码。为什么 Agent 需要长期记忆大模型 Agent 默认聊完即忘昨天的对话、用户偏好、踩过的坑换个会话就全部丢失。LycheeMem 把记忆拆成四层——工作记忆会话上下文、语义记忆事实/偏好/事件、程序性记忆可复用技能、视觉记忆图片理解并通过lycheemem-cli一键启动为独立记忆服务。MCPModel Context Protocol的作用是让这个记忆服务以标准工具集的形式被任何支持 MCP 的客户端如各类 IDE Agent、对话客户端直接调用——接入一次处处可用。第1步安装并启动 LycheeMem 记忆服务1.1 安装核心包pip install lycheemem如需更好的检索精度可加装 Transformer 重排器可选pip install lycheemem[rerank]1.2 配置 .env在启动目录下创建.env文件模板参考 .env.example。最关键的两组参数# LLM —— litellm 格式provider/model LLM_MODELopenai/gpt-4o-mini LLM_API_KEYsk-... # Embedding EMBEDDING_MODELopenai/text-embedding-3-small EMBEDDING_DIM1536支持任意 litellm 兼容的 LLMOpenAI、Gemini、Ollama 或任何 OpenAI 兼容端点。1.3 启动服务lycheemem-cli启动后服务运行在http://localhost:8000交互式 API 文档在/docs。若你从源码运行也可使用python main.py入口见 main.py。第2步在 MCP 客户端中配置接入LycheeMem 服务将 MCP 端点挂载在/mcp路径实现见 src/mcp/server.pyPOST /mcp处理 JSON-RPC 请求GET /mcpSSE 事件流供部分客户端使用任何支持远程 HTTP MCP 的客户端只需在配置文件中加上这一条 URL{ mcpServers: { lycheemem: { url: http://localhost:8000/mcp } } }服务在initialize握手时会返回Mcp-Session-Id响应头客户端后续请求复用该头即可标准 MCP 客户端会自动处理。第3步验证连接并体验记忆召回3.1 确认可用工具客户端连接成功后会看到 LycheeMem 暴露的 4 个工具完整定义见 src/mcp/tools_schema.py工具名用途典型场景lychee_memory_smart_search智能检索直接返回轻量background_contextAgent 默认召回入口lychee_memory_search返回原始检索明细调试/自定义处理lychee_memory_append_turn把宿主侧对话轮次镜像写入会话外部 Agent 自动记录对话lychee_memory_consolidate会话结束后将对话固化为长期记忆会话收尾3.2 推荐的三步记忆工作流写入用稳定的session_id调用lychee_memory_append_turn把 user / assistant 轮次逐条镜像进去或走/chat接口召回需要长期上下文时调用lychee_memory_smart_searchmode设为compact获取即取即用的背景上下文固化会话结束或出现新事实、偏好时用同一session_id调用lychee_memory_consolidate记忆将被提取、去重并合并进长期存储。验证很简单告诉 Agent记住我最爱吃荔枝结束会话触发固化换个新会话问我最爱吃的水果是什么Agent 应能从 LycheeMem 召回答案。长期记忆如何组织LycheeMem 的语义记忆不是扁平摘要袋而是一棵层级记忆树每次固化时新记忆记录先做相似度去重再经聚类融合为CompositeRecord并逐级向上抽象该组织思路源自同一团队的 LycheeCluster 工作。检索时先由向量预筛出最近的 20 个复合记录再由 LLM 一次性判断相关性按需沿记忆树向下展开到原子记录——既保证全局视野又能定位细节证据。常见问题连不上 MCP确认lycheemem-cli正在运行且未被防火墙拦截端口默认8000客户端 URL 末尾的/mcp不能漏。召回为空检查是否使用了相同的session_id写入对话以及会话结束后是否调用过lychee_memory_consolidate。想更省 Tokensmart_search的response_level默认minimal只在调试时切到full。Claude Code 用户仓库还内置了 Claude Code 插件MCP 自动 hooks可参考 claude-plugin/lycheemem/INSTALL_CLAUDE.md无需手工镜像对话。延伸阅读MCP 服务端实现src/mcp/记忆架构完整说明README.mdMemory Architecture 一节更多插件集成openclaw-plugin/、hermes-plugin/API 全貌演示examples/api_pipeline_demo.py按以上 3 步操作你的任意 MCP 兼容 Agent 客户端就已拥有过目不忘的长期记忆。赞分享【免费下载链接】LycheeMemLightweight Long-Term Memory for LLM Agents.项目地址https://gitcode.com/gh_mirrors/ly/LycheeMem点击查看免费下载相关推荐在 goose 中接入 Pieces for Developers MCP让 AI Agent 拥有长期记忆在 goose 中接入 Pieces for Developers MCP让 AI Agent 拥有长期记忆 本指南完整讲解如何将 Pieces for De人工智能AI 应用AI AgentMCP Clients桌面应用CLIAI Agent如何拥有长期记忆Agentic Design Patterns记忆管理Memory Management指南AI Agent如何拥有长期记忆Agentic Design Patterns记忆管理Memory Management指南 在 Agentic Desi文档教程AI Agent人工智能如何给LLM Agent装上长期记忆LycheeMem开源记忆框架完全指南如何给LLM Agent装上长期记忆LycheeMem开源记忆框架完全指南 如果你正在开发 LLM Agent 却发现它每次对话都像失忆——记不住用户偏创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考