基于 MCP 协议的碎片化长期记忆服务器，支持七种原子化记忆类型、语义搜索、扩散激活与链接再巩固，为 AI Agent 提供跨会话知识持久化能力。
Memento MCP 是一个基于 MCP (Model Context Protocol) 的 AI Agent 长期记忆服务器，当前版本 v3.1.1。其核心设计理念是将信息分解为七种原子化"碎片"（fragment）进行持久化存储与跨会话恢复：fact（客观事实）、decision（架构决策）、error（错误与解决方案）、preference（用户偏好）、procedure（可重复步骤）、relation（实体依赖）、episode（叙事记忆）。
系统采用 3 层搜索架构（Redis 缓存 → PostgreSQL 关键词 → pgvector 语义搜索），并实现了扩散激活（Spreading Activation）、链接再巩固（Reconsolidation）、叙事连续性（Episode Continuity）等认知科学启发的记忆机制。自动清理功能涵盖重复合并、矛盾检测、重要度衰减与 TTL 遗忘。额外提供 CBR（Case-Based Reasoning）模式、符号验证层、情感标注（6 种标签）、4 种操作模式预设以及包含知识图谱可视化的管理控制台。
运行依赖 Node.js 20+、PostgreSQL 14+（pgvector），可选 Redis 缓存。嵌入支持 OpenAI API 或本地 Xenova/multilingual-e5-small 模型。通过 Streamable HTTP 或 OAuth (RFC 7591) 对接 Claude Code、Cursor、Windsurf、GitHub Copilot、ChatGPT 等主流 MCP 兼容平台。在 LongMemEval-S 500 题基准上搜索 recall@5 达 88.3%，QA 正确率 45.4%。采用 Apache-2.0 协议。