使用
Linux x86_64
透過 uv tool install 安裝含 MCP extra 的 mind-mem
uv tool install "mind-mem[mcp]" --force
README 與實測不符之處
- README 寫: pip install mind-mem provides mind-mem-mcp
實際可行: mind-mem-mcp 需要 extra:pip install "mind-mem[mcp]"(uv tool install "mind-mem[mcp]"),否則會出現錯誤 No module named fastmcp
確認能用
mind-mem-mcp --help輸出應包含「usage: mind-mem-mcp」。
先試試這個
mind-mem-init ~/my-workspace && ls ~/my-workspace && cat ~/my-workspace/mind-mem.json加進你的 agent
claude mcp add mind-mem -- mind-mem-mcpClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"mind-mem": {
"command": "mind-mem-mcp",
"args": []
}
}
}執行 mind-mem-init <workspace> 建立含 mind-mem.json 設定的工作區,再將 MCP 伺服器連接到你的 AI 用戶端。
它能做什麼
- 為 AI 代理提供持久記憶沒有看到它可用
- 附帶稽核證據回想記憶未測試
- 以 BM25 與向量混合搜尋記憶沒有看到它可用
- 找出記憶中的偏移與矛盾沒有看到它可用
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 4 項功能中 0 項可用
- 可離線使用
適合用來
- 以混合 BM25F 搜尋回顧過去的決策
- 偵測記憶中的偏移與矛盾
可替代 Mem0、claude-mem 和 Zep。
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
MCP 用戶端成功呼叫工具
- 從頭重跑
- 可離線使用
- 檢查於 2026年11月1日
- 版本 5.0.3
MCP 用戶端透過 stdio 連線,列出 107 個工具,呼叫 recall 也回傳了結果。
測試機器遇到的差異
- README: MIND_MEM_WORKSPACE env var implied
測試中: MCP 伺服器需要 MIND_MEM_WORKSPACE 環境變數指向已初始化的工作區才能啟動