Graphiti MCP 为 Cursor 赋予持久记忆

在人工智能辅助软件开发日益普及的今天，一个关键的挑战浮出水面：如何让 AI 编码助手像人类开发者一样拥有跨会话的“记忆”，能够记住并应用项目的编码规范、偏好设置、特定流程甚至需求细节。目前，广受欢迎的 AI 集成开发环境（IDE） Cursor 尚未提供完善的记忆解决方案。

近期，一项利用开源时序图谱框架 Graphiti 及其 MCP (Model Context Protocol) 服务器为 Cursor IDE 增添持久化记忆能力的尝试，为解决这一痛点带来了新的可能。这一集成使得 Cursor 内的 AI 助手能够有效地存储、管理和回忆信息，有望处理更复杂的开发任务。

为何持久记忆至关重要？

缺乏跨会话的记忆能力，意味着 AI 编程助手在每次交互或新的开发会话中，可能都需要重新获取上下文信息。这不仅降低了效率，也限制了其处理复杂项目和长期任务的能力。持久化记忆让 AI 能够：

1. 保持一致性：确保在整个项目周期中遵循相同的编码标准和开发者偏好。
2. 理解上下文：更好地理解长期项目需求和不断演变的技术规格。
3. 处理复杂任务：基于历史交互和项目知识，执行更复杂、多步骤的开发任务。

赋予 AI 编程助手可靠的记忆力，是其从简单的代码补全工具向真正智能开发伙伴进化的关键一步。

解读 MCP 与 Graphiti

MCP ，即模型上下文协议（Model Context Protocol），是一种旨在促进 AI 应用（MCP 客户端）与外部资源（MCP 服务器）之间结构化交互的开放标准。它允许 AI 模型访问外部数据或工具，突破静态训练数据的限制。在此次集成中，Graphiti 充当 MCP 服务器，而 Cursor IDE 则作为 MCP 客户端。

Graphiti 是一个用于构建和查询时序感知知识图谱的框架，特别适用于在动态环境中运行的 AI 智能体。与传统的检索增强生成（RAG）方法主要依赖静态或批量更新的向量数据库不同，Graphiti 能够持续地将用户交互、结构化与非结构化的企业数据以及外部信息整合到一个连贯、可查询的图谱中。该框架支持增量数据更新、高效检索和精确的历史状态查询，且无需完全重新计算整个图谱，非常适合开发交互式、具备上下文感知能力的 AI 应用。

Graphiti 团队发布了一个实验性的 MCP 服务器，将其框架能力以工具形式暴露给 AI 智能体（如 Cursor Agent）直接调用。鉴于 Cursor 在开发社区的流行度以及团队自身的使用体验，选择 Cursor 来演示 MCP 集成是一个自然的选择。

定制 Graphiti 以适配 Cursor

Graphiti 的一个特点是允许通过自定义实体定义来使用丰富的、领域特定的数据结构，用具体的模型替代通用的图节点。例如，在与 Cursor IDE 集成的场景中，可以定义一个 Requirement（需求）实体：

from pydantic import BaseModel, Field
class Requirement(BaseModel):
"""需求代表了产品或服务必须满足的特定需要、特性或功能。
始终确保在需求和其所属项目之间创建一条边，并在边上明确指出该需求是一个 requirement。
识别和提取需求的说明：
1. 寻找明确的需求或必要性陈述（“我们需要X”，“X是必需的”，“X必须有Y”）。
2. 识别描述系统应做什么的功能规范。
3. 注意非功能性需求，如性能、安全或可用性。
4. 提取必须遵守的约束或限制。
5. 关注清晰、具体、可衡量的需求，而不是模糊的愿望。
6. 如果提到优先级或重要性（“关键”、“高优先级”等），则捕获它们。
7. 包括需求之间的明确依赖关系。
8. 保留原始意图和范围。
9. 根据领域或功能进行适当分类。
"""
project_name: str = Field(
...,
description='需求所属项目的名称。',
)
description: str = Field(
...,
description='需求的描述。仅使用上下文中提到的信息来编写此描述。',
)

这种结构化的方法使得 Cursor 能够精确地将项目需求存储在 Graphiti 的知识图谱中，并在需要时进行检索。

集成实现步骤

将 Graphiti 的 MCP 服务器集成到 Cursor IDE 以提供记忆功能，主要通过以下步骤实现：

1. 配置：将 Cursor IDE 配置为连接到 Graphiti MCP 服务器的 MCP 客户端，建立直接交互通道。详细配置可参考 Graphiti MCP 的 ReadMe 文档。
2. 自定义实体定义：在 Graphiti 中定义代表项目规格、编码标准等的自定义实体，如 Requirement（需求）、Preference（偏好）、Procedure（流程）等。
3. 实时数据更新：指示 Cursor 助手在 Graphiti 知识图谱中添加和更新实体。例如，当开发者将 UI 框架偏好从 Chakra UI 更改为 ShadCN 时，这一变更会立即反映在图谱中，并附带记录变更时间的时序元数据。
4. 行动前检索：指示 Cursor 助手在执行操作前查询 Graphiti，以检索存储的偏好、需求和流程。这些信息可以在不同会话甚至不同项目间保持持久。

相关项目提供了一个演示视频，展示了 Cursor Agent 如何利用 Graphiti MCP 服务器来管理和回忆项目需求和开发者偏好设置。

潜在影响与后续步骤

这项 Cursor 与 Graphiti MCP 的集成，展示了为 AI 编码助手赋予持久化、结构化记忆的一种有效途径。虽然 Graphiti 的 MCP 服务器目前仍处于实验阶段，但它预示着 AI 辅助开发工具未来可能的发展方向——AI 不仅能理解当前指令，还能基于积累的知识和上下文提供更智能、更个性化的辅助。这有望显著提升开发效率，并使 AI 能够参与到更长期、更复杂的软件工程任务中。

对 Graphiti 框架或 MCP 集成感兴趣的开发者，可以进一步探索以下资源：

• Graphiti GitHub 仓库: https://github.com/getzep/graphiti
• MCP 服务器文档: https://github.com/getzep/graphiti/blob/main/mcp_server/README.md
• Zep 的相关研究论文 (arXiv): Zep: A Temporal Knowledge Graph Architecture for Agent Memory