$ loading_
为多种 AI 开发工具提供可自托管的记忆存储与混合检索能力
该工具材料显示其为开源 MIT 的 MCP 记忆层，未声明需要密钥或固定远程端点，整体未见明确高风险红旗。但其描述涉及自托管 Supabase/Vercel 与记忆存储/检索能力，实际部署后可能带来本地执行、数据持久化和潜在网络外发，信息不足处需留意。
材料明确写明无需密钥/环境变量，当前未见要求提供 API token、账号凭证或高敏感认证信息的迹象，因此凭证泄露面较低。
虽未声明远程端点，但描述提到“self-hosted on Supabase + Vercel”，说明实际部署形态可能涉及与自建云服务通信并传输记忆数据。材料未列出具体主机、数据流向与是否默认外发，存在信息不透明点，需核实部署配置。
系统检查项已标记为 executes-code，表明该 MCP 工具具备在本机运行代码/进程的常规能力。这属于同类工具常见性质；现有材料未显示其申请异常系统权限或执行与声明功能明显无关的操作。
作为“memory layer”，其功能天然涉及保存、索引和检索用户/代理交互内容，可能形成持久化记忆数据集。材料未说明具体读写范围、隔离边界、保留策略或删除机制，因此应关注是否会存储敏感上下文以及本地/云端落盘位置。
正面证据是开源、MIT 许可且可审计源码；这明显降低了供应链风险。需留意的是来源为第三方注册表、仓库社区采用度为 0 star、维护状态未知，信任度一般，建议在使用前审阅代码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-Agentmemory" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请说明如何将 mcp-Agentmemory 接入 Claude Code，给出部署到 Supabase 和 Vercel 的步骤、所需环境变量，以及验证记忆是否生效的方法。
一份完整的接入与部署指南，包含配置步骤、环境变量说明和验证流程。
帮我设计一个使用 mcp-Agentmemory 的工作流：当我在 Cursor 中修改项目时，自动检索相关的历史决策、代码片段和任务记录，并整理成给 AI 的上下文摘要。
一个可执行的记忆检索工作流方案，说明触发方式、检索内容和摘要输出格式。
请用通俗方式解释 mcp-Agentmemory 中 BM25、pgvector 和图检索的作用，并说明它们组合后相比单一向量检索的优势与适用场景。
一份清晰的原理说明和场景对比，帮助判断何时使用混合检索。
为多种 AI 编程代理提供可共享、可检索的本地长期记忆。
为 AI 编码助手提供跨会话长期记忆、检索与信息组织能力。
让 MCP 客户端跨会话记住用户偏好与关键信息并快速检索
为 Claude Code 提供跨会话持久记忆与语义检索上下文能力
为 Claude Code 持久存储并检索项目记忆、偏好与决策上下文。
为 Claude Code 持久保存对话记忆，并跨会话检索相关上下文。