Graphiti MCP Server配置教程：让Cursor和Claude Code拥有持久记忆

AI编程助手的记忆困境：为什么需要Graphiti

用 Cursor 或 Claude Code 做项目开发时，你大概率遇到过这些烦心事：关闭 IDE 再打开，AI 助手对之前的项目上下文一无所知，不得不重新索引整个项目，白白烧掉大量 token；明明修过的 bug 下次又踩一遍；团队成员之间没法共享技术经验和踩坑记录。

归根结底，当前 AI 编程助手的记忆是短暂且碎片化的。这些工具的记忆机制主要依赖上下文窗口（Context Window）——即模型单次对话能处理的 token 数量上限。Cursor 基于 VS Code 构建，通过索引项目文件生成向量嵌入来提供代码补全和对话能力，但这些索引在会话结束后并不会形成持久化的语义记忆。Claude Code 作为 Anthropic 推出的命令行 AI 编程工具，虽然支持 CLAUDE.md 等项目记忆文件，但本质上仍是静态文本，缺乏结构化的知识管理能力。这意味着 AI 助手每次启动都近似于「失忆」状态，需要重新理解项目全貌。

Cursor 和 Claude Code 自带的记忆功能效果有限，做不到真正的跨对话持久记忆。Graphiti MCP Server 正是为了解决这个核心痛点而生——它通过时序感知知识图谱，为 AI 编程助手搭建了一个真正的「持久记忆大脑」，实现跨会话的上下文感知与知识积累。

Graphiti是什么？时序感知知识图谱的核心优势

与传统RAG方案的本质区别

Graphiti 是一个用于构建和查询时序感知知识图谱的开源框架。和传统的检索增强生成（RAG）方案不同，它能持续将用户交互中的结构化和非结构化数据写入一个连贯、可查询的知识图谱。

所谓时序感知，是指在传统知识图谱的三元组（实体-关系-实体）基础上，为每条边和节点引入了时间戳、有效期等时态属性，能够表达「某个事实在什么时间段内成立」这类动态信息。这对软件开发场景尤为重要——比如一个 API 接口可能在 v1.0 中接受 JSON 格式，在 v2.0 中改为 Protocol Buffers，时序感知图谱能准确记录这种演变过程，而不是简单地用新信息覆盖旧信息。

Graphiti 知识图谱结构展示

传统方案（比如 Cursor 的知识库）通常采用文档向量化的方式，信息以非结构化形式存储，查询时主要靠相似度匹配，很难理解复杂的实体关系。具体来说，RAG 的核心流程是将文档切分为文本块、通过嵌入模型转化为高维向量、存入向量数据库，查询时通过余弦相似度等指标检索最相关的文本块。这种方案在处理扁平化的文档检索时表现良好，但存在几个结构性缺陷：无法表达实体间的多跳关系（如「A 依赖 B，B 依赖 C」的传递关系）、难以处理信息的时效性（旧文档和新文档的向量可能同时被检索到）、以及缺乏全局知识结构的理解能力。

Graphiti 采用知识图谱结构，通过显式建模实体和关系，天然支持这些能力，具备以下核心优势：

复杂关系推理：通过实体和关系管理，能够进行深层次的关联分析
时序感知能力：理解信息的时间关系和发展脉络，清楚什么时候发生了什么
完整数据生命周期管理：支持添加、删除、搜索、维护等全套操作

Graphiti MCP Server能记住哪些信息？

通过 MCP（Model Context Protocol）协议集成后，Graphiti 让 AI 编程助手可以自动存储、检索和推理交互中的信息。MCP 是 Anthropic 于 2024 年底推出的开放协议标准，旨在为 AI 模型与外部工具、数据源之间建立统一的通信接口。它采用客户端-服务器架构，定义了工具调用（Tools）、资源访问（Resources）和提示模板（Prompts）三种核心原语。AI 应用作为 MCP 客户端，可以发现并调用 MCP 服务器暴露的各种能力——类似于 Web 领域的 HTTP 协议，通过标准化的接口规范，让不同的 AI 应用能够以统一方式接入各种外部服务。目前 Cursor、Claude Code、Windsurf 等主流 AI 编程工具均已支持 MCP 协议。

具体来说，Graphiti MCP Server 能记住以下信息：

编程偏好：你习惯使用的技术栈、代码风格、框架选择
项目需求与架构：项目的技术架构、模块依赖关系
代码规范：团队约定的编码规范和最佳实践
Bug修复历史：每个 bug 出现的原因、修复方案和最终结果
重构记录：每个模块的重构原因、过程和结果，保留历史决策上下文

更关键的是，它还支持团队共享知识库——可以追踪服务间的依赖变化、API 演进历程，让团队成员共享技术经验和问题解决方案。

实战效果演示：知识图谱驱动的智能开发

跨会话记忆验证

在 Claude Code 中直接提问「我的技术栈和技术偏好是什么」，Graphiti MCP Server 会自动查询知识图谱，返回之前记录的完整技术栈信息——包括 Next.js、Tailwind CSS、React 等偏好设置。这些信息在关闭 IDE 后依然保留，真正做到了跨对话的持久记忆。

在知识图谱的可视化界面中，点击实体节点就能查看详细信息。比如点击「技术栈偏好」节点，能看到关联的所有项目；双击某个 bug 节点，可以查看该 bug 的详细描述和修复方案。

智能Bug修复与自动记录

来看一个实际案例：一个使用 Chakra UI 开发的智能背单词 React 组件中，单词卡片上的文字出现了镜像翻转问题。

Bug 修复过程演示

输入提示词描述问题后，Graphiti MCP 的工作流程如下：

查询知识图谱：首先检索项目信息和历史中的相似问题
定位问题：通过知识图谱中的项目结构信息快速定位到问题所在的 CSS 文件
执行修复：修改相关 CSS 规则，恢复文字正常显示
自动记录：将修复方案自动存入知识图谱，包括问题原因和解决方案

关闭 Claude Code 后重新打开，输入「你刚才为这个项目修复了什么问题」，系统成功查询到了文字镜像翻转的问题及其解决方案。这就是持久记忆的价值——避免重复踩坑，持续积累项目知识资产。

Graphiti MCP Server完整配置教程：从零开始搭建

下面是 Graphiti MCP Server 的详细安装配置步骤，涵盖 Neo4j 数据库安装、环境变量配置以及在 Cursor 和 Claude Code 中的集成方法。

第一步：安装Neo4j图数据库

Graphiti 底层依赖 Neo4j 图数据库来存储知识图谱数据。Neo4j 是全球最流行的原生图数据库，采用属性图模型（Property Graph Model）存储数据，其中节点和边都可以携带任意数量的键值对属性。与关系型数据库不同，Neo4j 使用「免索引邻接」（Index-free Adjacency）技术——每个节点直接持有指向其相邻节点的物理指针，这使得图遍历操作的时间复杂度与图的总规模无关，仅与遍历的局部子图大小相关。Neo4j 使用 Cypher 查询语言，其语法以 ASCII 艺术风格直观表达图模式匹配，例如 (a)-[:DEPENDS_ON]->(b) 表示节点 a 依赖节点 b。这种数据模型天然适合存储知识图谱中的实体关系网络。

从 Neo4j 官方网站下载并安装 Desktop 版本，创建实例时需要设置以下参数：

Instance Name：根据项目需求自定义命名
User：保持默认即可
Password：设置一个容易记住的密码（后续配置要用到）

Neo4j 安装配置过程

第二步：克隆项目并配置环境变量

# 克隆 Graphiti 项目
git clone <graphiti-repo-url>

# 进入 MCP Server 目录
cd graphiti/mcp_server

# 安装依赖
uv install

# 复制配置文件
cp .env.example .env

# 编辑配置文件
nano .env

这里使用的 uv 是由 Astral 团队（同时也是 Ruff 代码检查工具的开发者）推出的 Python 包管理和项目管理工具，使用 Rust 编写，速度比传统的 pip 快 10-100 倍。uv 整合了虚拟环境管理、依赖解析、包安装、Python 版本管理等功能于一体，类似于 Rust 生态中的 Cargo 或 JavaScript 生态中的 npm。其 uv run 命令会自动处理虚拟环境的创建和激活，大幅简化了项目的环境配置流程。

在 .env 配置文件中需要填写以下关键参数：

NEO4J_PASSWORD：上一步在 Neo4j 中设置的密码
OPENAI_API_KEY：OpenAI 的 API Key（默认使用 GPT-4.1-mini 模型）
如果没有 OpenAI API Key，也可以配置其他兼容 API，例如将 base URL 指向 DeepSeek 并填写对应的模型名称

配置完成后，启动 MCP Server：

# 以 SSE 方式启动服务
uv run start-sse

第三步：在Cursor中集成Graphiti MCP

Cursor 集成 Graphiti MCP Server 的步骤如下：

打开 Cursor 设置 → 工具 → 添加 MCP Server
输入 MCP Server 的 SSE 连接地址并保存
确认界面显示 Graphiti MCP Server 及其 8 个可用工具
在项目规则文件中添加 Graphiti MCP 的使用指令，明确要求 AI 使用知识图谱工具查找偏好、项目设置，并在每次交互后保持知识图谱更新

第四步：在Claude Code中集成Graphiti MCP

Claude Code 中添加 MCP Server

# 以 SSE 方式添加 MCP Server
claude mcp add graphiti-sse --transport sse <server-url>

# 验证连接状态
/mcp

这里的 SSE（Server-Sent Events）是一种基于 HTTP 的单向实时通信技术，允许服务器通过持久化的 HTTP 连接向客户端推送事件流。在 MCP 协议中，SSE 是两种主要传输方式之一（另一种是 stdio 标准输入输出）。SSE 方式的优势在于：MCP 服务器作为独立进程运行，可以被多个客户端同时连接，非常适合团队共享场景；同时支持远程部署，服务器不必与 AI 编程工具运行在同一台机器上。相比之下，stdio 方式更适合单用户本地使用场景，由客户端直接启动服务器子进程。

建议同时配置 Claude Code 的 User Memory 文件，写入与 Cursor 规则文件相同的 Graphiti MCP 使用指令。这样可以确保 AI 在每次交互中都会主动调用知识图谱进行查询和更新。

实际开发场景：从零构建项目的完整体验

配置完成后，在 Claude Code 中输入「根据我的技术栈偏好开发一个简单的 Todo List 应用」，AI 会按照以下流程工作：

自动调用 Graphiti MCP 查询你的技术栈偏好
根据偏好选择对应的框架和工具（如 Next.js + Tailwind CSS）进行开发
将项目初始化信息、技术架构等自动记录到知识图谱
后续的每次修改（比如调整输入框文字颜色）也会被实时记录

在知识图谱的可视化界面中，可以清晰看到项目节点、技术栈节点、开发者偏好节点之间的关联关系，形成一张完整的项目知识网络。

总结与展望

Graphiti MCP Server 通过时序感知知识图谱，从根本上补齐了 AI 编程助手的记忆短板。它不只是一个简单的记忆存储工具，更是一个能进行关系推理、时序追踪的智能知识管理系统。

对个人开发者来说，它帮你积累编程经验、避免重复踩坑；对团队协作来说，它能共享技术知识、追踪项目演进。随着 MCP 生态的持续完善，「AI + 知识图谱」这种组合模式，很可能成为下一代 AI 辅助开发工具的标配。

如果你正在寻找一种方式让 Cursor 或 Claude Code 真正「记住」你的项目，Graphiti MCP Server 值得一试。