https://infinilabs.cn/tags/MCP/Recent content in MCP on 极限科技 | INFINI LabsHugo -- gohugo.ioThu, 16 Apr 2026 10:00:00 +0800https://infinilabs.cn/blog/2026/mem0-integration/Thu, 16 Apr 2026 10:00:00 +0800https://infinilabs.cn/blog/2026/mem0-integration/你有没有遇到过这样的场景：昨天花了半小时跟 AI 把一个 Bug 的根因讲清楚了，今天新开一个对话，对方又一脸懵地从零问起。每次都要重新交代背景，像是在跟一个永远刚入职的实习生打交道。 根本原因很简单：现在大多数 AI Agent 的"记忆"只存在于当前 context window 里。窗口结束，记忆清零。 这篇文章介绍怎么用 Mem0 + Easysearch 给 Agent 装上一块真正的长期记忆——跨会话、可语义检索、在本地跑，数据完全自己掌控。 整体架构 # 用户 ↔ AI Agent（Trae / Cursor / VS Code 等） ↓ MCP 协议 Mem0 OpenMemory MCP Server ↓ HTTPS Easysearch 集群 ┌──────────────────┐ │ 记忆向量索引 │ │ kNN 语义检索 │ └──────────────────┘ 写记忆：Agent 发现有价值的信息（Bug 根因、架构决策、约定命名……）时，调用 add_memories，MCP Server 用 Embedding 模型将文本向量化后写入 Easysearch。 读记忆：Agent 开始新任务前，调用 search_memory，MCP Server 把问题向量化后在 Easysearch 做 kNN 检索，把语义最相关的历史记忆注入到 Prompt 里。