用一个 MCP 给你的 AI 装上长期记忆——从原理到配置全流程

MCP（Model Context Protocol）是 Anthropic 推出的开放协议，可以理解为 AI 领域的"USB 接口"。本文以太忆（TiMEM）为例，手把手教你如何在 Cursor、Claude Code、Codex CLI 上配置 MCP，给 AI Agent 接入长期记忆能力。读完就能跟着配，不需要额外知识储备。

一、MCP 是什么

MCP（Model Context Protocol）是 Anthropic 推出来的一个开放协议，你可以把它理解为 AI 领域的"USB 接口" 。它定义了一套标准，让 AI 应用（比如 Cursor、Claude Code、Codex）能够连接外部工具和数据源------查数据库、调用 API、读写文件、管理状态，都能通过 MCP 来实现。

图片来自 Portkey.ai。MCP Host（你的 AI 工具）通过 MCP Protocol 与多个 MCP Server 通信，每个 Server 再连接各自的外部资源（本地文件、数据库、远程 API 等）。

传统的做法是每个 AI 工具自己写插件、自己对接外部服务，碎片化很严重。MCP 统一了这个接口：只要某个服务提供了 MCP Server，任何支持 MCP 的 AI 工具都能直接连上，不需要额外适配。

对开发者来说，这意味着你可以给 AI Agent 扩展各种能力------代码执行、数据库查询、浏览器自动化、项目管理、记忆管理......只要有人实现了对应的 MCP Server，配置一下就能用。

图片来自 Apideck。MCP Host（如 Cursor、Claude Desktop）通过 MCP Protocol 与多个 Server 通信，每个 Server 负责一类外部能力（文件、API、数据库等）。

二、MCP 怎么工作

简单理解就三层：

AI 应用（Client） ：Cursor、Claude Code、Codex CLI 这些支持 MCP 的 IDE 或工具，它们是发起请求的一方。

MCP Server ：一个本地或远程运行的服务，实现了 MCP 协议，对外暴露一组工具（Tools）。比如一个记忆管理的 MCP Server 可能提供 create_memory、search_memories 这样的工具。

外部能力：MCP Server 背后连接的实际服务------数据库、API、文件系统、记忆引擎等等。

图片来自 AltexSoft。Host 中的 MCP Client 通过 Transport Layer 与 MCP Server 通信，Server 再调用具体的 Tools 和 Services。

流程是这样的：

你在 AI 应用里和 Agent 对话 → Agent 判断需要用某个外部能力 → 通过 MCP 协议调用对应 Server 上的工具 → Server 执行实际操作 → 结果返回给 Agent → Agent 继续和你对话。

整个过程对你是透明的，Agent 会在需要的时候自动调用，不需要你手动操作。

三、怎么接入 MCP

下面以太忆（TiMEM）为例，手把手教你在三个主流 AI 编程工具上配置 MCP。

太忆是一个提供记忆管理和经验学习能力的 MCP Server。接入之后，你的 AI Agent 能够：

把对话中的重要信息存为长期记忆
在后续对话中自动检索相关记忆
从反馈中学习经验，越用越懂你

这只是 MCP 应用场景中的一种。理解了这个配置流程，其他 MCP Server 的接入方式大同小异。

前置准备

不管用哪个工具，准备两步：

1. 安装 uvx（用来运行 MCP Server）

bash 复制代码

pip install uv
# 或者
curl -LsSf https://astral.sh/uv/install.sh | sh

2. 获取太忆 API Key

去太忆控制台 console.timem.cloud/ 注册，创建项目，获取 API Key。

Cursor 配置

Cursor 支持两种配置方式：GUI 配置和手动编辑配置文件。

方式一：GUI 配置（推荐）

路径：Settings → MCP → Add New MCP Server

Cursor 的 MCP Servers 管理界面，可以看到已连接的 Server 及其提供的 Tools。

配置项	填什么
Name	`timem`（可自定义）
Type	`command`
Command	`uvx`
Args	`timem-mcp`

环境变量区域加上：

变量	值
`TiMEM_API_KEY`	你的 API Key
`TiMEM_API_HOST`	`https://api.timem.cloud`

保存后看到绿色 ✅ 就是连上了。

方式二：手动编辑配置文件

Cursor 会在项目根目录的 .cursor/mcp.json 里读取 MCP 配置（推荐放在项目级，这样不同项目可以用不同的 MCP）：

json 复制代码

{
 "mcpServers": {
   "timem": {
     "command": "uvx",
     "args": ["timem-mcp"],
     "env": {
       "TiMEM_API_KEY": "<your-api-key>",
       "TiMEM_API_HOST": "https://api.timem.cloud"
    }
  }
}
}

也可以放在用户级配置 ~/.cursor/mcp.json，这样对所有 Cursor 项目生效。

保存配置，重启 Cursor 生效。

Claude Code（cc）配置

ee 的 MCP 配置放在 ~/.claude/settings.json，同时在项目根目录放一个 CLAUDE.md 来告诉 Agent 怎么使用这些工具。

第一步：配置 MCP Server

编辑 ~/.claude/settings.json：

json 复制代码

{
 "mcpServers": {
   "timem": {
     "command": "uvx",
     "args": ["timem-mcp"],
     "env": {
       "TiMEM_API_KEY": "<your-api-key>",
       "TiMEM_API_HOST": "https://api.timem.cloud"
    }
  }
}
}

第二步：项目根目录放 CLAUDE.md

在你要使用记忆功能的项目根目录下创建 CLAUDE.md，内容如下：

vbnet 复制代码

You have access to TiMEM MCP server with memory management tools:
- Use create_memory to store conversation context as memories
- Use search_memories to retrieve relevant memories when needed

ee 启动时会自动读取项目根目录的 CLAUDE.md，这样 Agent 就知道什么时候该创建记忆、什么时候该搜索记忆。

配置完重启 ee，输入 /mcp 可以查看 MCP 连接状态。

Codex CLI 配置

Codex CLI 的 MCP 配置存在 TOML 文件里，支持全局配置和项目级配置。

方式一：命令行添加（推荐）

ini 复制代码

codex mcp add timem --env TiMEM_API_KEY="<your-api-key>" -- uvx timem-mcp

这条命令会自动帮你写入 ~/.codex/config.toml，不需要手动编辑文件。

方式二：手动编辑 config.toml

打开 ~/.codex/config.toml 或项目级 .codex/config.toml，添加：

ini 复制代码

[mcp_servers.timem]
command = "uvx"
args = ["timem-mcp"]

[mcp_servers.timem.env]
TiMEM_API_KEY = "<your-api-key>"
TiMEM_API_HOST = "https://api.timem.cloud"

保存后重新启动 Codex CLI。可以在会话里输入 /mcp 查看已连接的 MCP Server 和可用工具。

四、接入效果是什么样的

图片来自 Towards Data Science。MCP Server 对外暴露 Resources、Tools、Prompts 三类能力，Agent 通过 MCP Protocol 调用它们，再由 Server 转化为对底层 Databases、Services、Files 的实际操作。

配置完之后，你不需要做任何额外操作。正常和 Agent 对话就行，它会在后台自动：

把对话中的关键决策、设计约定、约束条件保存为记忆
后续对话中，自动检索和当前话题相关的记忆
长期积累下来，Agent 会形成对你项目的深度理解

具体能感受到的变化：

变化	描述
新对话不再从零开始	之前敲定过的架构设计、技术选型、编码规范，Agent 会自动记住
纠正过的偏好会被学习	你纠正过它某个写法不符合规范，几次之后同样错误不会再犯
踩过的坑会沉淀	某个依赖版本有问题、某个字段有特殊含义------这些经验会被记住

五、写在最后

MCP 这个协议最大的价值在于标准化------不管你的 AI 工具是 Cursor、Claude Code 还是 Codex，配置方式几乎一样。这给 AI Agent 扩展能力提供了一个统一的路径。

以太忆为例，它只是 MCP 生态里众多 Server 中的一个，专注解决记忆管理这个具体的问题。理解了怎么接它，你接其他 MCP Server 也是同样的流程：装 Server → 填配置 → 加 Agent Rules → 重启验证。

图片来自 Data Science Collective。MCP 生态正在快速扩展，除了记忆管理，还有代码执行、浏览器自动化、数据库查询、项目管理等各种能力。

目前 MCP 生态正在快速扩展，除了记忆管理，还有代码执行、浏览器自动化、数据库查询、项目管理等各种能力。值得花点时间了解这个协议，它会让你的 AI 工具链强大很多。

相关链接：

太忆官网：timem.cloud/
文档地址：docs.timem.cloud/
GitHub：github.com/TiMEM-AI/Ti...