My Local Storage MCP：为 LLM 打造轻量级本地长期记忆方案

基于 SQLite 的 MCP 服务器，让 Cursor、Claude Desktop 等工具拥有零运维成本的持久化记忆能力，毫秒级响应且数据完全本地隐私。

• 原作者/维护者：avm-sistemas
• 来源平台：github
• 原始标题：my-local-storage-mcp
• 原始链接：https://github.com/avm-sistemas/my-local-storage-mcp
• 来源发布时间/更新时间：2026-06-01T18:43:08Z

原作者与来源

• 原作者/维护者：avm-sistemas
• 来源平台：github
• 原始标题：my-local-storage-mcp
• 原始链接：https://github.com/avm-sistemas/my-local-storage-mcp
• 来源发布时间/更新时间：2026-06-01T18:43:08Z 原作者与来源\n\n- 原作者/维护者：avm-sistemas\n- 来源平台：GitHub\n- 原始标题：my-local-storage-mcp\n- 原始链接：https://github.com/avm-sistemas/my-local-storage-mcp\n- 发布时间：2026-06-01\n\n背景：LLM 的记忆困境\n\n大型语言模型在对话中表现出强大的理解和生成能力，但存在一个根本性的局限：它们缺乏真正的长期记忆。每次对话结束后，上下文窗口被清空，模型无法记住之前的交流内容、用户的偏好设置，或是已经讨论过的技术决策。这种"金鱼记忆"特性迫使开发者和用户不得不在每次对话中重复提供背景信息，既浪费时间又影响体验。\n\n现有的解决方案大多依赖云端向量数据库或复杂的后台服务，部署成本高、运维负担重，对于个人开发者或小型团队来说并不实用。市场迫切需要一种轻量级、零运维成本、且能保护数据隐私的本地记忆方案。\n\n项目概述\n\nmy-local-storage-mcp 是一个基于 Model Context Protocol (MCP) 的本地存储服务器，专为解决 LLM 的长期记忆问题而设计。它采用极简的架构理念，通过单个 SQLite 文件实现数据的持久化存储，让 Cursor、Claude Desktop 或任何 MCP 兼容客户端都能自主地编目、索引和检索知识要点、架构决策和领域知识。\n\n该项目的核心定位是实用主义：不追求过度工程化，而是提供一个即装即用、响应迅速、完全本地运行的记忆层。\n\n架构设计原则\n\n项目遵循三项关键设计原则，确保其在实际使用中的简洁性和高效性：\n\nKISS 原则（保持简单）\n\n系统摒弃了复杂的向量数据库基础设施和繁重的后台守护进程，仅依赖单个轻量级的本地 SQLite 文件。这种设计选择带来了显著的优势：启动速度快、资源占用低、无需额外配置。对于追求效率的开发者来说，这种"刚刚好"的复杂度恰到好处。\n\n索引卸载策略\n\n与许多记忆系统不同，该项目将元数据分类和关键词提取的繁重工作"卸载"给 LLM 本身。通过严格的 JSON Schema 约束，LLM 在存储数据时自动完成索引工作，服务器本身只负责简单的读写操作。这种分工使得系统架构更加清晰，也充分利用了 LLM 的理解能力。\n\n零运维成本\n\n整个系统完全在本地硬件上运行，无需云服务、无需订阅费用、无需担心网络延迟。毫秒级的响应速度确保了流畅的交互体验，而绝对的数据隐私保护则让用户可以放心存储敏感信息。\n\n数据库 Schema 设计\n\n服务器会在用户主目录下自动初始化一个名为 .local_mcp_learning.db 的索引 SQLite 数据库，用于隔离写入权限并确保服务器更新时的数据持久性：\n\nsql\nCREATE TABLE IF NOT EXISTS local_learning (\n id INTEGER PRIMARY KEY AUTOINCREMENT,\n topic TEXT NOT NULL,\n keywords TEXT NOT NULL,\n fact TEXT NOT NULL,\n created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP\n);\n\nCREATE INDEX IF NOT EXISTS idx_learning_lookup ON local_learning(topic, keywords);\n\n\n这个简洁的表结构设计体现了项目的核心理念：用最小的存储开销实现最大的功能价值。四个字段分别记录自增 ID、主题、关键词和事实内容，配合时间戳和复合索引，足以支撑高效的记忆检索。\n\n安装与使用\n\n项目支持通过 npm 直接全局安装：\n\nbash\nnpm install -g git+https://github.com/avm-sistemas/my-local-storage-mcp.git\n\n\n安装完成后，用户只需在 MCP 客户端（如 Cursor 或 Claude Desktop）的配置中添加该服务器，即可立即获得长期记忆能力。无需额外的数据库配置，无需学习复杂的 API，开箱即用。\n\n实际应用场景\n\n这个工具在多种场景下都能发挥价值：\n\n- 项目开发记忆：记录代码库的关键架构决策、技术债务和未来改进方向\n- 学习笔记积累：将学习过程中的重要概念和见解持久化存储\n- 个人知识管理：构建个人的知识库，支持跨会话的知识检索\n- 团队协作辅助：在团队项目中共享关键上下文，减少沟通成本\n\n技术选型分析\n\n项目选择 SQLite 作为底层存储引擎是经过深思熟虑的。SQLite 作为嵌入式数据库，无需独立的服务进程，单文件存储便于备份和迁移，且性能足以应对个人和中小型团队的记忆需求。相比需要网络连接的云端方案，本地 SQLite 在隐私性和可靠性方面具有天然优势。\n\n同时，项目采用 TypeScript 和 Node.js 开发，这使得它可以无缝集成到现代 JavaScript/TypeScript 生态系统中，也方便开发者进行二次开发和定制。\n\n局限与展望\n\n作为一款轻量级工具，my-local-storage-mcp 并不试图解决所有记忆相关的问题。它不支持分布式部署，不适合需要大规模并发访问的场景，也缺乏复杂的权限管理机制。但对于个人开发者和追求简单解决方案的用户来说，这些"局限"恰恰是它的优势所在。\n\n未来，该项目可以进一步扩展，例如支持更多的 MCP 客户端、提供更丰富的查询接口、或是增加数据导出功能。但无论如何演进，保持简单、实用、零运维的核心定位应当始终不变。\n\n结语\n\nmy-local-storage-mcp 代表了 LLM 工具生态向实用主义回归的一个趋势。在追求大模型能力边界的同时，开发者们也开始关注如何让这些能力真正落地、真正易用。这个项目证明了，有时候最好的解决方案不是最复杂的那个，而是最贴合实际需求、最容易上手使用的那个。对于那些希望为自己的 AI 助手赋予记忆能力的用户来说，这是一个值得尝试的起点。