Open Memory Protocol：打破 AI 记忆孤岛，实现跨工具的统一记忆存储

背景

当前的 AI 工具生态存在一个显著的痛点：记忆孤岛（Memory Silo）。

尽管 AI 助手日益普及，但每个工具的记忆机制都是封闭且独立的。Claude 记得你昨天告诉它的内容，但 Cursor 不知道；ChatGPT 学习了你的偏好，而你自己构建的定制代理却一无所知；Copilot 了解你的代码风格，但终端里的 AI 助手却从零开始。

每当用户切换工具时，AI 就会“忘记”用户，导致上下文丢失，用户不得不重复输入信息。这种碎片化的体验不仅降低了效率，也阻碍了 AI 真正理解用户意图。正如历史上解决其他数据孤岛问题的方案一样，解决这一问题的关键在于建立一个开放协议（Open Protocol）。

核心内容

Open Memory Protocol (OMP) 是一个供应商中立的规范，旨在定义 AI 工具如何存储、检索和共享关于用户及其上下文的记忆。它致力于实现跨工具、跨会话、跨设备的可移植且互操作的 AI 记忆。

OMP 主要由以下四个部分组成：

1. 规范（Specification）：精确定义了记忆对象的结构、存储格式以及基于 HTTP 的 API 接口。
2. 参考服务器（Reference Server）：一个自托管、开源的服务器，支持通过 Docker 一键部署。
3. SDK 库：提供 TypeScript 和 Python 库，用于构建兼容 OMP 的工具。
4. 适配器（Adapters）：为 Claude (MCP)、OpenAI、Cursor 等主流 AI 工具提供插件支持。

工作原理与架构

任何实现了 OMP 的 AI 工具都可以与其他兼容 OMP 的工具即时共享记忆。其核心架构如下：

• 统一存储：所有工具读取和写入同一个由用户控制的 OMP 服务器。
• 数据隔离与共享：通过标准的 REST API 进行通信，底层存储支持 SQLite 或 Pgvector。
• 隐私优先：记忆数据默认保留在用户自己的服务器上，除非用户主动导出，否则不会离开本地环境。

技术实现细节

1. 部署与运行

OMP 参考服务器支持 Node.js 22+ 环境或 Docker 容器化部署。

• Node.js 方式：

  npx omp-server
  

• Docker 方式：

  docker run -p 3456:3456 -v omp-data:/data ghcr.io/smjai/omp-server
  

  部署后，服务器运行在 http://localhost:3456，可通过 curl http://localhost:3456/v1/health 验证状态。

2. 工具集成（以 Claude Desktop 为例）

用户可以通过修改配置文件，将 Claude 接入 OMP 服务器。

• 配置文件路径：

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json
  • Windows (Store版): %LOCALAPPDATA%\Packages\Claude_pzs8sxrjxfjjc\LocalCache\Roaming\Claude\claude_desktop_config.json

• 配置示例：

  {
    "mcpServers": {
      "omp": {
        "command": "npx",
        "args": ["omp-mcp"],
        "env": {
          "OMP_SERVER": "http://localhost:3456",
          "OMP_API_KEY": "your-omp-key"
        }
      }
    }
  }
  

3. 记忆对象模型

OMP 定义了标准的记忆对象 Schema，包含内容、类型、来源、标签、时间戳及可选的嵌入向量。

{
  "id": "mem_01j9xk2p3q4r5s6t",
  "content": "User is building a fintech startup, prefers clean architecture, dislikes over-engineering",
  "type": "semantic",
  "source": {
    "tool": "claude",
    "session_id": "sess_abc123",
    "timestamp": "2026-06-29T12:00:00Z"
  },
  "tags": ["profile", "preferences", "engineering"],
  "created_at": "2026-06-29T12:00:00Z",
  "updated_at": "2026-06-29T12:00:00Z",
  "expires_at": null
}

4. API 交互示例

OMP API 基于标准的 RESTful 设计，支持 CRUD 操作和语义搜索。

• 保存记忆：

  curl -X POST http://localhost:3456/v1/memories \
  -H "Content-Type: application/json" \
  -d '{"content":"User prefers TypeScript","type":"semantic","source":{"tool":"myapp","timestamp":"2026-06-30T00:00:00Z"}}'
  

• 搜索记忆：

  curl -X POST http://localhost:3456/v1/memories/search \
  -H "Content-Type: application/json" \
  -d '{"q":"TypeScript","limit":5}'
  

5. 高级功能：AI 辅助记忆提取

为了启用 AI 驱动的自动记忆提取和压缩，用户需要在服务器上配置 AI 提供商（如 Anthropic 或 OpenAI）的 API Key。

OMP_AI_PROVIDER=anthropic
OMP_AI_API_KEY=sk-ant-...

关键要点

• 记忆类型标准化：OMP 定义了三种核心记忆类型：
  • episodic（情景记忆）：记录具体事件。
  • semantic（语义记忆）：记录事实、偏好等静态信息。
  • procedural（程序性记忆）：记录“如何做”的知识。
• 隐私与所有权：
  • 自托管优先：用户运行服务器，完全拥有数据。
  • 供应商中立：没有单一公司控制标准，避免锁定。
  • 设计即隐私：记忆数据默认不出本地服务器，除非用户主动导出。
• 可移植性：支持通过标准的 JSON 格式进行记忆的导入/导出，方便在不同服务器或工具间迁移数据。
• 开发友好：
  • 适配器开发通常仅需 100-200 行代码。
  • 提供 TypeScript 和 Python SDK，Go、Rust、Java 等语言的 SDK 正在招募贡献者。
  • 基于 Apache 2.0 许可证，免费使用、修改和分发。
• 路线图规划：
  • v0.1：核心规范、参考服务器、MCP 适配器。
  • v0.2：AI 记忆提取、对话压缩、MCP 资源与提示词。
  • v0.3：基于嵌入向量的语义搜索、Pgvector 支持。
  • v0.4：记忆命名空间（支持按项目隔离记忆）。
  • v0.5：多用户支持、访问控制。
  • v1.0：稳定规范，提交至开放标准机构。

意义与影响

Open Memory Protocol 的提出标志着 AI 应用从“单点智能”向“互联智能”演进的重要一步。

1. 终结上下文碎片化：通过统一的记忆存储，用户不再需要在不同工具间重复输入背景信息。AI 助手能够跨平台、跨会话地积累对用户意图的理解，从而提供更连贯、更个性化的服务。
2. **夺回数据主权