LLM Memory Bridge (记忆神经中枢)

LLM Memory Bridge 是一个打通浏览器 AI 对话与本地长期记忆库的“神经桥梁”。它让 Google Gemini、Claude 等 AI 拥有跨会话的长期记忆能力，并支持通过 MCP (Model Context Protocol) 供 Claude Desktop、Cursor 等 Agent 调用。

本项目采用 Google Gemini API 作为 "Gatekeeper"（守门人），负责对进入记忆库的信息进行智能清洗、摘要和标签化，确保记忆的高质量。

✨ 核心特性

🛡️ Gatekeeper Agent (云端守门人)

• 智能清洗: 由 Google Gemini Pro/Flash 驱动，自动识别输入意图（保存/更新/忽略）。
• 隐私保护: 自动剔除无关闲聊，提取核心事实。
• 自动摘要: 为网页内容或长对话生成精炼摘要并自动打标签。
• 来源追踪: 精确记录记忆来源，支持 'mcp' (CLI/Cursor), 'web_extension' (浏览器), 'file_watcher' (本地文件)。

👓 浏览器感知 (Extension)

• 全能悬浮球 (FAB):
  • 🔴 红色: 离线/错误
  • 🔵 蓝色: Gatekeeper 处理中 (清洗/保存)
  • 🟢 绿色: 就绪/成功
• Web Clipper: 自动识别网页内容，一键清洗并存入向量库。
• 现代化 Popup 面板:
  • 极简设计: 适配现代审美，提供清晰的状态指示。
  • 快捷搜索: 支持对历史记忆进行关键词检索。
  • 一键复制: 快捷按钮将记忆内容复制到剪贴板，带 ✅ 反馈。
  • 智能删除: 悬浮显示的清理按钮，轻松管理存储。
• RAG 注入: 实时检索 ChromaDB 中的相关历史，并在 Gemini 网页版对话框中提供上下文注入。

🔌 MCP 协议支持

• 完美兼容 Claude Desktop, Cursor 等支持 MCP 的客户端。
• 工具集:
  • search_memory: 语义检索。
  • save_memory: 智能存储（经 Gatekeeper 处理）。
  • update_memory: 结合上下文更新旧记忆。
  • delete_memory: 遗忘与清理。

📂 本地文件同步 (File Watcher)

• 监听指定目录（如 .gemini/GEMINI.md），将本地笔记变动实时同步至向量数据库。

🛠 技术栈

• Gatekeeper Engine: Google Gemini API (google-genai).
• Backend: FastAPI, ChromaDB (向量库), Sentence-Transformers (嵌入模型).
• Frontend: Chrome Extension (Vanilla JS, Content-Script-Driven).
• Protocol: Model Context Protocol (MCP).

📂 项目结构

├── extension/           # 浏览器插件 (悬浮球、Popup、Gatekeeper Core)
├── server/              # 后端服务中心
│   ├── agents/          # 智能体逻辑 (Gatekeeper - Gemini)
│   ├── chroma_db/       # 向量数据库持久化文件
│   ├── main.py          # FastAPI 服务入口
│   ├── mcp_server.py    # MCP 接口实现
│   └── requirements.txt
├── tools/               # 实用脚本 (watch_memory.py)
├── install.sh           # 环境安装脚本
├── start.sh             # 一键启动服务
└── stop.sh              # 停止所有服务 (带安全检查)

🚀 快速开始

1. 环境配置

创建 .env 文件并填入 Google Gemini API Key：

GEMINI_API_KEY=your_api_key_here
# 可选: 自定义模型
# GATEKEEPER_MODEL=gemini-2.0-flash

2. 启动记忆中枢 (Server)

./install.sh  # 首次运行安装依赖
./start.sh    # 启动服务器 (默认端口 8000)

3. 安装浏览器扩展

1. 打开 Chrome 访问 chrome://extensions。
2. 开启 开发者模式。
3. 点击 加载已解压的扩展程序，选择项目中的 extension/ 目录。

4. 连接 Claude/Cursor (MCP)

注意: MCP Server 依赖于后台运行的 FastAPI 服务，请确保已运行 ./start.sh。

配置 claude_desktop_config.json:

{
  "mcpServers": {
    "memory-bridge": {
      "command": "/YOUR_ABSOLUTE_PATH/venv/bin/python",
      "args": ["/YOUR_ABSOLUTE_PATH/server/mcp_server.py"]
    }
  }
}

请将 /YOUR_ABSOLUTE_PATH/ 替换为实际的项目路径。

🤝 贡献

本项目采用 MIT 协议。