前言¶
DeepSeek Harness (DSH) 的架构强调插件化与配置驱动。MemOS 是一个独立的记忆服务，通常需要通过特定的 API 或协议与智能体交互。本插件提供了一套配置层方案，旨在通过 MCP 协议将 MemOS 的记忆能力桥接至 DSH 的智能体环境，使其能够直接调用持久化记忆工具。
核心功能¶
该插件提供 16 个工具，覆盖 MemOS 记忆服务的核心操作：
* 增删改查：add_memory（添加记忆）、search_memories（语义搜索）、get_memory（获取）、update_memory（更新）、delete_memory（删除）。
* 立方体管理：create_cube、register_cube、share_cube。
* 交互与控制：chat（记忆增强聊天）、control_memory_scheduler（调度器控制）。
前置条件¶
在安装之前，需确认以下环境已就绪：
1. DeepSeek Harness CLI：dsh 命令行工具已安装。
2. MemOS 环境：MemOS 代码检出，且 Docker 堆栈已启动。
3. Python 版本：MemOS 虚拟环境 Python 版本需 ≥ 3.10。
4. 网络可达：LLM 和嵌入网关必须可从 MCP 子进程运行的机器访问。
安装与配置¶
安装过程分为 MemOS 环境准备、插件引入和参数配置三个步骤。
1. 启动 MemOS 基础设施¶
确保 MemOS 的 Docker Compose 堆栈正在运行，以提供 Neo4j、Qdrant 及 MemOS API 服务。
docker compose -f C:\path\to\MemOS\docker\docker-compose.yml up -d
2. 初始化 MemOS 侧¶
在插件目录下运行安装脚本，这将创建虚拟环境、安装依赖、应用源码补丁并下载本地分词器。
.\setup.ps1 --memos C:\path\to\MemOS
3. 安装插件¶
将当前目录的插件添加到指定的 DSH Profile（例如 web）。
dsh plugin --profile web add ./dsh-memos-bridge
4. 配置环境变量¶
插件在启动时读取环境变量以定位 MemOS 环境。
setx MEMOS_PYTHON "C:\path\to\MemOS\.venv\Scripts\python.exe"
setx MEMOS_HOME "C:\path\to\MemOS"
或使用 POSIX shell：
export MEMOS_PYTHON=/path/to/MemOS/.venv/bin/python
export MEMOS_HOME=/path/to/MemOS
5. 验证安装¶
重启 DSH 并检查配置输出，确认 id: memos-mcp 行存在。
dsh --profile web --dump-config
dsh --profile web
重启后，工具将以 mcp__memos__* 命名空间出现在智能体工具列表中。
工作原理¶
该插件本质上是一个配置层 Bundle，不修改 DSH 的核心代码。
1. 通过 cordis.patch.yml 插入配置行。
2. 挂载 DSH CLI 自带的 @deepseek-ai/dsh-mcp-client 插件。
3. 使用 stdio 协议启动 MemOS 的 MCP 服务端（python -m memos.api.mcp_serve）。
4. MemOS 子进程负责连接 Neo4j 图数据库和 Qdrant 向量库，并将记忆工具暴露给智能体。
注意事项¶
- 运行权限：插件以当前 DSH 进程的权限运行，需确保进程有权限访问 MemOS 的代码路径和配置文件。
- Neo4j 依赖：MCP 服务端启动时会检查 Neo4j，若连接失败会报错并退出（但客户端的重连策略可能会尝试恢复）。
- 端点覆盖：在主机运行环境下，可能需要配置
env覆盖 MemOS 的.env默认端点（如OPENAI_API_BASE），以使 LLM 和嵌入网关可被访问。 - 源码审查：安装前建议检查源码与许可证（MIT），特别是
scripts/patch_memos.py对 MemOS 源码的修改逻辑。
总结¶
dsh-memos-bridge 降低了 MemOS 与 DSH 集成的门槛，通过标准化的 MCP 接口将长期记忆能力转化为智能体的原生工具。对于需要构建具备持久记忆能力的智能体应用，这是一个直接可用的方案。
