前言¶
DeepSeek Harness (DSH) 的架構強調插件化與配置驅動。MemOS 是一個獨立的記憶服務，通常需要通過特定的 API 或協議與智能體交互。本插件提供了一套配置層方案，旨在通過 MCP 協議將 MemOS 的記憶能力橋接至 DSH 的智能體環境，使其能夠直接調用持久化記憶工具。
核心功能¶
該插件提供 16 個工具，覆蓋 MemOS 記憶服務的核心操作：
* 增刪改查：add_memory（添加記憶）、search_memories（語義搜索）、get_memory（獲取）、update_memory（更新）、delete_memory（刪除）。
* 立方體管理：create_cube、register_cube、share_cube。
* 交互與控制：chat（記憶增強聊天）、control_memory_scheduler（調度器控制）。
前置條件¶
在安裝之前，需確認以下環境已就緒：
1. DeepSeek Harness CLI：dsh 命令行工具已安裝。
2. MemOS 環境：MemOS 代碼檢出，且 Docker 堆棧已啓動。
3. Python 版本：MemOS 虛擬環境 Python 版本需 ≥ 3.10。
4. 網絡可達：LLM 和嵌入網關必須可從 MCP 子進程運行的機器訪問。
安裝與配置¶
安裝過程分爲 MemOS 環境準備、插件引入和參數配置三個步驟。
1. 啓動 MemOS 基礎設施¶
確保 MemOS 的 Docker Compose 堆棧正在運行，以提供 Neo4j、Qdrant 及 MemOS API 服務。
docker compose -f C:\path\to\MemOS\docker\docker-compose.yml up -d
2. 初始化 MemOS 側¶
在插件目錄下運行安裝腳本，這將創建虛擬環境、安裝依賴、應用源碼補丁並下載本地分詞器。
.\setup.ps1 --memos C:\path\to\MemOS
3. 安裝插件¶
將當前目錄的插件添加到指定的 DSH Profile（例如 web）。
dsh plugin --profile web add ./dsh-memos-bridge
4. 配置環境變量¶
插件在啓動時讀取環境變量以定位 MemOS 環境。
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. 驗證安裝¶
重啓 DSH 並檢查配置輸出，確認 id: memos-mcp 行存在。
dsh --profile web --dump-config
dsh --profile web
重啓後，工具將以 mcp__memos__* 命名空間出現在智能體工具列表中。
工作原理¶
該插件本質上是一個配置層 Bundle，不修改 DSH 的核心代碼。
1. 通過 cordis.patch.yml 插入配置行。
2. 掛載 DSH CLI 自帶的 @deepseek-ai/dsh-mcp-client 插件。
3. 使用 stdio 協議啓動 MemOS 的 MCP 服務端（python -m memos.api.mcp_serve）。
4. MemOS 子進程負責連接 Neo4j 圖數據庫和 Qdrant 向量庫，並將記憶工具暴露給智能體。
注意事項¶
- 運行權限：插件以當前 DSH 進程的權限運行，需確保進程有權限訪問 MemOS 的代碼路徑和配置文件。
- Neo4j 依賴：MCP 服務端啓動時會檢查 Neo4j，若連接失敗會報錯並退出（但客戶端的重連策略可能會嘗試恢復）。
- 端點覆蓋：在主機運行環境下，可能需要配置
env覆蓋 MemOS 的.env默認端點（如OPENAI_API_BASE），以使 LLM 和嵌入網關可被訪問。 - 源碼審查：安裝前建議檢查源碼與許可證（MIT），特別是
scripts/patch_memos.py對 MemOS 源碼的修改邏輯。
總結¶
dsh-memos-bridge 降低了 MemOS 與 DSH 集成的門檻，通過標準化的 MCP 接口將長期記憶能力轉化爲智能體的原生工具。對於需要構建具備持久記憶能力的智能體應用，這是一個直接可用的方案。
