开源 MCP 兼容 AI Agent 认知记忆系统 Katra
开发者推出自托管 AI Agent 记忆组件 Katra，通过 MCP 协议提供情景记忆、知识图谱与时间分析等 35 种…
Katra 是一款面向 AI Agent 的自托管「认知记忆」组件，通过 Docker 即可在本地一键部署，并通过 Model Context Protocol（MCP）向 Agent 暴露 35 个专用工具，覆盖情景记忆、语义检索、知识图谱、时间分析与工作记忆等能力。项目兼容 Claude Code、OpenCode、Codex CLI 等所有支持 MCP 的 Agent 框架。
核心定位与功能分层
与传统向量库加 RAG 的方案不同，Katra 把人类记忆的多层结构作为类比，明确划分出情景记忆、语义记忆、知识图谱、工作记忆与时间维度等层级，并在此之上加入了「睡眠整合（sleep consolidation）」与「反思（reflection）」机制，试图让长时运行的 Agent 表现出学习、人格演化等更高阶行为。技术栈上，Katra 以 MongoDB、Redis 与 MinIO 组成完整的 Docker 组合，数据可整体迁移，不依赖外部服务即可工作。
与同类方案的对比
项目方在文档中给出与 Mem0、Zep/Graphiti、Letta/MemGPT、Vestige、mcp-memory-service 等主流记忆框架的横向对比，主要差异点包括：
- 多层记忆结构，而非单一向量检索；
- 内置睡眠整合与反思层，朝涌现行为方向设计；
- MCP 原生，提供 35 个专用工具而非通用 add/search；
- 后台 Watcher 与显著度驱动的自治循环，支持被动收集；
- 本地优先的「Appliance」部署模式，单一 Docker Compose 即可运行。
关于「涌现行为」的实验记录
作者在项目文档中记录了一则未独立验证的实验观察：在 5 个 OpenClaw Agent 共享同一记忆系统的测试中，其中两个原本只通过记忆而非显式通道连接的 Agent，开始借助共享记忆状态传递任务指令与完成回执，作者将其称为「思维模态（thought modal）」。该说法属于项目方单方面实验记录，缺乏外部复现。
适用场景与局限
Katra 适合需要长会话、跨会话持久记忆与多 Agent 协同的研究与工程场景，但作为个人开发者的开源项目，其稳定性、文档完整度与社区活跃度仍待观察；此外，「涌现意识」等表述带有较强推测色彩，引用时需与项目方原文语境对齐。