开源 MCP 兼容 AI Agent 认知记忆系统 Katra

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。