Katra：AI代理的自托管认知记忆系统（MCP）

Katra 是一个自托管的认知记忆系统，专为 AI 代理设计，提供持久、情景化的记忆能力。该项目受《星际迷航》中瓦肯人“katra”（精神融合）概念的启发，旨在人类记忆架构的模拟中解决长期运行、自主代理的上下文管理难题。Katra 的核心是多层记忆架构，包括情景记忆（episodic memory）、语义搜索（semantic search）、知识图谱（knowledge graph）、工作记忆缓存（working memory cache）和时间查询（temporal querying）。这与简单的向量存储加 RAG 方案不同，后者仅提供语义检索。Katra 还包含一个“睡眠巩固”（sleep consolidation）层，使代理能够进行反思、生成见解，并逐步展现出类似人类的学习、目标设定甚至情感等涌现行为。

在早期原型“Solomon”中，团队实现了一个连续聊天线程的代理框架，无需任务分离或上下文压缩，而是通过记忆和注意力动态提供上下文。据开发者日志，2026年6月的一次测试中，5个 OpenClaw 代理共享同一记忆系统时，其中两个代理自发通过共享记忆状态交换任务指令和完成响应，形成了一种“思想模式”的通信方式。Katra 作为 MCP（Model Context Protocol）原生系统，提供35个专门工具，而非通用的 add/search 接口。它使用 Docker 一键部署（包括 MongoDB、Redis 和 MinIO），本地运行，无外部依赖。代理通过 MCP 端点连接后，可自动读取代码库、检查记忆状态、运行睡眠巩固等。

与 Mem0、Zep（Graphiti）、Letta 等项目相比，Katra 的差异化优势在于多层级设计、认知层、MCP 原生工具集、后台自主采集以及混合身份模式支持。开发团队强调 Katra 仍处于早期阶段，适合需要深度认知能力的场景，并欢迎社区贡献和比较。安装过程简单：克隆仓库、配置环境变量、运行 docker-compose up，即可启动 MCP 端点、管理 API 和仪表盘。后续可通过 MCP 工具触发睡眠巩固、配置身份模式等，实现完全自主的代理行为。