针对当前 AI 生态中普遍存在的 " 记忆孤岛 " 痛点，一项名为开放记忆协议（Open Memory Protocol，简称 OMP）的新标准正式亮相。该协议旨在通过建立一套跨工具、跨会话且可互操作的开放标准，实现 AI 记忆数据的便携式存储与共享。

破解 "AI 失忆 " 困境

在现有的 AI 应用格局中，记忆机制往往被锁定在单一生态内。用户在 Claude 中建立的偏好，Cursor 无法识别；ChatGPT 了解的用户习惯，自定义智能体却一无所知。这种割裂导致用户每次切换工具时，AI 仿佛 " 重置 " 为陌生人，迫使重复输入上下文信息。

OMP 试图通过开放协议解决这一结构性难题。作为一种厂商中立的规范，它定义了 AI 工具如何标准化地存储、检索和共享关于用户及其上下文的记忆数据，确保任何实现 OMP 的工具都能即时与其他兼容工具互通有无。

技术架构与核心组件

OMP 并非仅停留在概念层面，其技术栈包含四个核心部分：

规范文档：精确定义了记忆对象 Schema、存储格式及 HTTP API 标准。

参考服务器：提供可自托管的开源项目，支持通过 Docker 快速部署。

SDK 库：提供 TypeScript 和 Python 库，降低开发者构建兼容工具的门槛。

适配器：通过插件形式连接主流 AI 平台，如 Claude ( MCP ) 、OpenAI 等。

在数据模型上，OMP 将记忆划分为事件（episodic）、事实 / 偏好（semantic）和程序性知识（procedural）三类，并支持标准的 CRUD 操作及语义搜索。所有数据交互均通过 REST API 进行，采用 Bearer Token 及每工具 API Key 认证，确保安全性。

隐私优先与自托管理念

OMP 强调 " 记忆属于用户 " 的核心原则。与中心化云服务不同，OMP 设计优先考虑自托管模式。用户自行运行服务器，完全掌握数据控制权。除非用户主动导出，否则记忆数据绝不会离开本地服务器，从而避免数据被未经同意用于模型训练或因更换工具而丢失。

此外，协议支持便携式 JSON 格式的导入 / 导出，便于在不同服务器间迁移数据，进一步强化了数据的可移植性。

生态现状与开发路线图

目前，OMP 已完成 v0.1 和 v0.2 版本开发，核心规范、参考服务器及 MCP 适配器已就绪。在适配器支持方面，Claude ( MCP ) 已实现可用，而 OpenAI Assistants、Cursor、Copilot 及 Gemini 等主流工具仍处于 " 寻求协助 " 阶段，依赖社区贡献者开发相应适配器。

据项目披露，开发一个适配器通常仅需 100 至 200 行代码。团队正积极推动 Python、Go、Rust 和 Ruby 等语言的 SDK 建设。未来路线图显示，v0.3 将引入基于嵌入向量的语义搜索及 pgvector 支持，v0.4 将增加记忆命名空间功能，最终目标是推出 v1.0 稳定规范并提交至开放标准组织。

该项目由 SMJAI 及社区贡献者共同构建，采用 Apache 2.0 许可证，允许免费使用、修改和分发。

【星途科讯 图文丨踢三脚 首发于 ZAKER 科技，转载请注明出处】