LangChain / LangGraph
通过 langchain-mcp-adapters 代码级接入——两个框架共用同一套。
LangChain 和 LangGraph 是开发者框架，不是图形化应用——这是在自己用 Python 或 JS 写的 agent 代码里，用官方的 langchain-mcp-adapters 包接入，两个框架底层用的是同一套。没有设置界面，这些代码直接写进你自己的 agent 里。已在真实环境里验证过。
本地版（stdio）
在你的 agent 代码里。command 填 uvx，它会按需下载并运行 Spomory，不用自己装：
from langchain_mcp_adapters.client import MultiServerMCPClient
client = MultiServerMCPClient({
"spomory": {
"command": "uvx",
"args": ["--from", "spomory[llm,embedding,mcp]", "spomory-mcp"],
"env": {
"LLM_API_KEY": "...",
"LLM_BASE_URL": "https://api.deepseek.com",
"LLM_MODEL": "deepseek-v4-flash",
},
"transport": "stdio",
}
})
tools = await client.get_tools()更想要固定、锁定版本的安装？可以装到 ~/Documents 之外的虚拟环境里（pip install 'spomory[llm,embedding,mcp]'），然后把 command 直接指向那个虚拟环境的 bin/memory-core-mcp（去掉 args）。
这几个环境变量该填什么？
LLM_API_KEY 是你用来做抽取的那个 OpenAI 兼容服务商的 key——OpenAI、DeepSeek、通义千问等都可以。LLM_BASE_URL 和 LLM_MODEL 不填就默认走 OpenAI；换成 DeepSeek、通义千问或其他任意 OpenAI 兼容服务商，或者一个完全本地的 server（Ollama、vLLM、llama.cpp、MLX）都行：
export LLM_API_KEY=...
export LLM_BASE_URL=https://api.deepseek.com # 可选，默认 OpenAI
export LLM_MODEL=deepseek-v4-flash # 可选，默认 gpt-4o-mini
export EMBEDDING_MODEL=BAAI/bge-m3 # 可选，默认 bge-m3云端版（API Key）
同一个 client，换成带 headers 的 http 条目：
client = MultiServerMCPClient({
"spomory-cloud": {
"transport": "http",
"url": "https://api.yliuai.com/mcp-apikey/",
"headers": {
"x-api-key": "<你的key>",
},
}
})已在真实环境里验证过，落到的是跟这页其他客户端同一个账号/同一份记忆图谱。
<你的key> 从哪来？
用 curl 立即拿一个——自己测试够用：
curl -X POST https://api.yliuai.com/users/register \
-H "Content-Type: application/json" \
-d '{"email": "you@example.com"}'
# 响应里的 api_key（mck_ 开头）只在这一次返回，记下来这种方式拿到的 Key 不需要证明邮箱归属——自己测试没问题，但正式使用建议走邮箱确认表单，那个真的会验证邮箱。
去「云端 / 跨 App」页面走邮箱验证拿 Key →让它真的被用起来
接上工具不代表客户端会主动去用它们——得告诉它在回答之前先调 search_memory，在你说了件值得记住的事之后调 add_memory。SKILL.md 就是干这个的一份简短指令文件。怎么让客户端读到它，每个客户端都不一样：有些会自动扫描 skills 目录（跟 Claude Code 一个路数），有些只有自定义指令/系统提示词这类字段。这个客户端已验证过：
LangChain/LangGraph 核心没有文件自动发现这套机制——系统提示词就是你代码里的一个字符串。（可选的 deepagents 扩展库支持 SKILL.md 文件夹，但要在构造 agent 时手动传路径，不是自动扫描。）
GitHub 上的 SKILL.md →