使用说明

MCP Memvid国家服务

具有矢量搜索、全文搜索和时态查询的单文件AI存储层

🧠 这是什么？

MCP（模型上下文协议）服务器封装 memvid 的 -一个基于Rust的内存系统，将所有内容存储在一个便携设备中 .mv2 文件。替换Redis用于缓存，Qdrant/Pinecone用于向量搜索，SQLite用于结构化查询——所有这些都没有外部基础设施。

部分克劳德代码插件市场生态系统。

🚀 快速开始

1.添加到克劳德代码：

{
  "mcpServers": {
    "memvid": {
      "command": "npx",
      "args": ["mcp-memvid"],
      "env": {
        "OLLAMA_HOST": "http://localhost:11434"
      }
    }
  }
}

2.或手动安装运行：

git clone https://github.com/EricGrill/mcp-memvid-state-service.git
cd mcp-memvid-state-service
npm install && npm run build
node dist/index.js

💡 为什么使用MCP Memvid？

特性	描述
单文件存储	所有数据、索引和元数据都在一个便携设备中 `.mv2` 文件
无基础设施	没有Redis，没有Postgres，没有需要管理的向量数据库集群
三重搜索	语义（向量）、词汇（BM25）和时态查询
本地优先	内置嵌入模型在Linux/macOS上脱机工作
Olama支持	在没有API成本的情况下使用本地LLM进行嵌入

📦 工具目录

类别	工具	描述
存储	2	存储和删除记忆(`store_memory`, `delete_capsule`)
搜索	4	矢量、关键字、智能和时态(`semantic_search`, `text_search`, `smart_search`, `recent_memories`)
管理	3	胶囊生命周期(`list_capsules`, `create_capsule`, `capsule_info`)
配置	1	查看嵌入状态(`embedding_config`)

🔧 所有工具

存储

工具	说明
`store_memory`	存储带有标题、标签、元数据和可选嵌入的文本
`delete_capsule`	永久删除capsule文件（需要确认）

搜索

工具	说明
`semantic_search`	使用向量嵌入（HNSW）按意义查找
`text_search`	使用BM25排名按确切关键字查找
`smart_search`	根据查询自动选择最佳搜索模式
`recent_memories`	按时间顺序检索记忆

胶囊管理

工具	说明
`list_capsules`	列出所有可用的内存胶囊
`create_capsule`	创建新的空胶囊
`capsule_info`	获取存储路径和存在状态

配置

工具	说明
`embedding_config`	显示当前嵌入模型、Ollama状态、API密钥

🤖 嵌入提供者

提供商	设置	型号	最适合
本地	无需	`bge-small`, `bge-base`, `nomic`, `gte-large`	离线，隐私第一
奥拉玛	`OLLAMA_HOST=http://localhost:11434`	任何通过OpenAI API	本地LLM，无需API费用
开放人工智能	`OPENAI_API_KEY=sk-...`	`openai-small`, `openai-large`	最佳品质，云

Ollama设置

# Install Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# Pull an embedding model
ollama pull nomic-embed-text

# Set environment variable
export OLLAMA_HOST=http://localhost:11434

⚙️ 配置

环境变量

变量	描述	默认值
`OLLAMA_HOST`	Ollama服务器URL	--
`OPENAI_API_KEY`	OpenAI API密钥	-
`OPENAI_BASE_URL`	自定义OpenAI兼容端点	--
`MEMVID_EMBEDDING_MODEL`	默认嵌入模型	`bge-small`
`XDG_DATA_HOME`	基本存储目录	`~/.local/share`

存储位置

$XDG_DATA_HOME/memvid/capsules/
├── agent-context.mv2
├── knowledge-base.mv2
└── session-cache.mv2

📝 例子

使用嵌入存储内存

store_memory({
  capsule: "knowledge-base",
  text: "The API uses JWT tokens with 24-hour expiry. Refresh tokens last 7 days.",
  title: "Auth Architecture",
  tags: ["api", "security", "jwt"],
  enable_embedding: true,
  embedding_model: "bge-small"
})

语义搜索

semantic_search({
  capsule: "knowledge-base",
  query: "how long do authentication tokens last",
  limit: 5
})

获取最近的上下文

recent_memories({
  capsule: "agent-context",
  limit: 10
})

检查嵌入配置

embedding_config()
// Returns:
// {
//   "defaultModel": "bge-small",
//   "ollamaHost": "http://localhost:11434",
//   "openaiBaseUrl": "http://localhost:11434/v1",
//   ...
// }

🖥️ 平台支持

平台	本地嵌入	注释
Linux x64	✅ 是	完全支持
macOS ARM64✅ 是	完全支持（Apple Silicon）
macOS x64	✅ 是	完全支持（英特尔）
Windows x64	❌ 否	使用Ollama或OpenAI

🤝 贡献

分叉存储库
创建功能分支(git checkout -b feature/amazing)
提交更改(git commit -m 'Add amazing feature')
推送到分支(git push origin feature/amazing)
打开拉取请求

📜 许可证

MIT许可证-请参阅许可证了解详情。