使用说明
存储器mcp
免责声明:此代码库是在Codex的协助下生成的。
免责声明:本项目仅供个人使用;您可以随意使用、修改和分发它(MIT),但不提供任何支持。
本地内存MCP服务器,具有:
- SQLite+
sqlite-vec用于嵌入式存储/搜索 - OpenAI嵌入(可配置模型)
- 队列维护流程(
take_memory_log+ack_memory_log)
这是什么
memory-mcp 是用于代理内存的本地第一MCP服务器。它分为:
- 快速捕捉(
log_memory) - 运行时检索(
search_memory) - 维护保养(
take_memory_log+ack_memory_log+CRUD工具)
预期流程为:
- 代理在正常工作期间记录候选内存。
- 维护过程一次只需要一个日志项。
- 它将相关项目转换为持久的可搜索事实。
- 它确认已处理的日志项并继续。
与MCP客户端一起使用
法典
[mcp_servers.memory]
startup_timeout_sec = 60
command = "uv"
args = ["run", "memory-mcp"]
[mcp_servers.memory.env]
MEMORY_DB_PATH = "/full/path/to/memory/file"
OPENAI_API_KEY = "your-openai-key"
克劳德桌面
{
"mcpServers": {
"memory": {
"command": "uv",
"args": ["run", "memory-mcp"],
"env": {
"MEMORY_DB_PATH": "/full/path/to/memory/file",
"OPENAI_API_KEY": "your-openai-key"
}
}
}
}
环境
支持的环境变量:
MEMORY_DB_PATH(默认值./data/memory.db)OPENAI_API_KEY(必填)OPENAI_BASE_URL(可选)MEMORY_EMBEDDING_MODEL(默认值text-embedding-3-small)MEMORY_MAX_SEARCH_K(默认值50)
安装
选项A:快速本地安装(推荐)
uv venv .venv
source .venv/bin/activate
uv pip install -e .
选项B:构建和安装车轮
uv build
pip install dist/memory_mcp-0.1.1-py3-none-any.whl
快速启动(推荐)
安装一次,运行多次:
uv venv .venv
source .venv/bin/activate
uv pip install -e .
memory-mcp
为什么这更快:
- 避免重复
uv run每次启动时的环境解析开销。 - 启动时间主要是服务器初始化,而不是包装器/设置工作。
跑
export OPENAI_API_KEY=your_key_here
memory-mcp
可选:
export MEMORY_DB_PATH=./data/memory.db
export OPENAI_BASE_URL=https://api.openai.com/v1
export MEMORY_EMBEDDING_MODEL=text-embedding-3-small
export MEMORY_MAX_SEARCH_K=50
uv run 模式(方便,通常较慢)
OPENAI_API_KEY=... uv run --no-sync memory-mcp
MCP工具
主要的,重要的
log_memorysearch_memory
维护:
take_memory_logack_memory_logcreate_memoryupdate_memorydelete_memory
备注
tags接受其中之一["a","b"]或"a,b"在相关工具上。- 队列语义强制执行单个
in_flight一次记录一个项目。 - 嵌入模型支持目前仅限于在代码中配置OpenAI嵌入模型。
许可证
MIT。看 LICENSE.