MCP-Speicher

Ein Model Context Protocol (MCP)-Server, der Speicherlösungen für datenreiche Anwendungen mit effizienten Wissensgraphenfunktionen implementiert.

Überblick

Dieser MCP-Server implementiert eine Speicherlösung für datenintensive Anwendungen, die die Suche nach Informationen aus verschiedenen Quellen, einschließlich hochgeladener Dateien, erfordern. Er nutzt intern HippoRAG zur Speicherverwaltung über einen effizienten Wissensgraphen. HippoRAG ist eine erforderliche Abhängigkeit für dieses Paket.

Merkmale

Sitzungsbasierter Speicher : Erstellen und verwalten Sie Speicher für bestimmte Chat-Sitzungen
Effizienter Wissensgraph : Verwendet HippoRAG zur Speicherverwaltung
Unterstützung mehrerer Transporte : Funktioniert sowohl mit Standard- als auch mit SSE-Transporten
Suchfunktionen : Suchen Sie nach Informationen aus verschiedenen Quellen, einschließlich hochgeladener Dateien
Automatisches Ressourcenmanagement : TTL-basierte Bereinigung sowohl für Sitzungen als auch für Speicherinstanzen

Installation

Von PyPI installieren:

pip install mcp-mem hipporag

Oder von der Quelle installieren:

git clone https://github.com/ddkang1/mcp-mem.git
cd mcp-mem
pip install -e .
pip install hipporag

Hinweis: HippoRAG ist eine erforderliche Abhängigkeit für die Funktion von mcp-mem.

Verwendung

Sie können den MCP-Server direkt ausführen:

mcp-mem

Standardmäßig wird der Standardtransport verwendet. So verwenden Sie den SSE-Transport:

mcp-mem --sse

Sie können auch Host und Port für den SSE-Transport angeben:

mcp-mem --sse --host 127.0.0.1 --port 3001

Konfiguration

Grundkonfiguration

Um dieses Tool mit Claude in Windsurf zu verwenden, fügen Sie Ihrer MCP-Konfigurationsdatei die folgende Konfiguration hinzu:

"memory": {
    "command": "/path/to/mcp-mem",
    "args": [],
    "type": "stdio",
    "pollingInterval": 30000,
    "startupTimeout": 30000,
    "restartOnFailure": true
}

Das command sollte auf das Verzeichnis verweisen, in dem Sie das Python-Paket mit Pip installiert haben.

Konfiguration der Umgebungsvariablen

Sie können die von mcp-mem verwendeten LLM- und Einbettungsmodelle über Umgebungsvariablen konfigurieren:

EMBEDDING_MODEL_NAME : Name des zu verwendenden Einbettungsmodells (Standard: „text-embedding-3-large“)
EMBEDDING_BASE_URL : Basis-URL für die Einbettungs-API (optional)
LLM_NAME : Name des zu verwendenden LLM-Modells (Standard: „gpt-4o-mini“)
LLM_BASE_URL : Basis-URL für die LLM-API (optional)
OPENAI_API_KEY : OpenAI-API-Schlüssel (erforderlich)

Speicherverwaltungskonfiguration

Der Server umfasst Funktionen zur automatischen Ressourcenverwaltung:

Sitzungs-TTL : Entfernt Sitzungsverzeichnisse automatisch nach einer bestimmten Anzahl von Tagen der Inaktivität. Wird mit dem Konfigurationsparameter session_ttl_days festgelegt (Standard: Keine – deaktiviert).
Instanz-TTL : Entlädt HippoRAG-Instanzen nach einer bestimmten Inaktivitätsdauer automatisch aus dem Speicher. Die Einstellung erfolgt über den Konfigurationsparameter instance_ttl_minutes (Standard: 30 Minuten).Diese Funktion hilft bei der Verwaltung der Speichernutzung, indem inaktive Instanzen entladen werden, während die zugrunde liegenden Daten erhalten bleiben. Beim erneuten Zugriff auf eine entladene Instanz wird sie automatisch von der Festplatte neu geladen.

Anwendungsbeispiel:

EMBEDDING_MODEL_NAME="your-model" LLM_NAME="your-llm" mcp-mem

Der Einfachheit halber können Sie das bereitgestellte Beispielskript verwenden:

./examples/run_with_env_vars.sh

Verfügbare Tools

Der MCP-Server bietet die folgenden Tools:

create_memory : Erstellen Sie einen neuen Speicher für eine bestimmte Chat-Sitzung
store_memory : Speicher zu einer bestimmten Sitzung hinzufügen
retrieve_memory : Speicher aus einer bestimmten Sitzung abrufen

Entwicklung

Installation für die Entwicklung

git clone https://github.com/ddkang1/mcp-mem.git
cd mcp-mem
pip install -e ".[dev]"

Ausführen von Tests

pytest

Codestil

Dieses Projekt verwendet Black zur Formatierung, isort zur Importsortierung und flake8 zum Lint-Test:

black src tests
isort src tests
flake8 src tests

Beitragen

Beiträge sind willkommen! Senden Sie gerne einen Pull Request.

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE .

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Ein MCP-Server, der Speicherlösungen für datenreiche Anwendungen implementiert und HippoRAG für effiziente Wissensgraphenfunktionen verwendet, wodurch die Suche in mehreren Quellen, einschließlich hochgeladener Dateien, ermöglicht wird.

Related MCP Servers

MemoryMesh
CheMiguel23
-
security
A
license
-
quality
This project is based on the Knowledge Graph Memory Server from the MCP servers repository and retains its core functionality.
Last updated -
44
107
TypeScript
MIT License
mcp-memory-libsql
spences10
A
security
A
license
A
quality
A high-performance MCP server utilizing libSQL for persistent memory and vector search capabilities, enabling efficient entity management and semantic knowledge storage.
Last updated -
6
64
56
TypeScript
MIT License
Memory Custom
BRO3886
A
security
A
license
A
quality
A customized MCP memory server that enables creation and management of a knowledge graph with features like custom memory paths and timestamping for capturing interactions via language models.
Last updated -
11
2
JavaScript
MIT License
kb-mcp-server
Geeksfino
-
security
A
license
-
quality
An MCP server aimed to be portable, local, easy and convenient to support semantic/graph based retrieval of txtai "all in one" embeddings database. Any txtai embeddings db in tar.gz form can be loaded
Last updated -
26
Python
MIT License

View all related MCP servers

MCP Memory