Memoria MCP

Un servidor de Protocolo de Contexto de Modelo (MCP) que implementa soluciones de memoria para aplicaciones ricas en datos con capacidades de gráficos de conocimiento eficientes.

Descripción general

Este servidor MCP implementa una solución de memoria para aplicaciones con gran cantidad de datos que requieren la búsqueda de información de diversas fuentes, incluyendo archivos subidos. Utiliza HippoRAG internamente para gestionar la memoria mediante un grafo de conocimiento eficiente. HippoRAG es una dependencia necesaria para este paquete.

Características

Memoria basada en sesiones : crea y administra memoria para sesiones de chat específicas
Gráfico de conocimiento eficiente : utiliza HippoRAG para la gestión de la memoria
Compatibilidad con múltiples transportes : funciona con transportes stdio y SSE
Capacidades de búsqueda : Busque información de varias fuentes, incluidos archivos cargados
Gestión automática de recursos : limpieza basada en TTL tanto para sesiones como para instancias de memoria

Instalación

Instalar desde PyPI:

pip install mcp-mem hipporag

O instalar desde la fuente:

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

Nota: HippoRAG es una dependencia necesaria para que mcp-mem funcione.

Uso

Puede ejecutar el servidor MCP directamente:

mcp-mem

De forma predeterminada, se utiliza el transporte stdio. Para usar el transporte SSE:

mcp-mem --sse

También puede especificar el host y el puerto para el transporte SSE:

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

Configuración

Configuración básica

Para utilizar esta herramienta con Claude en Windsurf, agregue la siguiente configuración a su archivo de configuración MCP:

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

El campo command debe apuntar al directorio donde instaló el paquete de Python usando pip.

Configuración de variables de entorno

Puede configurar los modelos LLM y de incrustación utilizados por mcp-mem a través de variables de entorno:

EMBEDDING_MODEL_NAME : Nombre del modelo de incrustación a utilizar (predeterminado: "text-embedding-3-large")
EMBEDDING_BASE_URL : URL base para la API de inserción (opcional)
LLM_NAME : Nombre del modelo LLM a utilizar (predeterminado: "gpt-4o-mini")
LLM_BASE_URL : URL base para la API de LLM (opcional)
OPENAI_API_KEY : clave API de OpenAI (obligatoria)

Configuración de gestión de memoria

El servidor incluye funciones de gestión automática de recursos:

Tiempo de vida de la sesión : Elimina automáticamente los directorios de sesión tras un número determinado de días de inactividad. Se configura mediante el parámetro session_ttl_days (predeterminado: Ninguno - deshabilitado).
Tiempo de vida de la instancia : Descarga automáticamente las instancias de HippoRAG de la memoria tras un periodo de inactividad especificado. Se configura mediante el parámetro instance_ttl_minutes (valor predeterminado: 30 minutos).Esta función ayuda a gestionar el uso de memoria descargando instancias inactivas y preservando los datos subyacentes. Al acceder de nuevo a una instancia descargada, se recargará automáticamente desde el disco.

Ejemplo de uso:

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

Para mayor comodidad, puede utilizar el script de ejemplo proporcionado:

./examples/run_with_env_vars.sh

Herramientas disponibles

El servidor MCP proporciona las siguientes herramientas:

create_memory : Crea una nueva memoria para una sesión de chat determinada
store_memory : Agregar memoria a una sesión específica
retrieve_memory : Recuperar memoria de una sesión específica

Desarrollo

Instalación para el desarrollo

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

Ejecución de pruebas

pytest

Estilo de código

Este proyecto utiliza Black para formatear, isort para ordenar las importaciones y flake8 para el control de pelusas:

black src tests
isort src tests
flake8 src tests

Contribuyendo

¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

MCP Memory

Integrations