MCP-Speicherdienst

Ein MCP-Server, der semantischen Speicher und persistente Speicherfunktionen für Claude Desktop mithilfe von ChromaDB und Satztransformatoren bereitstellt. Dieser Dienst ermöglicht Langzeitspeicherung mit semantischen Suchfunktionen und eignet sich daher ideal für die Kontextpflege über Konversationen und Instanzen hinweg.

Helfen

Sprechen Sie mit TalkToGitHub mit dem Repo!

Merkmale

Semantische Suche mit Satztransformatoren
Zeitbasiertes Erinnern in natürlicher Sprache (z. B. „letzte Woche“, „gestern Morgen“)
Tag-basiertes Speicherabrufsystem
Persistenter Speicher mit ChromaDB
Automatische Datenbanksicherungen
Tools zur Speicheroptimierung
Genaue Übereinstimmungssuche
Debug-Modus für Ähnlichkeitsanalyse
Überwachung der Datenbankintegrität
Duplikaterkennung und -bereinigung
Anpassbares Einbettungsmodell
Plattformübergreifende Kompatibilität (Apple Silicon, Intel, Windows, Linux)
Hardwarebewusste Optimierungen für verschiedene Umgebungen
Anmutige Fallbacks für begrenzte Hardwareressourcen

Installation

Schnellstart (empfohlen)

Das erweiterte Installationsskript erkennt Ihr System automatisch und installiert die entsprechenden Abhängigkeiten:

# Clone the repository
git clone https://github.com/doobidoo/mcp-memory-service.git
cd mcp-memory-service

# Create and activate a virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Run the installation script
python install.py

Das Skript install.py führt Folgendes aus:

Ermitteln Sie Ihre Systemarchitektur und verfügbare Hardwarebeschleuniger
Installieren Sie die entsprechenden Abhängigkeiten für Ihre Plattform
Konfigurieren Sie die optimalen Einstellungen für Ihre Umgebung
Überprüfen Sie die Installation und stellen Sie bei Bedarf eine Diagnose bereit

Docker-Installation

Sie können den Memory Service mit Docker ausführen:

# Using Docker Compose (recommended)
docker-compose up

# Using Docker directly
docker build -t mcp-memory-service .
docker run -p 8000:8000 -v /path/to/data:/app/chroma_db -v /path/to/backups:/app/backups mcp-memory-service

Wir bieten mehrere Docker Compose-Konfigurationen für verschiedene Szenarien:

docker-compose.yml – Standardkonfiguration mit Pip-Installation
docker-compose.uv.yml – Alternative Konfiguration mit UV-Paketmanager
docker-compose.pythonpath.yml – Konfiguration mit expliziten PYTHONPATH-Einstellungen

So verwenden Sie eine alternative Konfiguration:

docker-compose -f docker-compose.uv.yml up

Windows-Installation (Sonderfall)

Windows-Benutzer können aufgrund der plattformspezifischen Verfügbarkeit von Wheels auf Probleme bei der PyTorch-Installation stoßen. Verwenden Sie unser Windows-spezifisches Installationsskript:

# After activating your virtual environment
python scripts/install_windows.py

Dieses Skript behandelt:

Erkennen der CUDA-Verfügbarkeit und -Version
Installieren der entsprechenden PyTorch-Version von der richtigen Index-URL
Installieren anderer Abhängigkeiten ohne Konflikte mit PyTorch
Überprüfen der Installation

Installation über Smithery

So installieren Sie Memory Service für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli install @doobidoo/mcp-memory-service --client claude

Detaillierte Installationsanleitung

Ausführliche Installationsanweisungen und Hinweise zur Fehlerbehebung finden Sie im Installationshandbuch .

Claude MCP-Konfiguration

Standardkonfiguration

Fügen Sie Ihrer Datei claude_desktop_config.json Folgendes hinzu:

{
  "memory": {
    "command": "uv",
    "args": [
      "--directory",
      "your_mcp_memory_service_directory",  // e.g., "C:\\REPOSITORIES\\mcp-memory-service"
      "run",
      "memory"
    ],
    "env": {
      "MCP_MEMORY_CHROMA_PATH": "your_chroma_db_path",  // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\chroma_db"
      "MCP_MEMORY_BACKUPS_PATH": "your_backups_path"  // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\backups"
    }
  }
}

Windows-spezifische Konfiguration (empfohlen)

Für Windows-Benutzer empfehlen wir die Verwendung des Wrapper-Skripts, um sicherzustellen, dass PyTorch ordnungsgemäß installiert ist:

{
  "memory": {
    "command": "python",
    "args": [
      "C:\\path\\to\\mcp-memory-service\\memory_wrapper.py"
    ],
    "env": {
      "MCP_MEMORY_CHROMA_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\chroma_db",
      "MCP_MEMORY_BACKUPS_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\backups"
    }
  }
}

Das Wrapper-Skript wird:

Überprüfen Sie, ob PyTorch installiert und richtig konfiguriert ist
Installieren Sie PyTorch bei Bedarf mit der richtigen Index-URL
Führen Sie den Speicherserver mit der entsprechenden Konfiguration aus

Benutzerhandbuch

Ausführliche Anweisungen zur Interaktion mit dem Speicherdienst in Claude Desktop:

Aufrufhandbuch - Lernen Sie die spezifischen Schlüsselwörter und Ausdrücke, die Speicheroperationen in Claude auslösen
Installationshandbuch - Detaillierte Einrichtungsanweisungen

Der Speicherdienst wird in Ihren Gesprächen mit Claude über natürliche Sprachbefehle aufgerufen. Beispiel:

Zum Speichern: „Bitte denken Sie daran, dass der Abgabetermin für mein Projekt der 15. Mai ist.“
Zum Abrufen: „Erinnern Sie sich, was ich Ihnen über die Deadline meines Projekts gesagt habe?“
Zum Löschen: „Bitte vergessen Sie, was ich Ihnen über meine Adresse gesagt habe.“

Eine vollständige Liste der Befehle und ausführliche Anwendungsbeispiele finden Sie im Aufrufhandbuch .

Speicheroperationen

Der Speicherdienst stellt über den MCP-Server die folgenden Vorgänge bereit:

Kernspeichervorgänge

store_memory - Neue Informationen mit optionalen Tags speichern
retrieve_memory - Semantische Suche nach relevanten Erinnerungen durchführen
recall_memory - Erinnerungen mithilfe natürlicher Sprachzeitausdrücke abrufen
search_by_tag – Finden Sie Erinnerungen mithilfe bestimmter Tags
exact_match_retrieve - Finde Erinnerungen mit exakter Inhaltsübereinstimmung
debug_retrieve - Erinnerungen mit Ähnlichkeitsbewertungen abrufen

Datenbankverwaltung

create_backup - Datenbanksicherung erstellen
get_stats - Speicherstatistiken abrufen
optimize_db - Datenbankleistung optimieren
check_database_health - Datenbank-Integritätsmetriken abrufen
check_embedding_model - Modellstatus überprüfen

Speicherverwaltung

delete_memory - Löscht bestimmten Speicher nach Hash
delete_by_tag - Löscht alle Erinnerungen mit einem bestimmten Tag
cleanup_duplicates - Doppelte Einträge entfernen

Konfigurationsoptionen

Konfigurieren Sie über Umgebungsvariablen:

CHROMA_DB_PATH: Path to ChromaDB storage
BACKUP_PATH: Path for backups
AUTO_BACKUP_INTERVAL: Backup interval in hours (default: 24)
MAX_MEMORIES_BEFORE_OPTIMIZE: Threshold for auto-optimization (default: 10000)
SIMILARITY_THRESHOLD: Default similarity threshold (default: 0.7)
MAX_RESULTS_PER_QUERY: Maximum results per query (default: 10)
BACKUP_RETENTION_DAYS: Number of days to keep backups (default: 7)
LOG_LEVEL: Logging level (default: INFO)

# Hardware-specific environment variables
PYTORCH_ENABLE_MPS_FALLBACK: Enable MPS fallback for Apple Silicon (default: 1)
MCP_MEMORY_USE_ONNX: Use ONNX Runtime for CPU-only deployments (default: 0)
MCP_MEMORY_USE_DIRECTML: Use DirectML for Windows acceleration (default: 0)
MCP_MEMORY_MODEL_NAME: Override the default embedding model
MCP_MEMORY_BATCH_SIZE: Override the default batch size

Hardwarekompatibilität

Plattform	Architektur	Beschleuniger	Status
macOS	Apple Silicon (M1/M2/M3)	MPS	✅ Vollständig unterstützt
macOS	Apple Silicon unter Rosetta 2	CPU	✅ Unterstützt mit Fallbacks
macOS	Intel	CPU	✅ Vollständig unterstützt
Windows	x86_64	CUDA	✅ Vollständig unterstützt
Windows	x86_64	DirectML	✅ Unterstützt
Windows	x86_64	CPU	✅ Unterstützt mit Fallbacks
Linux	x86_64	CUDA	✅ Vollständig unterstützt
Linux	x86_64	ROCm	✅ Unterstützt
Linux	x86_64	CPU	✅ Unterstützt mit Fallbacks
Linux	ARM64	CPU	✅ Unterstützt mit Fallbacks

Testen

# Install test dependencies
pip install pytest pytest-asyncio

# Run all tests
pytest tests/

# Run specific test categories
pytest tests/test_memory_ops.py
pytest tests/test_semantic_search.py
pytest tests/test_database.py

# Verify environment compatibility
python scripts/verify_environment_enhanced.py

# Verify PyTorch installation on Windows
python scripts/verify_pytorch_windows.py

# Perform comprehensive installation verification
python scripts/test_installation.py

Fehlerbehebung

Ausführliche Schritte zur Fehlerbehebung finden Sie in der Installationsanleitung .

Tipps zur schnellen Fehlerbehebung

Windows PyTorch-Fehler : Verwenden Sie python scripts/install_windows.py
macOS Intel-Abhängigkeitskonflikte : Verwenden Sie python install.py --force-compatible-deps
Rekursionsfehler : Führen Sie python scripts/fix_sitecustomize.py aus
Umgebungsüberprüfung : Führen Sie python scripts/verify_environment_enhanced.py aus
Speicherprobleme : Setzen Sie MCP_MEMORY_BATCH_SIZE=4 und versuchen Sie es mit einem kleineren Modell
Apple Silicon : Stellen Sie sicher, dass Python 3.10+ für ARM64 erstellt wurde, und setzen Sie PYTORCH_ENABLE_MPS_FALLBACK=1
Installationstest : Führen Sie python scripts/test_installation.py aus

Projektstruktur

mcp-memory-service/
├── src/mcp_memory_service/      # Core package code
│   ├── __init__.py
│   ├── config.py                # Configuration utilities
│   ├── models/                  # Data models
│   ├── storage/                 # Storage implementations
│   ├── utils/                   # Utility functions
│   └── server.py                # Main MCP server
├── scripts/                     # Helper scripts
├── memory_wrapper.py            # Windows wrapper script
├── install.py                   # Enhanced installation script
└── tests/                       # Test suite

Entwicklungsrichtlinien

Python 3.10+ mit Typhinweisen
Verwenden Sie Datenklassen für Modelle
Dreifach zitierte Docstrings für Module und Funktionen
Async/Await-Muster für alle E/A-Vorgänge
Befolgen Sie die PEP 8-Stilrichtlinien
Schließen Sie Tests für neue Funktionen ein

Lizenz

MIT-Lizenz – Einzelheiten finden Sie in der Datei „LICENSE“

Danksagung

ChromaDB-Team für die Vektordatenbank
Sentence Transformers-Projekt zum Einbetten von Modellen
MCP-Projekt zur Protokollspezifikation

Kontakt

Telegramm

Integrationen

Der MCP Memory Service kann mit verschiedenen Tools und Dienstprogrammen erweitert werden. Eine Liste der verfügbaren Optionen finden Sie unter Integrationen , darunter:

MCP Memory Dashboard – Web-Benutzeroberfläche zum Durchsuchen und Verwalten von Erinnerungen
Claude-Speicherkontext – Speicherkontext in Claude-Projektanweisungen einfügen

MCP Memory Service

Integrations