Служба памяти MCP

Лицензия: Массачусетский технологический институт значок кузнеца Проверено на MseeP

MCP-сервер, предоставляющий возможности семантической памяти и постоянного хранения для Claude Desktop с использованием ChromaDB и преобразователей предложений. Этот сервис обеспечивает долгосрочное хранение памяти с возможностями семантического поиска, что делает его идеальным для поддержания контекста в разговорах и случаях.

Помощь

Пообщайтесь с репозиторием с помощью TalkToGitHub !

Related MCP server: Supabase Memory MCP Server

Функции

Семантический поиск с использованием преобразователей предложений
Припоминание естественного языка с учетом времени (например, «на прошлой неделе», «вчера утром»)
Система извлечения памяти на основе тегов
Постоянное хранилище с использованием ChromaDB
Автоматическое резервное копирование баз данных
Инструменты оптимизации памяти
Поиск точного соответствия
Режим отладки для анализа сходства
Мониторинг работоспособности базы данных
Обнаружение и очистка дубликатов
Настраиваемая модель встраивания
Кроссплатформенная совместимость (Apple Silicon, Intel, Windows, Linux)
Аппаратно-ориентированная оптимизация для различных сред
Изящные откаты при ограниченных аппаратных ресурсах

Установка

Быстрый старт (рекомендуется)

Расширенный скрипт установки автоматически обнаруживает вашу систему и устанавливает соответствующие зависимости:

# 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

Скрипт install.py выполнит следующие действия:

Определите архитектуру вашей системы и доступные аппаратные ускорители
Установите соответствующие зависимости для вашей платформы.
Настройте оптимальные параметры для вашей среды
Проверьте установку и при необходимости проведите диагностику.

Установка докера

Вы можете запустить службу памяти с помощью Docker:

# 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

Мы предоставляем несколько конфигураций Docker Compose для различных сценариев:

docker-compose.yml — стандартная конфигурация с использованием pip install
docker-compose.uv.yml — Альтернативная конфигурация с использованием менеджера пакетов UV
docker-compose.pythonpath.yml — Конфигурация с явными настройками PYTHONPATH

Чтобы использовать альтернативную конфигурацию:

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

Установка Windows (особый случай)

Пользователи Windows могут столкнуться с проблемами установки PyTorch из-за доступности колеса для определенной платформы. Используйте наш скрипт установки для Windows:

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

Этот скрипт обрабатывает:

Определение доступности и версии CUDA
Установка соответствующей версии PyTorch с правильного индексного URL-адреса
Установка других зависимостей без конфликта с PyTorch
Проверка установки

Установка через Smithery

Чтобы автоматически установить Memory Service для Claude Desktop через Smithery :

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

Подробное руководство по установке

Подробные инструкции по установке и устранению неполадок см. в Руководстве по установке .

Конфигурация Клода MCP

Стандартная конфигурация

Добавьте следующее в файл claude_desktop_config.json :

{ "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" } } }

Конфигурация, специфичная для Windows (рекомендуется)

Пользователям Windows мы рекомендуем использовать скрипт-оболочку, чтобы убедиться, что PyTorch установлен правильно:

{ "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" } } }

Скрипт-обертка будет:

Проверьте, установлен ли PyTorch и правильно ли он настроен.
При необходимости установите PyTorch с правильным индексным URL-адресом.
Запустите сервер памяти с соответствующей конфигурацией.

Руководство по использованию

Подробные инструкции по взаимодействию со службой памяти в Claude Desktop:

Руководство по вызову — изучите конкретные ключевые слова и фразы, которые запускают операции с памятью в Claude
Руководство по установке - Подробные инструкции по настройке

Служба памяти вызывается посредством команд естественного языка в ваших разговорах с Клодом. Например:

Сохранить: «Пожалуйста, помните, что крайний срок сдачи моего проекта — 15 мая».
Извлечь: «Помнишь, что я говорил тебе о сроках сдачи моего проекта?»
Удалить: «Пожалуйста, забудьте то, что я вам говорил о моем адресе».

Полный список команд и подробные примеры использования см. в Руководстве по вызову.

Операции с памятью

Служба памяти обеспечивает выполнение следующих операций через сервер MCP:

Операции с основной памятью

store_memory — сохранение новой информации с дополнительными тегами
retrieve_memory — выполнить семантический поиск соответствующих воспоминаний
recall_memory - Извлечение воспоминаний с использованием выражений времени на естественном языке
search_by_tag — поиск воспоминаний с использованием определенных тегов
exact_match_retrieve — поиск воспоминаний с точным совпадением содержания
debug_retrieve — извлечение воспоминаний с оценками сходства

Управление базой данных

create_backup — Создать резервную копию базы данных
get_stats - Получить статистику памяти
optimize_db — Оптимизация производительности базы данных
check_database_health — получение показателей работоспособности базы данных
check_embedding_model — проверка статуса модели

Управление памятью

delete_memory - Удалить определенную память по хешу
delete_by_tag — Удалить все воспоминания с определенным тегом
cleanup_duplicates - Удалить дубликаты записей

Параметры конфигурации

Настройте через переменные среды:

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

Совместимость оборудования

Платформа	Архитектура	Ускоритель	Статус
macOS	Apple Silicon (M1/M2/M3)	МПС	✅ Полностью поддерживается
macOS	Apple Silicon под Rosetta 2	Процессор	✅ Поддерживается с резервными вариантами
macOS	Интел	Процессор	✅ Полностью поддерживается
Окна	x86_64	CUDA	✅ Полностью поддерживается
Окна	x86_64	DirectML	✅ Поддерживается
Окна	x86_64	Процессор	✅ Поддерживается с резервными вариантами
Линукс	x86_64	CUDA	✅ Полностью поддерживается
Линукс	x86_64	ROCм	✅ Поддерживается
Линукс	x86_64	Процессор	✅ Поддерживается с резервными вариантами
Линукс	ARM64	Процессор	✅ Поддерживается с резервными вариантами

Тестирование

# 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

Поиск неисправностей

Подробные инструкции по устранению неполадок см. в руководстве по установке .

Советы по быстрому устранению неполадок

Ошибки Windows PyTorch : используйте python scripts/install_windows.py
Конфликты зависимостей Intel в macOS : используйте python install.py --force-compatible-deps
Ошибки рекурсии : Запустите python scripts/fix_sitecustomize.py
Проверка среды : Запустите python scripts/verify_environment_enhanced.py
Проблемы с памятью : установите MCP_MEMORY_BATCH_SIZE=4 и попробуйте меньшую модель.
Apple Silicon : убедитесь, что Python 3.10+ собран для ARM64, установите PYTORCH_ENABLE_MPS_FALLBACK=1
Тестирование установки : Запустите python scripts/test_installation.py

Структура проекта

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

Руководство по разработке

Python 3.10+ с подсказками типов
Используйте классы данных для моделей
Строки документации в тройных кавычках для модулей и функций
Шаблон async/await для всех операций ввода-вывода
Следуйте рекомендациям по стилю PEP 8
Включить тесты для новых функций

Лицензия

Лицензия MIT — подробности см. в файле LICENSE

Благодарности

Команда ChromaDB для векторной базы данных
Проект Sentence Transformers для внедрения моделей
Проект MCP для спецификации протокола

Контакт

Телеграмма

Интеграции

Служба памяти MCP может быть расширена различными инструментами и утилитами. См. раздел Интеграции для списка доступных опций, включая:

MCP Memory Dashboard — веб-интерфейс для просмотра и управления памятью
Контекст памяти Клода — внедрение контекста памяти в инструкции проекта Клода

MCP Memory Service