Memoria MCP: memoria persistente para conversaciones de IA 🧠

Dale a tu IA una memoria que perdure en todas las conversaciones. No vuelvas a perder contexto importante.

MCP Memory es un sistema robusto de grafos de conocimiento basado en Elasticsearch que proporciona a los modelos de IA memoria persistente más allá de los límites de sus ventanas de contexto. Diseñado para el Protocolo de Contexto de Modelo (MCP), garantiza que sus LLM recuerden información importante para siempre, creando conversaciones de IA más coherentes, personalizadas y efectivas.

🌟 Por qué los modelos de IA necesitan memoria persistente

¿Alguna vez experimentaste estas frustraciones con los asistentes de IA?

Tu IA olvida detalles cruciales de conversaciones anteriores
Tener que repetir el mismo contexto cada vez que inicias un nuevo chat
Perder información valiosa una vez que el historial de conversaciones se llena
Incapacidad para hacer referencia a trabajos o decisiones anteriores

MCP Memory resuelve estos problemas creando un almacén de memoria estructurado y consultable que preserva el contexto indefinidamente. Su IA ahora puede construir relaciones significativas y duraderas con los usuarios y mantener la coherencia a lo largo de días, semanas o meses de interacciones.

✨ Características principales

📊 Memoria persistente : almacena y recupera información en múltiples sesiones
🔍 Búsqueda inteligente : encuentre exactamente lo que necesita con potentes consultas de Elasticsearch
📓 Recuerdo contextual : la IA prioriza automáticamente la información relevante en función de la conversación
🧩 Comprensión relacional : conectar conceptos con relaciones que imiten la memoria asociativa humana
🔄 Memoria a largo plazo / corto plazo : Distingue entre detalles temporales y conocimiento importante
🗂️ Zonas de memoria : organiza la información en dominios separados (proyectos, clientes, temas)
🔒 Confiable y escalable : Construido sobre Elasticsearch para un rendimiento de nivel empresarial

Configuración de 5 minutos

Comenzar es increíblemente sencillo:

Prerrequisitos

Docker : necesario para ejecutar Elasticsearch (o una instalación local de Elasticsearch)
Node.js : versión 18 o superior
npm : Para la gestión de paquetes

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

# 2. Install dependencies
npm install

# 3. Start Elasticsearch (uses Docker)
npm run es:start
# Note: If you prefer to use your own Elasticsearch installation,
# set the ES_NODE environment variable to point to your Elasticsearch instance

# 4. Build the project
npm run build

🔌 Conectándose a Claude Desktop

MCP Memory está diseñado para funcionar a la perfección con Claude Desktop, lo que le proporciona a Claude memoria persistente en todas sus conversaciones:

Copiar y configurar el script de lanzamiento :El repositorio incluye un archivo launch.example que puedes simplemente copiar:
# Copy the example launch file cp launch.example launch.sh # Edit launch.sh to add your Groq API key # This is required for smart memory retrieval nano launch.sh # or use your preferred editor
Hacer que el script sea ejecutable:
chmod +x launch.sh
Añade el comando a Claude Desktop :
- Abrir la configuración del escritorio de Claude
- Vaya a la sección "Comandos"
- Haga clic en "Agregar nuevo comando"
- Configurar de la siguiente manera:
  - Nombre : Memoria MCP
  - Comando : /ruta/a/servidores-mcp/memoria/launch.sh
  - Argumentos : Dejar vacío
  - Ejecutar en segundo plano : Sí
  - Mostrar en el menú : Sí
Verificar conexión :
- Inicie el comando desde Claude Desktop
- Debería ver una notificación de que Claude está conectado a MCP Memory
- ¡Intenta preguntarle a Claude sobre algo que discutisteis en una conversación anterior!

Para obtener ejemplos completos y guías visuales, consulte la Guía de configuración del servidor MCP de Claude Desktop en línea.

💡 Cómo funciona

MCP Memory crea un gráfico de conocimiento estructurado donde:

Las entidades representan personas, conceptos, proyectos o cualquier cosa que valga la pena recordar.
Las relaciones conectan entidades, creando una red de asociaciones.
Las observaciones capturan detalles específicos sobre las entidades
La puntuación de relevancia determina qué información priorizar

Cuando se integra con un LLM, el sistema automáticamente:

Almacena nueva información aprendida durante las conversaciones.
Recupera el contexto relevante cuando es necesario
Establece conexiones entre conceptos relacionados
Olvida detalles sin importancia mientras conserva el conocimiento crítico

🛠️ Ejemplo: Cómo los agentes utilizan la memoria

Desde la perspectiva del usuario

Conversación 1: Información inicial

User: My daughter's name is Emma and she's turning 8 next month.

Claude: That's wonderful! Emma will be turning 8 next month. Is there anything special you're planning for her birthday?
(Behind the scenes: Claude stores "Emma" as an entity of type "Person" with observations about her age and birthday timing)

Conversación 2: Días o semanas después

User: I'm thinking about what to get for a gift.

Claude: If you're looking for gift ideas for Emma's 8th birthday coming up, have you considered what her current interests are? At that age, many children enjoy creative items, books, or educational games.
(Behind the scenes: Claude retrieved the entity "Emma", her age, and the fact that her birthday is approaching)

Conversación 3: Después del cumpleaños

User: The party went really well on Saturday!

Claude: I'm glad Emma's 8th birthday party was a success on Saturday! Did she enjoy the gifts she received?
(Behind the scenes: Claude updates the observations about Emma, noting that her birthday party occurred on a Saturday and went well)

Cómo utiliza el agente la memoria

Cuando el usuario menciona algo importante, el agente:

Reconoce información importante que vale la pena recordar
Lo almacena en la memoria creando entidades, relaciones y observaciones.
Actualiza la información existente cuando surgen nuevos detalles

Cuando el usuario menciona algo relacionado con la información almacenada, el agente:

Busca en la memoria el contexto relevante según la conversación actual.
Recupera detalles importantes que podrían ser útiles
Incorpora esta información de forma natural en sus respuestas.

Esto sucede automáticamente: el usuario simplemente tiene una conversación normal con el asistente y el sistema de memoria trabaja detrás de escena para mantener el contexto en todas las sesiones.

Gestión inteligente de entidades

MCP Memory incluye un manejo inteligente de la creación y actualización de entidades:

Al intentar crear una entidad que ya existe, el sistema devuelve los datos de la entidad existente con orientación sobre cómo ampliarla con nueva información.
El sistema diferencia inteligentemente entre crear nuevas entidades y actualizar las existentes.
Las relaciones entre entidades se mantienen automáticamente incluso cuando se actualiza la información

🧰 Herramientas de administración

MCP Memory incluye una CLI de administración integral para mantener su gráfico de conocimiento:

# Search the memory
node dist/admin-cli.js search "Emma birthday"

# View details about a specific entity
node dist/admin-cli.js entity "Emma"

# Back up your entire memory system
node dist/admin-cli.js backup memory-backup.json

📚 Funciones avanzadas

Zonas de memoria

Organizar el conocimiento en dominios separados:

# Create a project-specific memory zone
node dist/admin-cli.js zones add client-acme "ACME Corp Project Knowledge"

# Import data into that zone
node dist/admin-cli.js import acme-data.json client-acme

Gestión de la memoria conversacional

También puedes indicarle al asistente que organice los recuerdos en diferentes zonas a través de una conversación natural:

Creación y uso de zonas de memoria

User: Claude, can you create a new memory zone called "work-project" for storing information about my current work project?

Claude: I've created a new memory zone called "work-project". I'll store information related to your work project in this zone. What would you like me to remember about your project?

User: The project deadline is March 15th, and we're building a new inventory management system.

Claude: I've stored information about your work project in the "work-project" zone, including the March 15th deadline and that you're building an inventory management system. I'll keep future information about this project organized in this zone.
(Behind the scenes: Claude creates a new memory zone and stores project information specifically in that zone)

Recuperación de información específica de la zona

User: What do you remember about my work project?

Claude: Based on what we've discussed about your work project, I recall that you're building an inventory management system with a deadline of March 15th.
(Behind the scenes: Claude specifically searches the "work-project" zone for relevant information)

Cambiar entre zonas de memoria

User: Claude, let's switch to my "cooking" memory zone now. I want to discuss a recipe.

Claude: I've switched to your "cooking" memory zone. What recipe would you like to discuss today?
(Behind the scenes: Claude updates its memory context to prioritize searching in the "cooking" zone)

User: What was that pasta dish I told you about last month?

Claude: From our previous conversations in your cooking zone, you shared a carbonara recipe that used pancetta, eggs, pecorino cheese, and black pepper. You mentioned it was a family favorite that you learned during your trip to Rome.
(Behind the scenes: Claude searches specifically in the "cooking" zone to find this information)

Al organizar la memoria en zonas separadas, las conversaciones se vuelven más relevantes y se centran en el tema o proyecto actual.

Capacidades de búsqueda

Aproveche las potentes funciones de búsqueda de Elasticsearch:

# Fuzzy search (finds "meeting" even with typo)
node dist/admin-cli.js search "meteing notes"

# Zone-specific search
node dist/admin-cli.js search "budget" client-acme

🤝 Contribuyendo

¡Agradecemos sus contribuciones! Consulte CONTRIBUTING.md para más detalles.

📝 Licencia

Instituto Tecnológico de Massachusetts (MIT)

Elasticsearch Knowledge Graph for MCP

Integrations