copilot-memory-mcp

Memoria semántica persistente para GitHub Copilot en VS Code.

Un servidor MCP local que le da a Copilot una memoria duradera y limitada al proyecto entre sesiones. Las memorias se almacenan en una base de datos vectorial ChromaDB integrada con embeddings all-MiniLM-L6-v2, lo que permite la recuperación semántica (RAG). Todo se ejecuta en un único contenedor Docker: no se requieren servicios en la nube.

Por qué existe esto

Copilot comienza cada sesión con una pizarra en blanco. Este servidor MCP le proporciona una base de conocimiento persistente y buscable para que las decisiones, convenciones y el contexto se mantengan entre sesiones, todo ejecutándose localmente en Docker.

Related MCP server: AIVectorMemory

Inicio rápido

docker compose up -d

El servidor arranca en http://localhost:8000/sse.

El archivo .vscode/mcp.json ya apunta a Copilot al servidor; no se necesita configuración adicional de VS Code.

Se proporciona una configuración de ejemplo en examples/vscode/mcp.json. Cópiala a .vscode/mcp.json de tu proyecto.

Herramientas MCP

Instrucciones y agentes de Copilot (ejemplos)

Hay ejemplos listos para usar en examples/. Copia los archivos relevantes a la raíz o a .github/ de tu propio proyecto.

Arquitectura

VS Code / Copilot
      │  MCP HTTP/SSE (port 8000)
      ▼
┌─────────────────────────────────┐
│  Docker Container               │
│                                 │
│  FastMCP Server (port 8000)     │
│    └── 5 MCP tools              │
│                                 │
│  sentence-transformers          │
│    └── all-MiniLM-L6-v2        │
│        (384-dim embeddings)     │
│                                 │
│  ChromaDB (embedded)            │
│    └── collection "memories"   │
└──────────┬──────────────────────┘
           │ Docker named volume
           ▼
    /data/chroma  (persisted DB)

Estructura del proyecto

copilot-memory-mcp/
├── app/
│   ├── main.py              # FastMCP server, tool registration
│   ├── memory_store.py      # ChromaDB wrapper (CRUD + search)
│   ├── embeddings.py        # sentence-transformers loader + encode()
│   └── tools/
│       ├── create_memory.py
│       ├── search_memories.py
│       ├── update_memory.py
│       ├── delete_memory.py
│       └── list_memories.py
├── tests/
│   ├── test_memory_store.py
│   └── test_tools.py
├── Dockerfile
├── docker-compose.yml
└── pyproject.toml

Desarrollo

Instalar dependencias

pip install -e ".[dev]"

Ejecutar pruebas

pytest

Las pruebas utilizan una ChromaDB efímera en memoria y una función de embeddings simulada: no se requiere Docker ni descarga de modelos.

Ejecutar el servidor localmente (sin Docker)

pip install -e .
PYTHONPATH=. python app/main.py

Variables de entorno

Copia .env.example a .env y ajústalo si es necesario.

Licencia

MIT — consulta LICENSE.