de en es ja ko ru zh

Mnemo

Name: Mnemo
Author: Logos-Flux

by Logos-Flux

Overview Schema Source Related Servers Discussions Admin

TypeScript

Hybrid

██╗      ██████╗  ██████╗  ██████╗ ███████╗
██║     ██╔═══██╗██╔════╝ ██╔═══██╗██╔════╝
██║     ██║   ██║██║  ███╗██║   ██║███████╗
██║     ██║   ██║██║   ██║██║   ██║╚════██║
███████╗╚██████╔╝╚██████╔╝╚██████╔╝███████║
╚══════╝ ╚═════╝  ╚═════╝  ╚═════╝ ╚══════╝

        ███████╗██╗     ██╗   ██╗██╗  ██╗
        ██╔════╝██║     ██║   ██║╚██╗██╔╝
        █████╗  ██║     ██║   ██║ ╚███╔╝ 
        ██╔══╝  ██║     ██║   ██║ ██╔██╗ 
        ██║     ███████╗╚██████╔╝██╔╝ ██╗
        ╚═╝     ╚══════╝ ╚═════╝ ╚═╝  ╚═╝

Mnemo

通过 Gemini 上下文缓存为 AI 助手提供扩展内存。

Mnemo（希腊语：记忆）利用 Gemini 的 1M token 上下文窗口和上下文缓存功能，让 Claude 等 AI 助手能够访问大型代码库、文档网站、PDF 等内容。

为什么选择 Mnemo？

Mnemo 没有采用带有嵌入和检索的复杂 RAG 管道，而是采取了一种更简单的方法：

将整个代码库加载到 Gemini 的上下文缓存中
使用自然语言进行查询
让 Claude 进行编排，同时由 Gemini 保持上下文

这为您带来：

完美回溯 - 无需分块或检索，意味着不会丢失上下文
更低延迟 - 缓存的上下文可以快速提供服务
节省成本 - 缓存的 token 成本比常规输入 token 低 75-90%
简单易用 - 无需向量数据库、嵌入或复杂的检索逻辑

Related MCP server: Heimdall MCP Server

Mnemo 可以加载什么？

来源	本地服务器	Worker
GitHub 仓库（公开）	✅	✅
GitHub 仓库（私有）	✅	✅
任何 URL（文档、文章）	✅	✅
PDF 文档	✅	✅
JSON API	✅	✅
本地文件/目录	✅	❌
多页面抓取	✅ 无限制	✅ 最多 40 页

部署选项

根据您的需求，Mnemo 可以通过三种方式部署。

选项 1：本地服务器（开发与完整功能）

最适合开发以及需要加载本地文件时使用。

# Clone and install
git clone https://github.com/logos-flux/mnemo
cd mnemo
bun install

# Set your Gemini API key
export GEMINI_API_KEY=your_key_here

# Start the server
bun run dev

Claude Code MCP 配置：

{
  "mcpServers": {
    "mnemo": {
      "type": "http",
      "url": "http://localhost:8080/mcp"
    }
  }
}

选项 2：自托管 Cloudflare Worker（推荐用于 Claude.ai）

部署到您自己的 Cloudflare 账户。您可以控制自己的数据和成本。

先决条件：

Cloudflare 账户（免费层级即可）
Gemini API 密钥

# Clone and install
git clone https://github.com/logos-flux/mnemo
cd mnemo/packages/cf-worker

# Configure secrets
bunx wrangler secret put GEMINI_API_KEY
bunx wrangler secret put MNEMO_AUTH_TOKEN  # Optional but recommended

# Create D1 database
bunx wrangler d1 create mnemo-cache

# Deploy
bunx wrangler deploy

Claude.ai MCP 配置：

{
  "mcpServers": {
    "mnemo": {
      "type": "http",
      "url": "https://mnemo.<your-subdomain>.workers.dev/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_AUTH_TOKEN"
      }
    }
  }
}

为什么要使用此选项？ Claude.ai 无法连接到 localhost。Worker 为您提供了一个 Claude.ai 可以访问的外部端点。

选项 3：托管服务（VIP）

不想管理基础设施？我们为特定客户提供完全托管的 Mnemo 服务。

包括：

专属 Worker 部署
优先支持
自定义域名
使用情况监控

联系方式： lf@logosflux.io 获取定价和可用性信息。

使用示例

# Load a GitHub repo
curl -X POST http://localhost:8080/tools/context_load \
  -H "Content-Type: application/json" \
  -d '{"source": "https://github.com/honojs/hono", "alias": "hono"}'

# Load a documentation site (crawls up to token target)
curl -X POST http://localhost:8080/tools/context_load \
  -H "Content-Type: application/json" \
  -d '{"source": "https://hono.dev/docs", "alias": "hono-docs"}'

# Load a PDF
curl -X POST http://localhost:8080/tools/context_load \
  -H "Content-Type: application/json" \
  -d '{"source": "https://arxiv.org/pdf/2303.08774.pdf", "alias": "gpt4-paper"}'

# Load a private repo (with GitHub token)
curl -X POST http://localhost:8080/tools/context_load \
  -H "Content-Type: application/json" \
  -d '{"source": "https://github.com/owner/private-repo", "alias": "private", "githubToken": "ghp_xxx"}'

# Load multiple sources into one cache
curl -X POST http://localhost:8080/tools/context_load \
  -H "Content-Type: application/json" \
  -d '{"sources": ["https://github.com/owner/repo", "https://docs.example.com"], "alias": "combined"}'

# Query the cache
curl -X POST http://localhost:8080/tools/context_query \
  -H "Content-Type: application/json" \
  -d '{"alias": "hono", "query": "How do I add middleware?"}'

# List active caches
curl -X POST http://localhost:8080/tools/context_list \
  -H "Content-Type: application/json" -d '{}'

# Get usage stats with cost tracking
curl -X POST http://localhost:8080/tools/context_stats \
  -H "Content-Type: application/json" -d '{}'

# Evict when done
curl -X POST http://localhost:8080/tools/context_evict \
  -H "Content-Type: application/json" \
  -d '{"alias": "hono"}'

CLI

# Start server
mnemo serve

# Start MCP stdio transport (for Claude Desktop)
mnemo stdio

# Load a project
mnemo load ./my-project my-proj

# Query
mnemo query my-proj "What's the main entry point?"

# List caches
mnemo list

# Remove cache
mnemo evict my-proj

MCP 工具

工具	描述
`context_load`	将 GitHub 仓库、URL、PDF 或本地目录加载到 Gemini 缓存中
`context_query`	使用自然语言查询缓存的上下文
`context_list`	列出所有带有 token 计数和过期时间的活动缓存
`context_evict`	移除缓存
`context_stats`	获取带有成本跟踪的使用统计信息
`context_refresh`	使用最新内容重新加载缓存

`context_load` 参数

参数	描述
`source`	单一来源：GitHub URL、任何 URL 或本地路径
`sources`	合并到一个缓存中的多个来源
`alias`	此缓存的友好名称（1-64 个字符）
`ttl`	生存时间（秒）（60-86400，默认 3600）
`githubToken`	用于私有仓库的 GitHub token
`systemInstruction`	查询的自定义系统提示词

配置

变量	描述	默认值
`GEMINI_API_KEY`	您的 Gemini API 密钥	必需
`MNEMO_PORT`	服务器端口（仅限本地）	8080
`MNEMO_DIR`	数据目录（仅限本地）	~/.mnemo
`MNEMO_AUTH_TOKEN`	受保护端点的身份验证 token	无

身份验证

当配置了 MNEMO_AUTH_TOKEN 时，/mcp 和 /tools/* 端点需要身份验证：

# Set auth token (Workers)
bunx wrangler secret put MNEMO_AUTH_TOKEN

# Requests must include header:
Authorization: Bearer your-token-here

公共端点（无需身份验证）：

GET /health - 健康检查
GET / - 服务信息
GET /tools - 列出可用工具

成本

无论选择哪种部署方式，您都需要支付 Gemini API 使用费用。 Mnemo 使用 Gemini 的上下文缓存，这比标准输入便宜得多：

资源	成本
缓存存储	每 1M token 每小时约 $4.50
缓存输入	比常规输入优惠 75-90%
常规输入	每 1M token 约 $0.075 (Flash)

示例： 100K token 的代码库缓存 1 小时并进行 10 次查询 ≈ $0.47

Cloudflare 成本（自托管）：

Workers：免费层级包含每天 100K 次请求
D1：免费层级包含每天 5M 次读取
中等使用量下可能为 $0

架构

┌─────────────────────────────────────────────────────────────┐
│                         Mnemo                                │
├─────────────────────────────────────────────────────────────┤
│  MCP Tools                                                   │
│  • context_load    - Load into Gemini cache                 │
│  • context_query   - Query cached context                   │
│  • context_list    - Show active caches                     │
│  • context_evict   - Remove cache                           │
│  • context_stats   - Token usage, costs                     │
│  • context_refresh - Reload cache                           │
├─────────────────────────────────────────────────────────────┤
│  Adapters (v0.2)                                             │
│  • GitHub repos (via API)                                   │
│  • URL loading (HTML, PDF, JSON, text)                      │
│  • Token-targeted crawling                                  │
│  • robots.txt compliance                                    │
├─────────────────────────────────────────────────────────────┤
│  Packages                                                    │
│  • @mnemo/core      - Gemini client, loaders, adapters      │
│  • @mnemo/mcp-server - MCP protocol handling                │
│  • @mnemo/cf-worker - Cloudflare Workers deployment         │
│  • @mnemo/local     - Bun-based local server                │
└─────────────────────────────────────────────────────────────┘

许可证

MIT

致谢

由 Logos Flux | Voltage Labs 构建

This server cannot be deployed

Context All Your Agents Can ShareAgents share what they learn, hand off work, and hold it when you switch models. Start with 5 GB free.fulcradynamics.comAd

Maintenance

ActivityInactive

ResponsivenessNo issues

Resources

Related MCP Connectors

TeamShared C
io.github.xhad
Shared memory for coding agents. Stop re-explaining your codebase every session.
Knowledge & Memory Developer Tools
2021
https://teamshared.com/mcp
Fileaify
com.fileaify
Project memory, documentation and controlled secret access for AI coding agents.
1
https://fileaify.com/mcp
suma-memory A
io.github.sumanaddanki
Persistent memory for Claude Code and Cursor. Stop re-explaining your project every session.
Knowledge & Memory Developer Tools Autonomous Agents
2
https://sumapro.quadframe.work/mcp
PCD (Portable Context Deck)
ai.portablecontext
Your portable context layer — load it into any AI.
Knowledge & Memory RAG Systems
1
https://mcp.portablecontext.ai/mcp

Related MCP Servers

CastPlan MCP
Code Execution Developer Tools Knowledge & Memory
Ghostseller
A
license
B
quality
C
maintenance
Provides AI assistants with persistent memory of your project architecture, development history, and technical decisions, allowing them to give context-aware coding help without needing repeated explanations.
Updated a year ago (2025-08-03 09:48 UTC)
16
61 npm
2
MIT
Heimdall MCP Server
Knowledge & Memory Developer Tools
lcbcFoo
A
license
Not graded
quality
D
maintenance
Provides AI coding assistants with persistent, context-rich memory of a codebase, including documentation and git history, enabling recall across sessions.
Updated a year ago (2025-09-21 23:44 UTC)
105
Apache 2.0
ProjectMind MCP
Knowledge & Memory Search Developer Tools
mykolariabokon
A
license
C
quality
A
maintenance
Gives AI coding assistants persistent project memory and semantic code search, running fully locally with no API keys required.
Updated 13 days ago (2026-10-21 06:04 UTC)
56
MIT
Context Coder MCP
Developer Tools Code Analysis
khromov
A
license
Not graded
quality
B
maintenance
Loads entire codebase into LLM context for AI-assisted code understanding and editing.
Updated 2 days ago (2026-10-31 08:33 UTC)
8 npm
17
MIT

Mnemo

为什么选择 Mnemo？

Mnemo 可以加载什么？

部署选项

选项 1：本地服务器（开发与完整功能）

选项 2：自托管 Cloudflare Worker（推荐用于 Claude.ai）

选项 3：托管服务（VIP）

使用示例

CLI

MCP 工具

context_load 参数

配置

身份验证

成本

架构

许可证

致谢

Maintenance

Resources

Related MCP Connectors

Related MCP Servers

CastPlan MCP

Heimdall MCP Server

ProjectMind MCP

Context Coder MCP

`context_load` 参数