MemAura MCP Server for DeepSeek Harness

Dieser Server bindet den MemAura-Cloud-Langzeitgedächtnisdienst in den MCP-Server von DeepSeek Harness ein. Der Server stellt über MCP stdio drei Tools bereit – das Schreiben von Gedächtnisinhalten, die semantische Suche und die hybride Suche – und sendet die Anfragen anschließend an die MemAura-HTTP-API unter /api/v2.

Anwendungsbereich

Dieses Projekt ist ein eigenständiger Python-MCP-Server und enthält ein Harness-Konfigurationswerkzeug, das nicht weiterverpackt oder zusätzlich installiert werden muss. Die MCP-Tools werden weiterhin bei Bedarf vom Modell aufgerufen; nach der Installation des nativen Harness-Adapters werden der Abruf und das Speichern am Ende der Gesprächsrunde automatisiert ausgeführt.

Related MCP server: Mem0 MCP Server

Workflow

DeepSeek Harness
  └─ @deepseek-ai/dsh-mcp-client
       └─ stdio → server.py
            └─ HTTPS → https://api.omnimemory.cn/api/v2

Nach dem Start erkennt der Harness die folgenden für das Modell sichtbaren Tools:

Voraussetzungen

• Python 3.11 oder höher.

• DeepSeek Harness ist installiert und kann ausgeführt werden.

• Ein MemAura-API-Schlüssel ist vorhanden.

• Der Zugriff auf wechselseitig https://api.omnimemory.cn ist von diesem Rechner aus möglich.

Installation

git clone <your-repository-url> memaura-mcp-server
cd memaura-mcp-server
python3 -m pip install -r requirements.txt

Nach der Installation können die Harness-Profilkonfiguration automatisch geschrieben, die Gedächtnisregeln und Skill-Plugins installiert sowie ein MCP-tools/list-Gesundheitscheck ausgeführt werden:

export MEMAURA_API_KEY='你的 API Key'
python3 memaura_cli.py setup --agent dsh --profile web
python3 memaura_cli.py doctor --agent dsh --profile web

Zum Deinstallieren führen Sie Folgendes aus:

python3 memaura_cli.py uninstall --agent dsh --profile web

setup schreibt den API-Schlüssel nicht in eine Datei, sondern nur !!js process.env.MEMAURA_API_KEY. Der installierte native Adapter ruft bei jeder direkten Benutzerrunde automatisch das Gedächtnis ab und schreibt im Hintergrund am Rundenende, ohne dass das Modell zuerst entscheiden muss, ein MCP-Suchtool aufzurufen.

Den API-Schlüssel sollten Sie in der Startumgebung platzieren und nicht in Git oder in gemeinsam genutzten YAML-Dateien speichern:

export MEMAURA_API_KEY="你的 MemAura API Key"
export MEMAURA_DEFAULT_DEVICE_NO="dsh-agent"

Darüber hinaus können die folgenden Variablen festgelegt werden:

Eigenständige Prüfung des MCP-Servers

Der MCP-stdio-Transport nutzt die Standard-Eingabe und -Ausgabe; die Protokolle werden nach stderr geschrieben:

MEMAURA_API_KEY="$MEMAURA_API_KEY" \
  python3 server.py --transport stdio

Schreiben Sie keine JSON-Direktausgaben in das Terminal; verwenden Sie stattdessen einen MCP-fähigen Client und führen Sie initialize sowie tools/list aus. Diese Überprüfung schreibt keine Cloud-Erinnerungen ab und ruft auch keine ab.

Anbindung an DeepSeek Harness

Konfiguration des Web-Profils

Bearbeiten Sie ~/.dsh/profiles/web/cordis.patch.yml und verwenden Sie für den Pfadenen eigenen absoluten Pfad:

- insert:
    - id: memaura-memory
      name: "@deepseek-ai/dsh-mcp-client"
      config:
        serverName: memaura
        transport: stdio
        command: python3
        args:
          - /absolute/path/memaura-mcp-server/server.py
        env:
          MEMAURA_API_KEY: !!js process.env.MEMAURA_API_KEY
          MEMAURA_DEFAULT_DEVICE_NO: !!js process.env.MEMAURA_DEFAULT_DEVICE_NO
          MEMAURA_DEFAULT_TOP_K: "10"

Wenn Sie !!js process.env... verwenden, müssen Sie die Variablen im selben Terminal exportieren, bevor Sie Harness starten:

export MEMAURA_API_KEY="你的 MemAura API Key"
export MEMAURA_DEFAULT_DEVICE_NO="dsh-agent"
pnpm dsh web

Anzeigen der zusammengesetzten Konfiguration:

pnpm dsh --profile web --dump-config

Im Startprotokoll sollte der Start des Python-MCP-Servers sichtbar sein. Die MCP-Tools werden in Harness unter dem folgenden Namespace verfügbar gemacht:

mcp__memaura__store_memory
mcp__memaura__search_memory
mcp__memaura__search_memory_hybrid

Kommandozeilen-Patch

Die Datei memAura.cordis.yml ist eine schlüsselfreie Konfigurationsvorlage und kann zusätzlich über --patch geladen werden:

pnpm dsh web --patch /absolute/path/memaura-mcp-server/memaura.cordis.yml

Falls die Vorlage Platzhalter im Klartext verwendet, müssen diese vor dem Start durch sichere Umgebungsvariablen-Ausdrücke ersetzt werden; übergeben Sie den echten API-Schlüssel nie an das Repository.

Tool-Parameter

store_memory

Die Anforderungsparameter sind mit der offiziellen Schnittstelle /memory/ingest konsistent:

{
  "turns": [
    {"role": "user", "content": "用户喜欢用中文回答。"},
    {"role": "assistant", "content": "我会记住这个偏好。"}
  ],
  "language": "zh",
  "commit_id": "optional-idempotency-key",
  "device_no": "dsh-agent"
}

Der Dienst legt device_no immer in den X-Device-No-Request-Header und sendet kein session_id. Die Gerätenummer dient der Gedächtnisraum-Isolierung; beim Wiederholen derselben Schreibanforderung auf demselben Gerät sollte commit_id wiederverwendet werden.

Die Schreibschnittstelle liefert bei Annahme HTTP 202 zurück, was bedeutet, dass die Aufgabe in die Warteschlange aufgenommen wurde, aber nicht, dass die Gedächtnisinhalte bereits indiziert sind. Die Antwort enthält job_id, status und status_url. Laut offiziellen Angaben müssen Sie normal 30 bis 60 Sekunden warten, bis neue Gedächtnisinhalte abgerufen werden können.

search_memory und search_memory_hybrid

{
  "query": "用户喜欢使用哪种语言？",
  "top_k": 5,
  "language": "zh",
  "device_no": "dsh-agent"
}

Das Dienstsystem setzt die Gerätennummer in X-Device-No; der Anforderungstext enthält nur die offiziell unterstützten Felder query, top_k und optional language. Neue Integrationen verwenden weder session_id noch das veraltete group_id.

Die Suchergebnisse geben einheitlich evidence_details zurück. Jedes Ergebnis behält die offiziellen Felder wie event_id, source, role, sender_name, text, diffus Facts atomic_facts und timestamp bei.

Strategie für den Gedächtnisabruf

MCP bietet nur Tools an. Ob das Modell sie aufruft, hängt von den Tool-Beschreibungen und dem Harness-Systemprompt ab. Es wird empfohlen, eine ähnliche Regel im Agent Preset zu hinterlegen:

用户明确要求记住信息时调用 store_memory。
问题可能依赖历史偏好、事实或项目背景时，先调用 search_memory_hybrid。
不要保存密码、API Key、访问令牌或其他认证凭据。
只有工具返回成功后，才能告诉用户记忆已保存。

Sicherheitshinweise

• Den API-Schlüssel nur über Umgebungsvariablen oder den lokalen Schlüsselmanager bereitstellen.

• Committen Sie keine .env, die echte cordis.patch.yml oder Logs in Git.

• Übergeben Sie keine API-Schlüssel, Passwörter oder Tokens an store_memory.

• X-Device-No ist eine Kennung zur Gedächtnisisolierung, keine Authentifizierungsberechtigung; verschiedene Benutzer oder Harness-Instanzen sollten unterschiedliche GeräteIDs verwenden.

• Der aktuelle Python-Server implementiert nur stdio. Sein optionaler SSE-Einstieg verwendet den alten /sse + /messages-Transport und sollte nicht direkt als Harness streamable-http -Einstieg konfiguriert werden, es sei denn, SAP Streamable HTTP wird nicht separat implementiert.

Fehlerbehebung

Verzeichnisstruktur

memaura-mcp-server/
├── server.py              # MCP Server 和 MemAura API 适配器
├── memaura_cli.py         # setup / doctor / uninstall 命令
├── requirements.txt       # Python 依赖
├── .env.example           # 环境变量模板
├── memaura.cordis.yml     # 不含密钥的 Harness 配置模板
└── README.md              # 本说明