MemAura MCP Server for DeepSeek Harness

Integra el servicio de memoria a largo plazo en la nube de MemAura con el MCP Server de DeepSeek Harness. El servicio expone las herramientas de escritura de memoria, búsqueda semántica y búsqueda híbrida a través de MCP stdio, y convierte las solicitudes en la API HTTP /api/v2 de MemAura.

Alcance

Este proyecto es un MCP Server Python independiente, junto con una herramienta de configuración de Harness que no requiere empaquetado ni instalación. Las herramientas MCP siguen siendo invocadas por el modelo bajo demanda; una vez instalado el adaptador nativo de Harness, la recuperación automática y el guardado al final del turno se ejecutan de forma automática.

Related MCP server: Mem0 MCP Server

Flujo de trabajo

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

Después del inicio, Harness detectará las siguientes herramientas visibles para el modelo:

Requisitos previos

• Python 3.11 o superior.

• DeepSeek Harness instalado y en funcionamiento.

• MemAura API Key.

• La máquina puede acceder a https://api.omnimemory.cn.

Instalación

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

Una vez completada la instalación, se puede escribir automáticamente la configuración del profile de Harness, instalar las reglas de memoria y la Skill, y ejecutar la comprobación de salud con MCP tools/list:

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

Para desinstalar, ejecute:

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

setup no escribe la API Key en archivos; solo escribe !!js process.env.MEMAURA_API_KEY. El adaptador nativo instalado recupera automáticamente la memoria en cada turno directo del usuario y la guarda en segundo plano al final del turno, sin que el modelo deba decidir primero invocar la herramienta MCP de búsqueda.

Se recomienda poner la API Key en el entorno de inicio y no escribirla en Git ni en archivos YAML compartidos:

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

También se pueden configurar las siguientes variables:

Verificación independiente del MCP Server

Verificación independiente del MCP Server

Verificación independiente del MCP Server

MCP stdio usa una entrada estándar para transportar el protocolo y los registros se escriben en stderr:

Hora estándar de uso MCP stdio con entrada estándar y salida estándar para el protocolo; los registros se escriben en stderr:

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

No envíe directamente JSON al terminal para verificar; se recomienda usar un cliente que admita MCP para ejecutar initialize y tools/list.Esta comprobación no escribe ni recupera memoria en la computadora.

Integración con DeepSeek Harness

Configuración de Web Profile

Edite ~/.dsh/profiles/web/cordis.patch.yml, reemplazando las rutas con sus rutas absolutas reales:

- 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"

Si usa !!js process.env..., debe exportar las variables desde la misma terminal antes de iniciar Harness:

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

Consulte la configuración sintetizada:

pnpm dsh --profile web --dump-config

En los registros de inicio debería verse el arranque del Python MCP Server. Las herramientas MCP se expondrán en Hariness con el siguiente namespace:

mcp__memaura__store_memory
mcp__memaura__search_memory
mcp__memaura__search_memory_hybrid

Parche de línea de comandos

El archivo memaura.cordia.yml del repositorio es una plantilla de configuración sin secretos y también se puede cargar con --patch de Harness:

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

Si en la plantilla se usan placeholders en texto sin formato, deben sustituirse por expresiones de variables de entorno seguras antes del inicio; no incluya la API Key real en el repositorio.

Parámetros de las herramientas

store_memory

Los parámetros de solicitud son consistentes con /memory/ingest de la documentación oficial:

{
  "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"
}

El servicio siempre coloca device_no en la cabecera X-Device-No y no enviá session_id. El número de dispositivo se usa para aislar el espacio de memoria; al reintentar la misma solicitud de escritura en el mismo dispositivo, se debe reutilizar commit_id.

El endpoint de escritura devuelve HTTP 202 para indicar que la tarea está en la cola, no que la memoria ya ha terminado de indexarse. En la respuesta se devuelven job_id, status y status_url. Según los documentos oficiales, normalmente se necesitan entre 30–60 segundos para que la nueva memoria pueda ser precisa.

search_memory y search_memory_hybrid

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

El servicio envía el número de dispositivo en X-Device-No; el cuerpo de la solicitud solo incluye query, top_k y el language opcional compatible con la documentación oficial. Las nuevas integraciones no usan session_id ni el group_id anterior.

Los resultados de búsqueda se devuelven uniformemente en evidence_details; cada resultado conserva los campos oficiales como event_id, source, role, sender_name, text, atomic_facts y timestamp.

Estrategia de invocación de memoria

MCP solo proporciona las herramientas; si el modelo las invoca o no depende de la descripción de las herramientas y del system prompt de Harness. Se recomienda agregar reglas similares en Agent Preset:

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。

Notas de seguridad

• La API Key solo se proporciona a través de variables de entorno o de un administrador de secretos local.

• No envíe .gitignore a Git. Archivos .env, cordis.patch.yml reales ni registros.

• No pase la API Key, contraseñas ni tokens a store_memory.

• X-Device-No es un identificador de aislamiento de memoria, no una credencial de autenticación; usuarios o instancias de Harness diferentes deben usar números de dispositivo diferentes.

• Actualmente, el servidor Python solo implementa stdio. Su entrada SSE opcional usa el transporte antiguo /sse + /messages y no debe configurarse directamente como streamable-http de Harness a menos que se implemente MCP Streamable HTTP por separado.

##Solución de problemas

Estructura de directorios

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