MemAura Qoder MCP
MemAura Qoder MCP
Отдельный адаптер для подключения MemAura/OmniMemory к Qoder CN. Он не изменяет и не зависит от исходного проекта DeepSeek Harness /Users/azhai/memaura-mcp-server.
Возможности
MCP:
store_memory,search_memory,search_memory_hybridHook: автоматический гибридный поиск перед каждой отправкой вопроса; автоматическое сохранение текущего диалога после завершения ответа
Номер устройства памяти настраивается: по умолчанию
qoder-agent, также можно изменить на номер устройства, общий с другими клиентами
Related MCP server: evleven
1. Установка зависимостей
git clone https://github.com/Omnimemory/omnin-Qoder-mcp.git
cd omnin-Qoder-mcp
./install.shinstall.sh создаст .venv в этом проекте и не изменит системный Python.
2. Настройка локального окружения
cp .env.example .envОтредактируйте .env, заполнив как минимум:
MEMAURA_API_KEY=你的真实APIKey
MEMAURA_DEFAULT_DEVICE_NO=qoder-agent.env игнорируется через .gitignore. Не загружайте API Key на GitHub.
Если нужно использовать общую память с DeepSeek Harness, измените номер устройства на то значение, которое он использует, например dsh-agent; при использовании qoder-agent память будет изолирована.
3. Настройка MCP в Qoder
В разделе «Настройки → MCP-сервисы» Qoder откройте mcp.json и настройте с использованием абсолютных путей:
{
"mcpServers": {
"memaura": {
"type": "stdio",
"command": "/绝对路径/omnin-Qoder-mcp/.venv/bin/python",
"args": ["/绝对路径/omnin-Qoder-mcp/mcp_server.py"],
"env": {
"MEMAURA_API_KEY": "你的真实APIKey",
"MEMAURA_DEFAULT_DEVICE_NO": "qoder-agent",
"MEMAURA_DEFAULT_TOP_K": "10",
"MEMAURA_TIMEOUT": "30"
}
}
}
}Замените оба «абсолютных пути» на фактические пути на вашем компьютере. Сохраните и полностью перезапустите Qoder. На странице MCP должны отобразиться три инструмента.
4. Включение автоматического поиска и сохранения
Конфигурация MCP в Qoder не запускает инструменты автоматически. Конфигурация Hook находится в hooks/hooks.json. Объедините приведённую ниже конфигурацию hooks с ~/.lingma/settings.json (не перезаписывайте другие ваши существующие настройки):
{
"hooks": {
"UserPromptSubmit": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "/绝对路径/omnin-Qoder-mcp/hooks/run-memory-hook.sh",
"timeout": 25
}]
}],
"Stop": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "/绝对路径/omnin-Qoder-mcp/hooks/run-memory-hook.sh",
"timeout": 25,
"async": true
}]
}]
}
}Hook этого проекта автоматически читает .env из того же каталога, поэтому не требует зависимости от launchctl. После изменения полностью выйдите из Qoder и откройте его заново.
5. Проверка
Сначала проверьте, что Hook может читать конфигурацию:
printf '%s' '{"hook_event_name":"UserPromptSubmit","session_id":"test-001","prompt":"测试记忆 QODER-HOOK-918273"}' | hooks/run-memory-hook.shЗатем создайте новый диалог в Qoder:
我刚刚购买了一台测试设备,序列号是 DEVICE-XK-591。Подождите 30–60 секунд, создайте ещё один диалог и спросите:
我刚刚购买的测试设备序列号是什么?Если будет получен ответ DEVICE-XK-591, значит сохранение и поиск между диалогами работают.
Публикация пакета плагина
Пакет плагина должен быть ZIP-архивом, и в корне ZIP-архива должен напрямую содержаться .qoder-plugin/plugin.json. Не помещайте .venv, .env или API Key в архив:
zip -qr memaura-qoder.zip . \
-x './.venv/*' './.env' './**/__pycache__/*' './*.pyc'В Qoder выберите «Плагины → Импорт» и укажите сгенерированный ZIP, а не папку с исходным кодом. После установки всё равно необходимо выполнить описанные выше шаги по настройке локального окружения Python и API Key.
Устранение неполадок
MCP видит инструменты, но не сохраняет автоматически: Hook не загружен, проверьте
~/.lingma/settings.jsonи перезапустите Qoder.Hook выводит
MEMAURA_API_KEY 未设置: убедитесь, что в корне проекта есть.envи имя переменной написано правильно.Ручной
store_memoryуспешен, а автоматический тест не работает: MCP в порядке, проблема только в конфигурации Hook или окружении Hook.После успешного сохранения нельзя сразу выполнить поиск: после постановки в очередь MemAura обычно требуется 30–60 секунд для построения индекса.
This server cannot be deployed
Maintenance
Related MCP Connectors
Persistent AI memory shared across Claude, ChatGPT, coding agents, and compatible MCP clients.
Persistent memory for AI agents to retain, retrieve, and recall conversation context through MCP.
Persistent personal memory for AI assistants — save, search, and recall across every MCP client.
Your memory, everywhere AI goes. Build knowledge once, access it via MCP anywhere.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceEnables Pi to use GZMO's curated memory system, providing tools for memory status, search, recall, and chain operations via MCP.26 npmMIT
- AlicenseNot gradedqualityCmaintenanceProvides a self-learning multimodal memory server with cross-modal retrieval across text, images, audio, and code via MCP tools and resources.Apache 2.0
- AlicenseNot gradedqualityAmaintenanceProvides AI agents with persistent, human-like memory infrastructure via MCP, enabling them to store, search, summarize, and forget episodic, semantic, procedural, and working memories across sessions.1,237 npmMIT
- AlicenseAqualityAmaintenanceEnables personal AI memory management through MCP tools for adding, searching, exporting, and deleting memories, with knowledge-graph retrieval and multi-hop association for clients like Claude Desktop and Cursor.6Apache 2.0