Skip to main content
Glama
aeriondyseti

Vector Memory MCP Server

by aeriondyseti

Vector Memory MCP-Server

Semantischer Speicher für KI-Assistenten. Speichern Sie Entscheidungen, Muster und Kontext, die über Sitzungen hinweg bestehen bleiben.

Ein Local-First MCP-Server, der vektorbasierten Speicher bereitstellt. Verwendet lokale Embeddings und SQLite mit sqlite-vec für eine schnelle, private semantische Suche – alles in einer einzigen Datei.

License: MIT npm version


Funktionen

  • Lokal & Privat - Alle Embeddings werden lokal generiert (all-MiniLM-L6-v2, 384-dim), Daten werden in einer einzigen SQLite-Datei gespeichert

  • Semantische Suche - Hybride Vektor- und Volltextsuche mit absichtsbasiertem Ranking

  • Batch-Operationen - Speichern, Aktualisieren, Löschen und Abrufen mehrerer Erinnerungen gleichzeitig

  • Sitzungs-Wegpunkte - Projektkontext zwischen Sitzungen speichern und wiederherstellen

  • Konversationsverlauf - Claude Code-Sitzungsprotokolle indizieren und durchsuchen

  • MCP-nativ - Standardprotokoll, funktioniert mit jedem MCP-kompatiblen Client


Related MCP server: Memorious MCP

Installation

Es gibt zwei Möglichkeiten, Vector Memory zu installieren, je nachdem, wie viel Integration Sie wünschen.

Option A: Claude Code Plugin (empfohlen)

Installieren Sie es als Plugin, um das volle Erlebnis zu erhalten: MCP-Server, Hooks für den Sitzungslebenszyklus, Wegpunkt-Skills und Kontextüberwachung – alles automatisch verwaltet.

# Add the marketplace
claude plugin marketplace add AerionDyseti/vector-memory-mcp

# Install the plugin
claude plugin install vector-memory@vector-memory-mcp

Dies klont das Repository und führt den MCP-Server direkt aus der Quelle aus. Hooks verarbeiten Ereignisse zum Starten/Löschen/Kompaktieren von Sitzungen, und Skills bieten /waypoint:set, /waypoint:get sowie Anleitungen zur Speichernutzung.

Option B: Nur MCP-Server

Installieren Sie nur den MCP-Server über npm, wenn Sie Speicher ohne Hooks oder Skills wünschen oder wenn Sie einen MCP-Client verwenden, der nicht Claude Code ist.

bun install -g @aeriondyseti/vector-memory-mcp

Die erste Installation lädt ML-Modelle herunter (~90MB). Dies kann eine Minute dauern.

Fügen Sie es dann Ihrer MCP-Client-Konfiguration hinzu (z. B. ~/.claude/settings.json):

{
  "mcpServers": {
    "vector-memory": {
      "type": "stdio",
      "command": "bunx",
      "args": ["--bun", "@aeriondyseti/vector-memory-mcp"]
    }
  }
}

Voraussetzungen

  • Bun 1.0+

  • Ein MCP-kompatibler Client (Claude Code, Claude Desktop, etc.)


Tools

Starten Sie Ihren MCP-Client nach der Installation neu. Sie haben nun Zugriff auf:

Tool

Beschreibung

store_memories

Erinnerungen speichern (akzeptiert Array)

search_memories

Relevante Erinnerungen semantisch finden

get_memories

Erinnerungen nach ID abrufen (akzeptiert Array)

update_memories

Bestehende Erinnerungen aktualisieren

delete_memories

Erinnerungen entfernen (akzeptiert Array)

report_memory_usefulness

Bewerten, ob eine Erinnerung nützlich war

set_waypoint

Sitzungskontext für später speichern

get_waypoint

Sitzungskontext wiederherstellen

index_conversations

Claude Code-Sitzungsprotokolle als durchsuchbaren Verlauf indizieren

list_indexed_sessions

Indizierte Konversationssitzungen durchsuchen

reindex_session

Neuindizierung einer bestimmten Sitzung erzwingen


Verwendung

Eine Erinnerung speichern:

You: "Remember that we use Drizzle ORM for database access"
Assistant: [calls store_memories]

Erinnerungen suchen:

You: "What did we decide about the database?"
Assistant: [calls search_memories with relevant query]

Sitzungs-Wegpunkte:

You: "Save context for next session"
Assistant: [calls set_waypoint with summary, completed items, next steps]

Konversationsverlauf (erfordert --enable-history):

You: "What did we discuss about the API design last week?"
Assistant: [calls search_memories with history_only: true, history_before/after filters]

Konfiguration

CLI-Flags:

Flag

Alias

Standard

Beschreibung

--db-file <path>

-d

.vector-memory/memories.db

Datenbank-Speicherort (relativ zum cwd)

--port <number>

-p

3271

HTTP-Server-Port

--no-http

(HTTP aktiviert)

HTTP/SSE-Transport deaktivieren

--enable-history

(deaktiviert)

Indizierung des Konversationsverlaufs aktivieren

--history-path

(automatisch erkannt)

Pfad zum Sitzungsprotokoll-Verzeichnis

--history-weight

0.75

Gewichtung für Verlaufsergebnisse bei der vereinheitlichten Suche


Release-Kanäle

Plugin-Benutzer: Das Plugin folgt dem Standard-Branch des Repositorys. Um den Kanal zu wechseln, installieren Sie es erneut aus einem bestimmten Branch oder Tag.

npm-Benutzer: Die stabile Version erhalten Sie standardmäßig:

bun install -g @aeriondyseti/vector-memory-mcp

Vorab-Kanäle sind zum Testen kommender Änderungen verfügbar. Diese sind instabil und können ohne Vorankündigung fehlschlagen – Nutzung auf eigene Gefahr.

Kanal

npm

Beschreibung

@latest

(Standard)

Stabile Releases

@rc

@aeriondyseti/vector-memory-mcp@rc

Release-Kandidaten – abschließende Tests vor stabilen Versionen

@dev

@aeriondyseti/vector-memory-mcp@dev

Entwicklungs-Builds – neueste Funktionen, am wenigsten stabil

# Install the dev channel
bun install -g @aeriondyseti/vector-memory-mcp@dev

# Pin to a specific pre-release version
bun install -g @aeriondyseti/vector-memory-mcp@2.1.0-dev.1

# Go back to stable
bun install -g @aeriondyseti/vector-memory-mcp@latest

Warnung: Vorab-Versionen können Breaking Changes, unvollständige Funktionen oder Anforderungen an die Datenmigration enthalten, die noch nicht finalisiert sind. Verwenden Sie diese nicht in Produktions-Workflows, auf die Sie angewiesen sind.


Migration von 1.x (LanceDB)

Version 2.0 hat LanceDB durch SQLite (sqlite-vec) für die Speicherung ersetzt. Wenn Sie vorhandene Daten aus 1.x haben, erkennt der Server diese automatisch und fordert Sie zur Migration auf:

vector-memory-mcp migrate

Dies liest Ihr LanceDB-Verzeichnis, schreibt eine neue SQLite-Datei und druckt Anweisungen zum Austausch aus. Ihre ursprünglichen Daten bleiben erhalten, bis Sie sie manuell entfernen.

Was hat sich geändert:

  • Speicher: LanceDB-Verzeichnis (~845 Dateien) → einzelne .db-Datei

  • Abhängigkeiten: 223MB (@lancedb/lancedb + apache-arrow) → 24KB (sqlite-vec)

  • Laufzeit: Node.js-Unterstützung eingestellt, Bun erforderlich (für bun:sqlite)


Entwicklung

git clone https://github.com/AerionDyseti/vector-memory-mcp.git
cd vector-memory-mcp
bun install

bun run test      # Run all tests
bun run dev       # Watch mode
bun run typecheck # Type checking

Siehe CHANGELOG.md für die Release-Historie und ROADMAP.md für geplante Funktionen.


Mitwirken

Beiträge sind willkommen! Siehe Issues für Bereiche, bei denen wir Hilfe benötigen.

Lizenz

MIT - siehe LICENSE


Erstellt mit MCP SDK, sqlite-vec und Transformers.js

Maintenance

ActivityMaintained
ResponsivenessUnresponsive

Related MCP Connectors

Related MCP Servers

  • -
    license
    Not graded
    quality
    Not graded
    maintenance
    Provides persistent local memory functionality for AI assistants, enabling them to store, retrieve, and search contextual information across conversations with SQLite-based full-text search. All data stays private on your machine while dramatically improving context retention and personalized assistance.
    3
    -
  • A
    license
    A
    quality
    D
    maintenance
    Provides AI assistants with long-term semantic memory capabilities through local vector-based storage. Enables storing, recalling, and managing information across sessions with complete privacy using ChromaDB, with no data ever leaving your machine.
    3
    9
    MIT
  • A
    license
    Not graded
    quality
    Not graded
    maintenance
    Provides AI coding agents with persistent, long-term memory through local semantic search and SQLite storage. It enables agents to save and retrieve architectural decisions or project context across different conversation sessions without requiring cloud services.
    MIT
  • F
    license
    Not graded
    quality
    D
    maintenance
    Provides persistent AI agent memory using a local vector database for long-term semantic storage and short-term session scratchpads. It enables low-latency memory operations including search, storage, and bulk management without external cloud dependencies.
    -