Skip to main content
Glama
aeriondyseti

Vector Memory MCP Server

by aeriondyseti

MCP-сервер векторной памяти

Семантическое хранилище памяти для ИИ-ассистентов. Сохраняйте решения, шаблоны и контекст, которые сохраняются между сессиями.

Локальный MCP-сервер, предоставляющий векторное хранилище памяти. Использует локальные эмбеддинги и SQLite с sqlite-vec для быстрого и приватного семантического поиска — всё в одном файле.

License: MIT npm version


Возможности

  • Локально и приватно — все эмбеддинги генерируются локально (all-MiniLM-L6-v2, 384 измерения), данные хранятся в одном файле SQLite

  • Семантический поиск — гибридный векторный и полнотекстовый поиск с ранжированием на основе намерений

  • Пакетные операции — сохранение, обновление, удаление и получение нескольких воспоминаний одновременно

  • Контрольные точки сессии (Waypoints) — сохранение и восстановление контекста проекта между сессиями

  • История диалогов — индексация и поиск по транскриптам сессий Claude Code

  • MCP Native — стандартный протокол, работает с любым MCP-совместимым клиентом


Related MCP server: Memorious MCP

Установка

Существует два способа установки Vector Memory, в зависимости от того, какой уровень интеграции вам нужен.

Вариант А: Плагин Claude Code (рекомендуется)

Установите как плагин, чтобы получить полный функционал: MCP-сервер, хуки жизненного цикла сессии, навыки работы с контрольными точками и мониторинг контекста — всё управляется автоматически.

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

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

Это клонирует репозиторий и запускает MCP-сервер напрямую из исходного кода. Хуки обрабатывают события запуска/очистки/сжатия сессии, а навыки предоставляют /waypoint:set, /waypoint:get и рекомендации по использованию памяти.

Вариант Б: Только MCP-сервер

Установите только MCP-сервер через npm, если вам нужно хранилище памяти без хуков или навыков, или если вы используете MCP-клиент, отличный от Claude Code.

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

При первой установке загружаются модели машинного обучения (~90 МБ). Это может занять минуту.

Затем добавьте в конфигурацию вашего MCP-клиента (например, ~/.claude/settings.json):

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

Системные требования

  • Bun 1.0+

  • MCP-совместимый клиент (Claude Code, Claude Desktop и т.д.)


Инструменты

Перезапустите ваш MCP-клиент после установки. Теперь вам доступны:

Инструмент

Описание

store_memories

Сохранение воспоминаний (принимает массив)

search_memories

Поиск релевантных воспоминаний семантически

get_memories

Получение воспоминаний по ID (принимает массив)

update_memories

Обновление существующих воспоминаний

delete_memories

Удаление воспоминаний (принимает массив)

report_memory_usefulness

Голосование за полезность воспоминания

set_waypoint

Сохранение контекста сессии для будущего использования

get_waypoint

Восстановление контекста сессии

index_conversations

Индексация логов сессий Claude Code как истории для поиска

list_indexed_sessions

Просмотр проиндексированных сессий диалогов

reindex_session

Принудительная переиндексация конкретной сессии


Использование

Сохранение воспоминания:

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

Поиск воспоминаний:

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

Контрольные точки сессии:

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

История диалогов (требуется --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]

Конфигурация

Флаги CLI:

Флаг

Псевдоним

По умолчанию

Описание

--db-file <path>

-d

.vector-memory/memories.db

Расположение базы данных (относительно текущей рабочей директории)

--port <number>

-p

3271

Порт HTTP-сервера

--no-http

(HTTP включен)

Отключить транспорт HTTP/SSE

--enable-history

(отключено)

Включить индексацию истории диалогов

--history-path

(автоопределение)

Путь к директории с логами сессий

--history-weight

0.75

Вес результатов истории в объединенном поиске


Каналы релизов

Пользователи плагина: Плагин отслеживает ветку репозитория по умолчанию. Чтобы переключить каналы, переустановите из конкретной ветки или тега.

Пользователи npm: Стабильный релиз предоставляется по умолчанию:

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

Предварительные каналы доступны для тестирования предстоящих изменений. Они нестабильны и могут сломаться без предупреждения — используйте на свой страх и риск.

Канал

npm

Описание

@latest

(по умолчанию)

Стабильные релизы

@rc

@aeriondyseti/vector-memory-mcp@rc

Кандидаты в релиз — финальное тестирование перед стабильной версией

@dev

@aeriondyseti/vector-memory-mcp@dev

Сборки для разработки — новейшие функции, наименьшая стабильность

# 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

Внимание: Предварительные версии могут содержать критические изменения, незавершенные функции или требования к миграции данных, которые еще не были окончательно утверждены. Не используйте их в рабочих процессах, от которых вы зависите.


Миграция с 1.x (LanceDB)

Версия 2.0 заменила LanceDB на SQLite (sqlite-vec) для хранения. Если у вас есть существующие данные из 1.x, сервер обнаружит их автоматически и предложит выполнить миграцию:

vector-memory-mcp migrate

Это прочитает вашу директорию LanceDB, создаст новый файл SQLite и выведет инструкции по их замене. Ваши исходные данные сохраняются до тех пор, пока вы не удалите их вручную.

Что изменилось:

  • Хранилище: Директория LanceDB (~845 файлов) → один файл .db

  • Зависимости: 223 МБ (@lancedb/lancedb + apache-arrow) → 24 КБ (sqlite-vec)

  • Среда выполнения: Поддержка Node.js прекращена, требуется Bun (для bun:sqlite)


Разработка

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

Смотрите CHANGELOG.md для истории релизов и ROADMAP.md для планируемых функций.


Участие в разработке

Вклад приветствуется! См. issues для областей, в которых нам нужна помощь.

Лицензия

MIT - см. LICENSE


Создано с использованием MCP SDK, sqlite-vec и 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.
    -