mem0-lite

Selbst gehosteter Speicher für Coding-Agenten über MCP. Kein Docker. Keine Mem0-Plattform. Kein REST-Daemon.

Das MCP kapselt mem0ai Memory(), mit Vektoren auf der Festplatte unter ~/.mem0/qdrant. Tool-Aufrufe bleiben im Prozess. Der Sidecar hält Qdrant offen; ein zweites MCP im selben Verzeichnis gibt über lite.lock / lite.want nach — kein zusätzlicher Daemon.

Warum es das gibt

Offizielles Mem0 bietet drei Dinge, die sich für ein lokales MCP-Setup nicht zusammensetzen lassen:

mem0-lite ist eine leichte lokale Python-App, die die OSS-mem0-Bibliothek als MCP-Dienst bereitstellt.

Was Sie bekommen

• MCP-Tools — add_memory, search_memories, get_memory_by_id, list_memories, update_memory, delete_memory, delete_all_memories (Wie man sie aufruft, steht in der Tool-Dokumentation)

• Lokaler Speicher — Qdrant auf der Festplatte (on_disk=True), nicht /tmp, mit Nebenläufigkeitskoordination

• Wann man sie verwendet — dünner AGENTS.md-Hinweis

• MCP-Registrierung — uv-Start-Snippet

Was es speichert

Vektordatenbank, Verlauf, Konfiguration, Zugriffslog, lite.lock und lite.want in ~/.mem0

Installation

Erfordert uv, Python 3.11+ und OPENAI_API_KEY (oder Ollama — siehe Architektur).

1. Klonen Sie dieses Repository.

2. Registrieren Sie den MCP-Server bei Ihrem Host (Snippet unten). Setzen Sie OPENAI_API_KEY in der Host-Konfiguration oder Ihrer Umgebung; committen Sie ihn nicht.

3. Fügen Sie den AGENTS.md-Hinweis ein.

Umgebungsvariablen

Das MCP liest diese aus der Prozessumgebung. Wenn eine Variable in Ihrer Systemumgebung gesetzt ist und das MCP nicht in einer Sandbox läuft, gibt der Host sie durch — Sie müssen sie nicht im env-Block des Hosts duplizieren. Werte in diesem env-Block überschreiben die Systemumgebung.

• OPENAI_API_KEY — erforderlich, es sei denn, Sie verwenden Ollama (siehe unten)

• MEM0_DIR — Datenverzeichnis (Standard ~/.mem0)

• MEM0_LITE_USER_ID — Standard-Benutzerbereich (Standard $USER)

• MEM0_LITE_AGENT_ID — optionaler Agentenbereich

• MEM0_LITE_LOCK_TIMEOUT — Wartezeit für Store-Lock in Sekunden (Standard 30)

• MEM0_LITE_LLM_PROVIDER — z.B. ollama (Standard: OpenAI via mem0ai)

• MEM0_LITE_LLM_MODEL — LLM-Modellname (Standard llama3.2 mit Ollama)

• MEM0_LITE_EMBEDDER_PROVIDER — z.B. openai oder ollama

• MEM0_LITE_EMBEDDER_MODEL — Embedder-Modell (Standard nomic-embed-text mit Ollama)

Vollständige Standardwerte: Architektur. Opt-in-Bewertung: Feedback-Modus (MEM0_LITE_FEEDBACK_MODE, Standard aus).

MCP-Registrierung

Fügen Sie in die Konfiguration Ihres MCP-Hosts ein. Cursor: ~/.cursor/mcp.json oder Projekt .cursor/mcp.json. Ersetzen Sie den Verzeichnispfad.

{
  "mcpServers": {
    "mem0-lite": {
      "command": "uv",
      "args": ["run", "--directory", "/ABS/PATH/TO/mem0-lite", "mem0-lite", "mcp"],
      "env": { "OPENAI_API_KEY": "sk-..." }
    }
  }
}

AGENTS.md

Fügen Sie in AGENTS.md (oder Benutzerregeln) ein. Wie man Tools aufruft, steht in den MCP-Schemas. Dies ist das Wann.

## Memory

MCP `mem0-lite` is registered. Search at task start, context switch, or when the user references past work. After the reply, write only if a new agent would benefit in days/weeks (future utility, novelty, factual, no secrets). Do not announce recall. Prefer `update_memory`. Most turns write nothing.

Metriken

Jeder Tool-Aufruf fügt eine Zeile an ~/.mem0/access-log.jsonl an (Tool, Agent, Verbindungswiederverwendung, Lock-Wartezeit, Dauer). Zusammenfassung:

uv run python scripts/access-report.py

Feedback-Modus

Verfolgt die Effektivität des Speichers.

Wenn eingeschaltet, enthalten Tool-Antworten ein ts-Feld, das verwendet werden kann, um eine Antwort mit dem Tool rate_memory_call zu bewerten.

Wenn eingeschaltet (MEM0_LITE_FEEDBACK_MODE=1):

• Retrieval-Antworten enthalten ts

• Agenten können rate_memory_call(call_ts, helpful, reason) nach einem nützlichen Treffer, einem Fehlschlag oder Rauschen aufrufen

• Bewertungen werden an ~/.mem0/feedback.jsonl angehängt

• scripts/access-report.py verknüpft Bewertungen mit Zugriffslog-ts und meldet Abdeckung, Hilfsrate und Feedback-Latenz (ts − call_ts)

Aktivieren Sie im env-Block des MCP-Hosts (nicht in das Standard-Registrierungs-Snippet einfügen):

"env": {
  "OPENAI_API_KEY": "sk-...",
  "MEM0_LITE_FEEDBACK_MODE": "1"
}

Wenn Sie es aktivieren, fügen Sie dies zu AGENTS.md hinzu.

After a retrieval call, if you used a hit, clearly missed a fact, or got noise, call rate_memory_call with that response's ts.

reason ist einer von: used | empty_ok | miss | noise | stale | bad_query. Überspringen Sie leere und erwartete Ergebnisse.

Dokumentation

Nicht dieses Repository

• Eine zweite Mem0-Server-Implementierung

• Eine plattformkompatible HTTP-API

• Ein Ersatz für mem0-cli

• Graph-Speicher (in der Praxis nur Plattform)

Dieses Repository ist MIT. mem0ai bleibt Apache-2.0. Dieser Wrapper gehört Ihnen, um ihn lokal zu behalten.