mem0-lite

Memoria autoalojada para agentes de codificación a través de MCP. Sin Docker. Sin Mem0 Platform. Sin demonio REST.

El MCP envuelve mem0ai Memory(), con vectores en disco bajo ~/.mem0/qdrant. Las llamadas a herramientas permanecen en el proceso. El sidecar mantiene Qdrant abierto; un segundo MCP en el mismo directorio cede mediante lite.lock / lite.want — sin demonio adicional.

Por qué existe esto

Mem0 oficial te da tres cosas que no se componen para una configuración MCP local:

mem0-lite es una aplicación Python local lite que expone la biblioteca OSS mem0 como un servicio MCP.

Lo que obtienes

• Herramientas MCP — add_memory, search_memories, get_memory_by_id, list_memories, update_memory, delete_memory, delete_all_memories (cómo llamarlas está en la documentación de las herramientas)

• Almacenamiento local — Qdrant en disco (on_disk=True), no /tmp, con coordinación de concurrencia

• Cuándo usarlas — puntero delgado AGENTS.md pointer

• Registro MCP — fragmento de lanzamiento uv

Lo que almacena

base de datos vectorial, historial, configuración, registro de acceso, lite.lock y lite.want en ~/.mem0

Instalación

Requiere uv, Python 3.11+ y OPENAI_API_KEY (o Ollama — ver arquitectura).

1. Clona este repositorio.

2. Registra el servidor MCP con tu host (fragmento abajo). Establece OPENAI_API_KEY en la configuración del host o en tu entorno; no lo confirmes.

3. Pega el puntero AGENTS.md.

Entorno

El MCP lee estas variables del entorno del proceso. Si una variable está establecida en tu entorno del sistema y el MCP no se ejecuta en un sandbox, el host la pasa — no necesitas duplicarla en el bloque env del host. Los valores en ese bloque env anulan el entorno del sistema.

• OPENAI_API_KEY — requerida a menos que uses Ollama (ver abajo)

• MEM0_DIR — directorio de datos (por defecto ~/.mem0)

• MEM0_LITE_USER_ID — ámbito de usuario por defecto (por defecto $USER)

• MEM0_LITE_AGENT_ID — ámbito de agente opcional

• MEM0_LITE_LOCK_TIMEOUT — espera de bloqueo de almacenamiento en segundos (por defecto 30)

• MEM0_LITE_LLM_PROVIDER — p.ej. ollama (por defecto: OpenAI a través de mem0ai)

• MEM0_LITE_LLM_MODEL — nombre del modelo LLM (por defecto llama3.2 con Ollama)

• MEM0_LITE_EMBEDDER_PROVIDER — p.ej. openai o ollama

• MEM0_LITE_EMBEDDER_MODEL — modelo de incrustación (por defecto nomic-embed-text con Ollama)

Valores predeterminados completos: arquitectura. Calificación opcional: Modo de retroalimentación (MEM0_LITE_FEEDBACK_MODE, desactivado por defecto).

Registro MCP

Fusiona en la configuración de tu host MCP. Cursor: ~/.cursor/mcp.json o proyecto .cursor/mcp.json. Reemplaza la ruta del directorio.

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

AGENTS.md

Pega en AGENTS.md (o reglas de usuario). Cómo llamar a las herramientas está en los esquemas MCP. Esto es cuándo.

## 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.

Métricas

Cada llamada a herramienta añade una línea a ~/.mem0/access-log.jsonl (herramienta, agente, reutilización de conexión, espera de bloqueo, duración). Resumir:

uv run python scripts/access-report.py

Modo de retroalimentación

Rastrea la efectividad del almacenamiento de memoria.

Cuando está activado, las respuestas de las herramientas incluyen un campo ts, que se puede usar para calificar una respuesta usando la herramienta rate_memory_call.

Cuando está activado (MEM0_LITE_FEEDBACK_MODE=1):

• Las respuestas de recuperación incluyen ts

• Los agentes pueden llamar a rate_memory_call(call_ts, helpful, reason) después de un acierto útil, un fallo o ruido

• Las calificaciones se añaden a ~/.mem0/feedback.jsonl

• scripts/access-report.py une las calificaciones con el ts del registro de acceso e informa cobertura, tasa de utilidad y latencia de retroalimentación (ts − call_ts)

Habilita en el bloque env del host MCP (no pongas esto en el fragmento de registro predeterminado):

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

Si lo habilitas, añade esto a AGENTS.md.

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 es uno de: used | empty_ok | miss | noise | stale | bad_query. Omite resultados vacíos y esperados.

Documentación

No es este repositorio

• Una segunda implementación del servidor Mem0

• Una API HTTP compatible con Platform

• Un reemplazo para mem0-cli

• Memoria gráfica (solo Platform en la práctica)

Este repositorio es MIT. mem0ai sigue siendo Apache-2.0. Este envoltorio es tuyo para mantenerlo local.