mem0-lite

通过 MCP 为编码代理提供自托管的记忆功能。无需 Docker。无需 Mem0 平台。无需 REST 守护进程。

该 MCP 封装了 mem0ai 的 Memory()，向量数据存储在磁盘上的 ~/.mem0/qdrant 目录下。工具调用在进程内完成。侧车保持 Qdrant 打开状态；第二个 MCP 在同一目录下通过 lite.lock / lite.want 进行协调——无需额外的守护进程。

为什么存在

官方 Mem0 提供了三个组件，但它们并不适合本地 MCP 环境的组合使用：

mem0-lite 是一个轻量级的本地 Python 应用，将开源 mem0 库作为 MCP 服务暴露出来。

你得到什么

• MCP 工具 — add_memory、search_memories、get_memory_by_id、list_memories、update_memory、delete_memory、delete_all_memories（调用方式见工具文档）

• 本地存储 — 磁盘上的 Qdrant（on_disk=True），非 /tmp，具有并发协调机制

• 使用时机 — 精简的 AGENTS.md 指引

• MCP 注册 — uv 启动片段

存储内容

向量数据库、历史记录、配置、访问日志、lite.lock 和 lite.want 均存储在 ~/.mem0 目录下

安装

需要 uv、Python 3.11+ 和 OPENAI_API_KEY（或 Ollama——参见 架构）。

1. 克隆此仓库。

2. 向你的主机注册 MCP 服务器（见下方片段）。在主机配置或系统环境中设置 OPENAI_API_KEY；不要提交到版本控制。

3. 粘贴 AGENTS.md 指引。

环境变量

MCP 从进程环境中读取以下变量。如果某个变量已在系统环境中设置，并且 MCP 未在沙箱中运行，主机将直接传递该变量——你无需在主机 env 块中重复设置。该 env 块中的值会覆盖系统环境中的值。

• OPENAI_API_KEY — 必需，除非使用 Ollama（见下文）

• MEM0_DIR — 数据目录（默认 ~/.mem0）

• MEM0_LITE_USER_ID — 默认用户作用域（默认 $USER）

• MEM0_LITE_AGENT_ID — 可选的代理作用域

• MEM0_LITE_LOCK_TIMEOUT — 存储锁等待时间（秒，默认 30）

• MEM0_LITE_LLM_PROVIDER — 例如 ollama（默认：通过 mem0ai 使用 OpenAI）

• MEM0_LITE_LLM_MODEL — 大模型名称（使用 Ollama 时默认 llama3.2）

• MEM0_LITE_EMBEDDER_PROVIDER — 例如 openai 或 ollama

• MEM0_LITE_EMBEDDER_MODEL — 嵌入模型（使用 Ollama 时默认 nomic-embed-text）

完整默认值：架构。可选评分：反馈模式（MEM0_LITE_FEEDBACK_MODE，默认关闭）。

MCP 注册

合并到你的 MCP 主机配置文件中。Cursor：~/.cursor/mcp.json 或项目根目录下的 .cursor/mcp.json。替换目录路径。

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

AGENTS.md

粘贴到 AGENTS.md（或用户规则中）。工具的具体调用方式在 MCP schemas 中。以下说明何时使用。

## 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.

指标

每次工具调用都会向 ~/.mem0/access-log.jsonl 追加一行（工具、代理、连接复用、锁等待、耗时）。汇总：

uv run python scripts/access-report.py

反馈模式

追踪记忆存储的有效性。

启用后，工具响应中包含 ts 字段，可用于通过 rate_memory_call 工具对响应进行评分。

启用后（MEM0_LITE_FEEDBACK_MODE=1）：

• 检索响应中包含 ts

• 代理可以在命中、未命中或噪声后调用 rate_memory_call(call_ts, helpful, reason)

• 评分追加到 ~/.mem0/feedback.jsonl

• scripts/access-report.py 将评分与访问日志中的 ts 关联，并报告覆盖率、有效率和反馈延迟（ts − call_ts）

在主机的 env 块中启用（不要将其放入默认注册片段中）：

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

如果启用，请在 AGENTS.md 中添加此内容。

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 的值为：used | empty_ok | miss | noise | stale | bad_query。跳过预期为空的空结果。 n | 文档 | n| 架构 | 进程模型、工具、数据布局 | n| 替代 Mem0 架构 | 平台、Docker REST、SDK 进程内、此仓库 | n| 替代存储 | 文件、SQLite、向量数据库、托管内存 | n| 决策 | 为什么选择 MCP，为什么infer=false，为什么不是 REST | n| 坑点 | 密钥在 git 中，/tmp Qdrant，CLI 作为工具，查询重写 | n

非此仓库范围

• 第二个 Mem0 服务器实现

• 与平台兼容的 HTTP API

• mem0-cli 的替代品

• 图记忆（实际上仅限平台）

此仓库采用 MIT 许可证。mem0ai 仍为 Apache-2.0。此封装文件归你所有，可保持本地使用。