Skip to main content
Glama

MCP Memory

MCP Memory — это MCP-сервер, который дает MCP-клиентам (Cursor, Claude, Windsurf и другим) возможность запоминать информацию о пользователях (предпочтения, поведение) в разных диалогах. Он использует технологию векторного поиска для нахождения релевантных воспоминаний на основе смысла, а не просто ключевых слов. Проект построен на базе Cloudflare Workers, D1, Vectorize (RAG), Durable Objects, Workers AI и агентов.

📺 Видео

Related MCP server: MCP Memory

🚀 Попробуйте

https://memory.mcpgenerator.com/

🛠️ Как развернуть свой собственный MCP Memory

Вариант 1: Развертывание MCP Memory в Cloudflare в один клик

Развернуть в Cloudflare

В разделе Create Vectorize выберите:

  • Dimensions: 1024

  • Metric: cosine

Нажмите кнопку "Create and Deploy"

В панели управления Cloudflare перейдите в "Workers & Pages" и нажмите Visit

Посетить MCP Memory

Вариант 2: Используйте этот шаблон

  1. Нажмите кнопку "Use this template" в верхней части этого репозитория

  2. Клонируйте свой новый репозиторий

  3. Следуйте инструкциям по настройке ниже

Вариант 3: Создание с помощью CloudFlare CLI

npm create cloudflare@latest --git https://github.com/puliczek/mcp-memory

🔧 Настройка (только для вариантов 2 и 3)

  1. Установите зависимости:

npm install
  1. Создайте индекс Vectorize:

npx wrangler vectorize create mcp-memory-vectorize --dimensions 1024 --metric cosine
  1. Установите Wrangler:

npm run dev
  1. Разверните воркер:

npm run deploy

🧠 Как это работает

Архитектура MCP Memory

  1. Хранение воспоминаний:

    • Ваш текст обрабатывается Cloudflare Workers AI с использованием модели с открытым исходным кодом @cf/baai/bge-m3 для создания эмбеддингов

    • Текст и его векторное представление хранятся в двух местах:

      • Cloudflare Vectorize: хранит векторные эмбеддинги для поиска по сходству

      • Cloudflare D1: хранит исходный текст и метаданные для обеспечения постоянства

    • Durable Object (MyMCP) управляет состоянием и обеспечивает согласованность

    • Фреймворк Agents обрабатывает взаимодействие по протоколу MCP

  2. Извлечение воспоминаний:

    • Ваш запрос преобразуется в вектор с помощью Workers AI с использованием той же модели @cf/baai/bge-m3

    • Vectorize выполняет поиск по сходству для нахождения релевантных воспоминаний

    • Результаты ранжируются по оценке сходства

    • База данных D1 предоставляет исходный текст для найденных векторов

    • Durable Object координирует процесс извлечения

Эта архитектура обеспечивает:

  • Быстрый векторный поиск по сходству через Vectorize

  • Постоянное хранение данных с помощью D1

  • Операции с сохранением состояния через Durable Objects

  • Стандартизированное взаимодействие с ИИ через Workers AI

  • Соответствие протоколу через фреймворк Agents

Система находит концептуально связанную информацию, даже если точные слова не совпадают.

🔒 Безопасность

MCP Memory реализует несколько мер безопасности для защиты данных пользователей:

  • Воспоминания каждого пользователя хранятся в изолированных пространствах имен внутри Vectorize для разделения данных

  • Встроенное ограничение частоты запросов (rate limiting) предотвращает злоупотребления (100 запросов/мин — вы можете изменить это в wrangler.jsonc)

  • Аутентификация основана только на userId

    • Хотя этого достаточно для базовой защиты благодаря ограничению частоты запросов

    • При необходимости можно легко добавить дополнительные уровни аутентификации (например, API-ключи или OAuth)

  • Все данные хранятся в защищенной инфраструктуре Cloudflare

  • Все коммуникации защищены стандартным для отрасли шифрованием TLS (автоматически предоставляется сертификацией SSL/TLS от Cloudflare)

💰 Информация о стоимости — БЕСПЛАТНО для большинства пользователей

MCP Memory можно использовать бесплатно при обычном уровне нагрузки:

  • Бесплатный тариф позволяет хранить 1000 воспоминаний при ~28 000 запросов в месяц

  • Используются бесплатные квоты Cloudflare для Workers, Vectorize, Worker AI и базы данных D1

Более подробную информацию о ценах Cloudflare см. здесь:

❓ Часто задаваемые вопросы

  1. Могу ли я использовать memory.mcpgenerator.com для хранения своих воспоминаний?

    • Да, вы можете использовать memory.mcpgenerator.com для хранения и извлечения своих воспоминаний

    • Сервис бесплатный

    • Ваши воспоминания надежно хранятся и доступны только вам

    • Я не могу гарантировать, что сервис будет доступен всегда

  2. Могу ли я разместить его у себя?

    • Да, вы можете разместить свой собственный экземпляр MCP Memory бесплатно на Cloudflare

    • Вам потребуется учетная запись Cloudflare и следующие сервисы:

      • Workers

      • Vectorize

      • База данных D1

      • Workers AI

  3. Могу ли я запустить его локально?

    • Да, вы можете запустить MCP Memory локально для разработки

    • Используйте wrangler dev для локального запуска воркера

    • Вам нужно будет настроить локальные учетные данные для сервисов Cloudflare

    • Обратите внимание, что некоторые функции, такие как векторный поиск или Workers AI, требуют подключения к сервисам Cloudflare

  4. Могу ли я использовать другой хостинг?

    • Нет, MCP Memory специально разработан для инфраструктуры Cloudflare

  5. Почему вы его создали?

    • Я хотел получить решение с открытым исходным кодом

    • Контроль над собственными данными был важен для меня

  6. Могу ли я использовать его для нескольких человек?

    • Да, MCP Memory можно интегрировать в ваше приложение для обслуживания всех ваших пользователей

    • Каждый пользователь получает свое изолированное пространство памяти

  7. Могу ли я использовать его для хранения чего-то, кроме воспоминаний?

    • Да, MCP Memory может хранить любой тип текстовой информации

    • Несколько практических примеров:

      • База знаний: хранение технической документации, процедур и руководств по устранению неполадок

      • Поведение пользователей: отслеживание того, как пользователи взаимодействуют с функциями и общими шаблонами использования

      • Заметки по проекту: решения и обновления проекта

    • Векторный поиск поможет найти связанные элементы независимо от типа контента

🤝 Поддержите проект

Related MCP Connectors

Related MCP Servers