Servicio de memoria MCP

Un servidor MCP que proporciona memoria semántica y capacidades de almacenamiento persistente para Claude Desktop mediante ChromaDB y transformadores de oraciones. Este servicio permite el almacenamiento en memoria a largo plazo con funciones de búsqueda semántica, lo que lo hace ideal para mantener el contexto entre conversaciones e instancias.

Ayuda

¡Hable con el repositorio con TalkToGitHub !

Related MCP server: TranscriptionTools MCP Server

Características

• Búsqueda semántica mediante transformadores de oraciones

• Recuerdo basado en el tiempo del lenguaje natural (por ejemplo, "la semana pasada", "ayer por la mañana")

• Sistema de recuperación de memoria basado en etiquetas

• Almacenamiento persistente mediante ChromaDB

• Copias de seguridad automáticas de bases de datos

• Herramientas de optimización de memoria

• Recuperación de coincidencias exactas

• Modo de depuración para análisis de similitud

• Monitoreo del estado de la base de datos

• Detección y limpieza de duplicados

• Modelo de incrustación personalizable

• Compatibilidad entre plataformas (Apple Silicon, Intel, Windows, Linux)

• Optimizaciones basadas en hardware para diferentes entornos

• Respaldos elegantes para recursos de hardware limitados

Instalación

Inicio rápido (recomendado)

El script de instalación mejorado detecta automáticamente su sistema e instala las dependencias adecuadas:

# Clone the repository
git clone https://github.com/doobidoo/mcp-memory-service.git
cd mcp-memory-service

# Create and activate a virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Run the installation script
python install.py

El script install.py hará lo siguiente:

1. Detecte la arquitectura de su sistema y los aceleradores de hardware disponibles

2. Instale las dependencias adecuadas para su plataforma

3. Configure los ajustes óptimos para su entorno

4. Verificar la instalación y proporcionar diagnósticos si es necesario

Instalación de Docker

Puede ejecutar el servicio de memoria usando Docker:

# Using Docker Compose (recommended)
docker-compose up

# Using Docker directly
docker build -t mcp-memory-service .
docker run -p 8000:8000 -v /path/to/data:/app/chroma_db -v /path/to/backups:/app/backups mcp-memory-service

Proporcionamos múltiples configuraciones de Docker Compose para diferentes escenarios:

• docker-compose.yml - Configuración estándar mediante pip install

• docker-compose.uv.yml : configuración alternativa mediante el administrador de paquetes UV

• docker-compose.pythonpath.yml : configuración con ajustes PYTHONPATH explícitos

Para utilizar una configuración alternativa:

docker-compose -f docker-compose.uv.yml up

Instalación de Windows (caso especial)

Los usuarios de Windows podrían experimentar problemas de instalación de PyTorch debido a la disponibilidad de ruedas específicas de cada plataforma. Utilice nuestro script de instalación específico para Windows:

# After activating your virtual environment
python scripts/install_windows.py

Este script maneja:

1. Detección de la disponibilidad y versión de CUDA

2. Instalar la versión adecuada de PyTorch desde la URL de índice correcta

3. Instalar otras dependencias sin entrar en conflicto con PyTorch

4. Verificando la instalación

Instalación mediante herrería

Para instalar el Servicio de memoria para Claude Desktop automáticamente a través de Smithery :

npx -y @smithery/cli install @doobidoo/mcp-memory-service --client claude

Guía de instalación detallada

Para obtener instrucciones completas de instalación y solución de problemas, consulte la Guía de instalación .

Configuración de Claude MCP

Configuración estándar

Agregue lo siguiente a su archivo claude_desktop_config.json :

{
  "memory": {
    "command": "uv",
    "args": [
      "--directory",
      "your_mcp_memory_service_directory",  // e.g., "C:\\REPOSITORIES\\mcp-memory-service"
      "run",
      "memory"
    ],
    "env": {
      "MCP_MEMORY_CHROMA_PATH": "your_chroma_db_path",  // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\chroma_db"
      "MCP_MEMORY_BACKUPS_PATH": "your_backups_path"  // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\backups"
    }
  }
}

Configuración específica de Windows (recomendada)

Para los usuarios de Windows, recomendamos utilizar el script contenedor para garantizar que PyTorch esté instalado correctamente:

{
  "memory": {
    "command": "python",
    "args": [
      "C:\\path\\to\\mcp-memory-service\\memory_wrapper.py"
    ],
    "env": {
      "MCP_MEMORY_CHROMA_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\chroma_db",
      "MCP_MEMORY_BACKUPS_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\backups"
    }
  }
}

El script contenedor hará lo siguiente:

1. Compruebe si PyTorch está instalado y configurado correctamente

2. Instale PyTorch con la URL de índice correcta si es necesario

3. Ejecute el servidor de memoria con la configuración adecuada

Guía de uso

Para obtener instrucciones detalladas sobre cómo interactuar con el servicio de memoria en Claude Desktop:

• Guía de invocación : aprenda las palabras clave y frases específicas que activan las operaciones de memoria en Claude

• Guía de instalación : instrucciones de configuración detalladas

El servicio de memoria se invoca mediante comandos de lenguaje natural en tus conversaciones con Claude. Por ejemplo:

• Para guardar: "Por favor, recuerde que la fecha límite de mi proyecto es el 15 de mayo".

• Para recuperar: "¿Recuerdas lo que te dije sobre la fecha límite de mi proyecto?"

• Para borrar: "Por favor olvida lo que te dije sobre mi dirección".

Consulte la Guía de invocación para obtener una lista completa de comandos y ejemplos de uso detallados.

Operaciones de memoria

El servicio de memoria proporciona las siguientes operaciones a través del servidor MCP:

Operaciones de memoria central

1. store_memory - Almacena nueva información con etiquetas opcionales

2. retrieve_memory - Realizar una búsqueda semántica de recuerdos relevantes

3. recall_memory - Recupera recuerdos usando expresiones de tiempo en lenguaje natural

4. search_by_tag - Encuentra recuerdos usando etiquetas específicas

5. exact_match_retrieve - Encuentra recuerdos con coincidencia exacta de contenido

6. debug_retrieve - Recupera memorias con puntuaciones de similitud

Gestión de bases de datos

7. create_backup - Crear copia de seguridad de la base de datos

8. get_stats - Obtener estadísticas de memoria

9. optimize_db - Optimizar el rendimiento de la base de datos

10. check_database_health - Obtener métricas de salud de la base de datos

11. check_embedding_model - Verificar el estado del modelo

Gestión de la memoria

12. delete_memory - Eliminar memoria específica por hash

13. delete_by_tag - Elimina todos los recuerdos con una etiqueta específica

14. cleanup_duplicates - Eliminar entradas duplicadas

Opciones de configuración

Configurar a través de variables de entorno:

CHROMA_DB_PATH: Path to ChromaDB storage
BACKUP_PATH: Path for backups
AUTO_BACKUP_INTERVAL: Backup interval in hours (default: 24)
MAX_MEMORIES_BEFORE_OPTIMIZE: Threshold for auto-optimization (default: 10000)
SIMILARITY_THRESHOLD: Default similarity threshold (default: 0.7)
MAX_RESULTS_PER_QUERY: Maximum results per query (default: 10)
BACKUP_RETENTION_DAYS: Number of days to keep backups (default: 7)
LOG_LEVEL: Logging level (default: INFO)

# Hardware-specific environment variables
PYTORCH_ENABLE_MPS_FALLBACK: Enable MPS fallback for Apple Silicon (default: 1)
MCP_MEMORY_USE_ONNX: Use ONNX Runtime for CPU-only deployments (default: 0)
MCP_MEMORY_USE_DIRECTML: Use DirectML for Windows acceleration (default: 0)
MCP_MEMORY_MODEL_NAME: Override the default embedding model
MCP_MEMORY_BATCH_SIZE: Override the default batch size

Compatibilidad de hardware

Pruebas

# Install test dependencies
pip install pytest pytest-asyncio

# Run all tests
pytest tests/

# Run specific test categories
pytest tests/test_memory_ops.py
pytest tests/test_semantic_search.py
pytest tests/test_database.py

# Verify environment compatibility
python scripts/verify_environment_enhanced.py

# Verify PyTorch installation on Windows
python scripts/verify_pytorch_windows.py

# Perform comprehensive installation verification
python scripts/test_installation.py

Solución de problemas

Consulte la Guía de instalación para obtener pasos detallados para la solución de problemas.

Consejos rápidos para la solución de problemas

• Errores de PyTorch de Windows : utilice python scripts/install_windows.py

• Conflictos de dependencia de Intel en macOS : use python install.py --force-compatible-deps

• Errores de recursión : Ejecute python scripts/fix_sitecustomize.py

• Verificación del entorno : ejecutar python scripts/verify_environment_enhanced.py

• Problemas de memoria : establezca MCP_MEMORY_BATCH_SIZE=4 y pruebe un modelo más pequeño

• Apple Silicon : asegúrese de que Python 3.10+ esté creado para ARM64, configure PYTORCH_ENABLE_MPS_FALLBACK=1

• Prueba de instalación : ejecute python scripts/test_installation.py

Estructura del proyecto

mcp-memory-service/
├── src/mcp_memory_service/      # Core package code
│   ├── __init__.py
│   ├── config.py                # Configuration utilities
│   ├── models/                  # Data models
│   ├── storage/                 # Storage implementations
│   ├── utils/                   # Utility functions
│   └── server.py                # Main MCP server
├── scripts/                     # Helper scripts
├── memory_wrapper.py            # Windows wrapper script
├── install.py                   # Enhanced installation script
└── tests/                       # Test suite

Directrices de desarrollo

• Python 3.10+ con sugerencias de tipos

• Utilice clases de datos para modelos

• Documentstrings entre comillas triples para módulos y funciones

• Patrón asíncrono/en espera para todas las operaciones de E/S

• Siga las pautas de estilo de PEP 8

• Incluir pruebas para nuevas funciones

Licencia

Licencia MIT: consulte el archivo de LICENCIA para obtener más detalles

Expresiones de gratitud

• Equipo de ChromaDB para la base de datos vectorial

• Proyecto Transformadores de Sentencias para incrustar modelos

• Proyecto MCP para la especificación del protocolo

Contacto

Telegrama

Integraciones

El servicio de memoria MCP se puede ampliar con diversas herramientas y utilidades. Consulte Integraciones para ver una lista de las opciones disponibles, entre ellas:

• Panel de memoria MCP : interfaz web para explorar y administrar memorias

• Contexto de memoria de Claude : Inyectar contexto de memoria en las instrucciones del proyecto Claude