Служба памяти MCP

MCP-сервер, предоставляющий возможности семантической памяти и постоянного хранения для Claude Desktop с использованием ChromaDB и преобразователей предложений. Этот сервис обеспечивает долгосрочное хранение памяти с возможностями семантического поиска, что делает его идеальным для поддержания контекста в разговорах и случаях.

Помощь

Пообщайтесь с репозиторием с помощью TalkToGitHub !

Related MCP server: TranscriptionTools MCP Server

Функции

• Семантический поиск с использованием преобразователей предложений

• Припоминание естественного языка с учетом времени (например, «на прошлой неделе», «вчера утром»)

• Система извлечения памяти на основе тегов

• Постоянное хранилище с использованием ChromaDB

• Автоматическое резервное копирование баз данных

• Инструменты оптимизации памяти

• Поиск точного соответствия

• Режим отладки для анализа сходства

• Мониторинг работоспособности базы данных

• Обнаружение и очистка дубликатов

• Настраиваемая модель встраивания

• Кроссплатформенная совместимость (Apple Silicon, Intel, Windows, Linux)

• Аппаратно-ориентированная оптимизация для различных сред

• Изящные откаты при ограниченных аппаратных ресурсах

Установка

Быстрый старт (рекомендуется)

Расширенный скрипт установки автоматически обнаруживает вашу систему и устанавливает соответствующие зависимости:

# 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

Скрипт install.py выполнит следующие действия:

1. Определите архитектуру вашей системы и доступные аппаратные ускорители

2. Установите соответствующие зависимости для вашей платформы.

3. Настройте оптимальные параметры для вашей среды

4. Проверьте установку и при необходимости проведите диагностику.

Установка докера

Вы можете запустить службу памяти с помощью 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

Мы предоставляем несколько конфигураций Docker Compose для различных сценариев:

• docker-compose.yml — стандартная конфигурация с использованием pip install

• docker-compose.uv.yml — Альтернативная конфигурация с использованием менеджера пакетов UV

• docker-compose.pythonpath.yml — Конфигурация с явными настройками PYTHONPATH

Чтобы использовать альтернативную конфигурацию:

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

Установка Windows (особый случай)

Пользователи Windows могут столкнуться с проблемами установки PyTorch из-за доступности колеса для определенной платформы. Используйте наш скрипт установки для Windows:

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

Этот скрипт обрабатывает:

1. Определение доступности и версии CUDA

2. Установка соответствующей версии PyTorch с правильного индексного URL-адреса

3. Установка других зависимостей без конфликта с PyTorch

4. Проверка установки

Установка через Smithery

Чтобы автоматически установить Memory Service для Claude Desktop через Smithery :

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

Подробное руководство по установке

Подробные инструкции по установке и устранению неполадок см. в Руководстве по установке .

Конфигурация Клода MCP

Стандартная конфигурация

Добавьте следующее в файл 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"
    }
  }
}

Конфигурация, специфичная для Windows (рекомендуется)

Пользователям Windows мы рекомендуем использовать скрипт-оболочку, чтобы убедиться, что PyTorch установлен правильно:

{
  "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"
    }
  }
}

Скрипт-обертка будет:

1. Проверьте, установлен ли PyTorch и правильно ли он настроен.

2. При необходимости установите PyTorch с правильным индексным URL-адресом.

3. Запустите сервер памяти с соответствующей конфигурацией.

Руководство по использованию

Подробные инструкции по взаимодействию со службой памяти в Claude Desktop:

• Руководство по вызову — изучите конкретные ключевые слова и фразы, которые запускают операции с памятью в Claude

• Руководство по установке - Подробные инструкции по настройке

Служба памяти вызывается посредством команд естественного языка в ваших разговорах с Клодом. Например:

• Сохранить: «Пожалуйста, помните, что крайний срок сдачи моего проекта — 15 мая».

• Извлечь: «Помнишь, что я говорил тебе о сроках сдачи моего проекта?»

• Удалить: «Пожалуйста, забудьте то, что я вам говорил о моем адресе».

Полный список команд и подробные примеры использования см. в Руководстве по вызову.

Операции с памятью

Служба памяти обеспечивает выполнение следующих операций через сервер MCP:

Операции с основной памятью

1. store_memory — сохранение новой информации с дополнительными тегами

2. retrieve_memory — выполнить семантический поиск соответствующих воспоминаний

3. recall_memory - Извлечение воспоминаний с использованием выражений времени на естественном языке

4. search_by_tag — поиск воспоминаний с использованием определенных тегов

5. exact_match_retrieve — поиск воспоминаний с точным совпадением содержания

6. debug_retrieve — извлечение воспоминаний с оценками сходства

Управление базой данных

7. create_backup — Создать резервную копию базы данных

8. get_stats - Получить статистику памяти

9. optimize_db — Оптимизация производительности базы данных

10. check_database_health — получение показателей работоспособности базы данных

11. check_embedding_model — проверка статуса модели

Управление памятью

12. delete_memory - Удалить определенную память по хешу

13. delete_by_tag — Удалить все воспоминания с определенным тегом

14. cleanup_duplicates - Удалить дубликаты записей

Параметры конфигурации

Настройте через переменные среды:

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

Совместимость оборудования

Тестирование

# 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

Поиск неисправностей

Подробные инструкции по устранению неполадок см. в руководстве по установке .

Советы по быстрому устранению неполадок

• Ошибки Windows PyTorch : используйте python scripts/install_windows.py

• Конфликты зависимостей Intel в macOS : используйте python install.py --force-compatible-deps

• Ошибки рекурсии : Запустите python scripts/fix_sitecustomize.py

• Проверка среды : Запустите python scripts/verify_environment_enhanced.py

• Проблемы с памятью : установите MCP_MEMORY_BATCH_SIZE=4 и попробуйте меньшую модель.

• Apple Silicon : убедитесь, что Python 3.10+ собран для ARM64, установите PYTORCH_ENABLE_MPS_FALLBACK=1

• Тестирование установки : Запустите python scripts/test_installation.py

Структура проекта

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

Руководство по разработке

• Python 3.10+ с подсказками типов

• Используйте классы данных для моделей

• Строки документации в тройных кавычках для модулей и функций

• Шаблон async/await для всех операций ввода-вывода

• Следуйте рекомендациям по стилю PEP 8

• Включить тесты для новых функций

Лицензия

Лицензия MIT — подробности см. в файле LICENSE

Благодарности

• Команда ChromaDB для векторной базы данных

• Проект Sentence Transformers для внедрения моделей

• Проект MCP для спецификации протокола

Контакт

Телеграмма

Интеграции

Служба памяти MCP может быть расширена различными инструментами и утилитами. См. раздел Интеграции для списка доступных опций, включая:

• MCP Memory Dashboard — веб-интерфейс для просмотра и управления памятью

• Контекст памяти Клода — внедрение контекста памяти в инструкции проекта Клода