Skip to main content
Glama
gmacev

Simple Memory Extension MCP Server

by gmacev

Servidor MCP de extensión de memoria simple

Un servidor MCP para ampliar la ventana de contexto/memoria de los agentes. Resulta útil al codificar funciones importantes o vibraciones, y al necesitar almacenar/recuperar el progreso, momentos clave, cambios o cualquier elemento importante. Simplemente pídale al agente que almacene memorias y las recupere cuando las necesite, o que administre completamente su memoria (por ejemplo, mediante reglas de cursor) como considere oportuno.

Uso

Iniciando el servidor

npm install
npm start

Herramientas disponibles

Gestión de elementos de contexto

  • store_context_item - Almacena un valor con una clave en el espacio de nombres

  • retrieve_context_item_by_key - Obtener valor por clave

  • delete_context_item - Eliminar par clave-valor

Gestión de espacios de nombres

  • create_namespace - Crear nuevo espacio de nombres

  • delete_namespace - Eliminar el espacio de nombres y todo el contenido

  • list_namespaces - Lista todos los espacios de nombres

  • list_context_item_keys - Lista de claves en un espacio de nombres

Búsqueda semántica

  • retrieve_context_items_by_semantic_search - Buscar elementos por significado

Implementación de búsqueda semántica

  1. Consulta convertida a vector usando el modelo E5

  2. El texto se divide automáticamente en fragmentos para una mejor coincidencia

  3. Similitud de coseno calculada entre la consulta y los fragmentos almacenados

  4. Resultados filtrados por umbral y ordenados por similitud

  5. Las mejores coincidencias se devolvieron con los valores completos de los artículos

Related MCP server: mem0-agent-memory

Desarrollo

# Dev server
npm run dev

# Format code
npm run format

.env

# Path to SQLite database file
DB_PATH=./data/context.db

PORT=3000

# Use HTTP SSE or Stdio
USE_HTTP_SSE=true

# Logging Configuration: debug, info, warn, error
LOG_LEVEL=info

Búsqueda semántica

Este proyecto incluye funciones de búsqueda semántica mediante el modelo de incrustación E5 de Hugging Face. Esto permite encontrar elementos de contexto basándose en su significado, en lugar de solo en coincidencias clave exactas.

Configuración

La función de búsqueda semántica requiere dependencias de Python, pero estas deberían instalarse automáticamente cuando ejecute: npm run start

Modelo de incrustación

Usamos intfloat/multilingual-e5-large-instruct

Notas

Lo desarrollé principalmente mientras programaba vibraciones, así que no esperen mucho :D. Pero funciona y me resultó útil, así que bueno. Siéntanse libres de contribuir o sugerir mejoras.

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    C
    maintenance
    An MCP server that provides persistent long-term memory for AI agents via local SQLite storage with low token overhead, enabling memory storage, retrieval, and management across sessions.
    1
    MIT
  • A
    license
    A
    quality
    D
    maintenance
    An MCP server that provides persistent memory capabilities for AI agents using Mem0, enabling storage, search, and management of contextual information across conversations with support for multiple backends and LLM providers.
    18
    18 PyPI
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    An MCP server that provides AI agents with a contextual memory system, storing query-error-solution chains as a typed graph with local embedding search.
    1 npm
    -