claude-memory-fts

MCP-сервер долгосрочной памяти для Claude Code. Хранит факты в локальной базе данных SQLite с гибридным поиском (FTS5 + семантическое векторное сходство) и автоматической вставкой контекста.

Возможности

• Гибридный поиск — полнотекстовый поиск FTS5 + семантическое векторное сходство, объединенные с помощью Reciprocal Rank Fusion (RRF)

• Семантическое понимание — поиск воспоминаний по смыслу, а не только по ключевым словам (на базе эмбеддингов all-MiniLM-L6-v2)

• Автоматическая вставка контекста — 30 самых важных воспоминаний автоматически добавляются в каждый запрос через хук

• Ранжирование по важности — факты ранжируются по частоте обращений, давности и весу категории

• Отслеживание обращений — отслеживает, как часто используется каждое воспоминание

• Upsert (обновление или вставка) — автоматически обновляет существующие факты вместо дублирования

• Категоризация — организация по типам: предпочтение, решение, техническое, проект, рабочий процесс, личное, общее

• Ресурсы MCP — предоставляет ресурс memory://context для контекста сессии

• Нулевая конфигурация — работает «из коробки», хранит данные в ~/.claude/memory.db

Установка

# Add to Claude Code
claude mcp add memory -- npx claude-memory-fts

# Auto-configure context injection hook (recommended)
npx claude-memory-fts --setup-hook

Команда --setup-hook автоматически:

1. Создает ~/.claude/scripts/memory-context.sh

2. Добавляет хук UserPromptSubmit в ~/.claude/settings.json

3. 30 самых важных воспоминаний автоматически вставляются в каждый запрос

Команды CLI

Конфигурация

Пример с пользовательским путем:

claude mcp add memory -e MEMORY_DB_PATH=/path/to/my/memory.db -- npx claude-memory-fts

Инструменты

memory_save

Сохранение факта в долгосрочную память.

memory_search

Гибридный поиск: выполняет FTS5 и семантический поиск параллельно, объединяет результаты с помощью RRF. При отсутствии совпадений переключается на поиск подстроки LIKE.

memory_update

Обновление содержимого или категории воспоминания по ID.

memory_list

Список всех сохраненных воспоминаний, сгруппированных по категориям.

memory_delete

Удаление воспоминания по ID.

Ресурсы

memory://context

MCP-ресурс, предоставляющий 30 самых важных фактов, ранжированных по оценке важности:

• Частота обращений — часто используемые факты получают более высокий балл (макс. 20 баллов)

• Давность — недавно обновленные факты получают более высокий балл (10 баллов, убывает в течение 90 дней)

• Вес категории — предпочтение/решение (3), рабочий процесс/техническое (2), проект/личное (1), общее (0)

Как это работает

Конвейер поиска

1. FTS5 + BM25 и семантическое векторное сходство выполняются параллельно

2. Результаты объединяются и дедуплицируются с помощью Reciprocal Rank Fusion (k=60)

3. Факты, присутствующие в обоих списках, получают естественное повышение рейтинга

4. Если оба метода возвращают пустой результат, используется поиск подстроки LIKE

5. Количество обращений отслеживается при каждом успешном поиске

Эмбеддинги

• Модель: all-MiniLM-L6-v2 (384 измерения, ~23 МБ)

• Генерируются локально через @xenova/transformers — никаких вызовов API, данные не покидают ваш компьютер

• Эмбеддинги создаются при сохранении и заполняются при запуске сервера

• Косинусное сходство с порогом 0.3 для фильтрации шума

Хранение

• SQLite в режиме WAL для быстрого параллельного чтения/записи

• Виртуальная таблица FTS5 синхронизируется через триггеры для полнотекстовой индексации в реальном времени

• Эмбеддинги хранятся в столбцах BLOB вместе с фактами

Разработка

git clone https://github.com/kurovu146/claude-memory-mcp.git
cd claude-memory-mcp
npm install
npm run build
npm test

Лицензия

MIT