MCP Memory Server

Persistenter Agentenspeicher für Blockbrain (oder jeden MCP-Client) über Markdown-Dateien + SQLite-FTS5-Volltextsuche.

Warum?

Blockbrain-Agenten persistieren keine Erinnerungen zwischen Sitzungen. Jede Konversation beginnt bei null. Dieser MCP-Server behebt das — der Agent kann speichern, was er gelernt hat, und es beim nächsten Mal abrufen.

So funktioniert es:

• Der Agent löst ein Problem → ruft memory_save mit der Lösung auf

• Der Agent startet eine neue Aufgabe → ruft memory_recall auf, um nach ähnlichen früheren Problemen zu suchen

• Alle Erinnerungen werden als lesbare Markdown-Dateien gespeichert + in SQLite für schnelle Suche indiziert

Related MCP server: universal-memory-mcp

Tools

Schnellstart (Docker)

# 1. Clone
git clone https://github.com/lanlibbi/mcp-memory-server.git
cd mcp-memory-server

# 2. Configure
cp .env.example .env
# Edit .env — set MEMORY_API_KEY!
# Generate a key: openssl rand -hex 32

# 3. Run
docker compose up -d

# 4. Verify
curl http://localhost:8080/health

Blockbrain-Integration

1. Server öffentlich bereitstellen — Blockbrain benötigt eine HTTPS-URL:

   • Option A: Cloudflare Tunnel (cloudflared tunnel --url http://localhost:8080)

   • Option B: Ein beliebiger Reverse-Proxy (nginx, Caddy, Traefik) mit TLS

   • Option C: ngrok zum Testen (ngrok http 8080)

2. In Blockbrain registrieren:

   • Gehe zu Admin → Agents → MCP Servers

   • Klicke auf "+ Add MCP Server"

   • Fülle aus:

     • Name: Memory Server

     • Server URL: https://<your-public-url>/sse

     • Transport: SSE

     • Authentifizierung: API Key

     • API Key: (der Wert aus deiner .env)

   • Speichern & aktivieren

3. Einem Agenten zuweisen und füge Anweisungen zum System-Prompt des Agenten hinzu:

   Before starting a new task, call memory_recall with keywords related to the task.
   After completing a task or learning something new, call memory_save with:
   - topic: a category for the task (e.g. "contract-review", "supplier-issue")
   - title: a short descriptive title
   - content: what was the problem, what was the solution, what was learned

Konfiguration

Die gesamte Konfiguration erfolgt über Umgebungsvariablen:

Speicherung

Erinnerungen werden als Markdown-Dateien mit YAML-Frontmatter gespeichert:

/data/memories/
├── contract-review/
│   ├── nda-standard-clauses.md
│   └── liability-clause-fix.md
├── supplier-issue/
│   └── delayed-delivery-workaround.md
└── memory.db          ← SQLite FTS5 index

Jede Datei sieht wie folgt aus:

---
id: a1b2c3d4e5f67890
topic: contract-review
title: NDA Standard Clauses
created_at: 2026-08-20T15:00:00Z
updated_at: 2026-08-20T15:00:00Z
---

# NDA Standard Clauses

The standard NDA should always include...

Du kannst Erinnerungen direkt durchsuchen, bearbeiten oder löschen — es sind einfach Markdown-Dateien. Der SQLite-Index bleibt automatisch synchron.

Lokale Entwicklung (ohne Docker)

python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
export MEMORY_API_KEY=test-key
export MEMORY_DATA_DIR=./data/memories
python -m uvicorn src.server:app --host 0.0.0.0 --port 8080

API-Endpunkte

Tech-Stack

• Python 3.12 + MCP SDK

• Starlette + Uvicorn für HTTP/SSE

• SQLite FTS5 für Volltextsuche (keine externen Abhängigkeiten)

• Markdown für menschenlesbare Speicherung

Lizenz

MIT