MCP Memory Server

Memoria persistente de agente para Blockbrain (o cualquier cliente MCP) mediante archivos Markdown + búsqueda de texto completo SQLite FTS5.

¿Por qué?

Los agentes de Blockbrain no conservan la memoria entre sesiones. Cada conversación empieza desde cero. Este servidor MCP lo soluciona: el agente puede guardar lo que ha aprendido y recuperarlo la próxima vez.

Cómo funciona:

• El agente resuelve un problema → llama a memory_save con la solución

• El agente inicia una nueva tarea → llama a memory_recall para comprobar si hay problemas similares en el pasado

• Todos los recuerdos se almacenan como archivos Markdown legibles + se indexan en SQLite para una búsqueda rápida

Related MCP server: universal-memory-mcp

Herramientas

Inicio rápido (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

Integración con Blockbrain

1. Exponer el servidor públicamente — Blockbrain necesita una URL HTTPS:

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

   • Opción B: Cualquier proxy inverso (nginx, Caddy, Traefik) con TLS

   • Opción C: ngrok para pruebas (ngrok http 8080)

2. Registrarlo en Blockbrain:

   • Ve a Admin → Agents → MCP Servers

   • Haz clic en "+ Add MCP Server"

   • Rellena los campos:

     • Nombre: Memory Server

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

     • Transporte: SSE

     • Autenticación: API Key

     • API Key: (el valor de tu .env)

   • Guarda y activa

3. Asignarlo a un agente y añade instrucciones al prompt del sistema del agente:

   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

Configuración

Toda la configuración mediante variables de entorno:

Almacenamiento

Los recuerdos se almacenan como archivos Markdown con frontmatter YAML:

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

Cada archivo tiene este aspecto:

---
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...

Puedes navegar, editar o eliminar recuerdos directamente: son solo archivos Markdown. El índice SQLite se mantiene sincronizado automáticamente.

Desarrollo local (sin 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

Endpoints de la API

Stack tecnológico

• Python 3.12 + MCP SDK

• Starlette + Uvicorn para HTTP/SSE

• SQLite FTS5 para búsqueda de texto completo (cero dependencias externas)

• Markdown para almacenamiento legible por humanos

Licencia

MIT