de en es ko ru zh

mnemon-mcp

Name: mnemon-mcp
Author: nikitacometa

by nikitacometa

Overview Schema Source Related Servers Discussions Admin

TypeScript

Hybrid

mnemon-mcp

npm version Node.js License: MIT

Постоянная многоуровневая память для ИИ-агентов. Локально в первую очередь. Без облаков. Один SQLite-файл.

Страница проекта · npm · GitHub

Ваш ИИ-агент забывает всё после каждого сеанса. Mnemon это исправляет.

Он даёт любому MCP-совместимому клиенту — OpenClaw, Claude Code, Cursor, Windsurf или вашему собственному — структурированную долговременную память на основе одной SQLite-базы на вашей машине. Никаких API-ключей, никакого облака, никакой телеметрии. Просто npm install — и ваш агент запоминает.

Зачем нужна многоуровневая память?

Плоские хранилища «ключ-значение» ставят в один ряд «что было вчера» и «никогда не коммить без тестов». Это неправильно — разные виды знаний имеют разное время жизни и разные паттерны доступа.

Mnemon организует воспоминания в четыре уровня:

Уровень	Что хранит	Как доступен	Время жизни
Эпизодический	События, сеансы, журнальные записи	По дате или периоду	Затухает (период полураспада 30 дней)
Семантический	Факты, предпочтения, связи	По теме или сущности	Стабильно
Процедурный	Правила, рабочие процессы, соглашения	Загружается при запуске	Редко меняется
Ресурсный	Справочные материалы, заметки о книгах	По требованию	Затухает медленно (90 дней)

Журнальная запись с прошлого вторника и правило кодирования, которое никогда не меняется, живут в разных уровнях — потому что так и должно быть.

Related MCP server: persistent-kb-mcp

Качество поиска

Качество поиска оценивается на золотом наборе из 50 случаев на реальном двуязычном (RU/EN) корпусе из 797 воспоминаний, через реальный MCP-сервер, а не его переработку. Текущие показатели (методология и история):

Метрика	Только FTS	Только векторы	Гибрид (RRF)
Композитный балл	88,9	89,2	91,7
Полнота@5	0,907	0,898	0,919
MRR	0,817	0,832	0,878
nDCG@5	0,816	0,828	0,869
Точность по негативам	1,000	1,000	1,000

Гибрид превосходит обе ветви по отдельности, что и есть главный аргумент в пользу их объединения: лексический поиск даёт лучшую сырую полноту, векторный — лучшее ранжирование, а RRF сохраняет оба преимущества, а не усредняет их.

В документации по оценке также отслеживаются и неудачи — дрейф оценок при росте корпуса, ошибка весов полей BM25, которую выявила оценка, два случая, когда объединение всё ещё проигрывает чистому лексическому поиску, и что золотой набор не покрывает. Цифры, которые нельзя проверить, — это маркетинг; читайте, как они получены.

Архитектура

flowchart LR
    C["MCP client<br/>Claude Code · Cursor · …"] -- "stdio / HTTP" --> T["10 tools · 4 resources · 3 prompts"]
    T --> R["retrieval pipeline<br/>FTS5 · vector · RRF fusion"]
    T --> M["memories + supersede chains"]
    I["KB import pipeline<br/>markdown → memories"] --> M
    M -- triggers --> F["FTS5 index (stemmed EN+RU)"]
    R --> F
    R --> V["sqlite-vec (optional, BYOK)"]

Один SQLite-файл хранит воспоминания, индекс FTS5 и опциональный векторный индекс. Запись идёт через транзакции, поддерживающие инвариант цепочки замещения; чтение выполняется через конвейер поэтапного поиска, описанный в разделе Поиск.

Полная картина — границы модулей, пути записи/чтения, инварианты и известные ограничения — в docs/ARCHITECTURE.md. Проектные решения зафиксированы в ADR: ядро SQLite+FTS5, гибридный поиск RRF, синхронный драйвер, модель многоуровневой памяти.

Быстрый старт

Установка

npm install -g mnemon-mcp

Или из исходников:

git clone https://github.com/nikitacometa/mnemon-memory-mcp.git
cd mnemon-memory-mcp && npm install && npm run build

Настройка MCP-клиента

openclaw mcp register mnemon-mcp --command="mnemon-mcp"

Или добавьте в ~/.openclaw/mcp_config.json:

{
  "mnemon-mcp": {
    "command": "mnemon-mcp"
  }
}

Добавьте в ~/.claude/mcp.json:

{
  "mcpServers": {
    "mnemon-mcp": {
      "command": "mnemon-mcp"
    }
  }
}

Добавьте в конфиг MCP вашего клиента:

{
  "mcpServers": {
    "mnemon-mcp": {
      "command": "mnemon-mcp"
    }
  }
}

Используйте полный путь к скомпилированной точке входа:

{
  "mnemon-mcp": {
    "command": "node",
    "args": ["/absolute/path/to/mnemon-mcp/dist/index.js"]
  }
}

Проверка

echo '{"jsonrpc":"2.0","method":"tools/list","id":1}' | mnemon-mcp

В ответе вы должны увидеть 10 инструментов. База данных (~/.mnemon-mcp/memory.db) создаётся автоматически при первом запуске.

Вот и всё. Теперь у вашего агента есть постоянная память.

Возможности

10 MCP-инструментов

Инструмент	Что делает
`memory_add`	Сохраняет воспоминание с уровнем, сущностью, уверенностью, важностью и опциональным TTL
`memory_search`	Полнотекстовый или точный поиск с фильтрами по уровню, сущности, дате, области, уверенности
`memory_update`	Обновляет на месте или создаёт версионированную замену (цепочка замещения)
`memory_delete`	Удаляет воспоминание; при наличии реактивирует его предшественника
`memory_inspect`	Показывает статистику по уровням или историю версий конкретного воспоминания
`memory_export`	Экспорт в JSON, Markdown или Claude-md с фильтрами
`memory_health`	Диагностика: истёкшие записи, осиротевшие цепочки, устаревшие воспоминания; опционально сборка мусора
`memory_session_start`	Запускает сеанс агента — возвращает ID сеанса для группировки воспоминаний
`memory_session_end`	Завершает сеанс с опциональным резюме; возвращает длительность и количество воспоминаний
`memory_session_list`	Список сеансов с фильтрами по клиенту, проекту или статусу активности

MCP-ресурсы и промпты

Ресурсы — живые данные, которые может читать ваш агент:

URI	Возвращает
`memory://stats`	Сводная статистика по уровням
`memory://recent`	Воспоминания, созданные/изменённые за последние 24 часа
`memory://layer/{layer}`	Все активные воспоминания уровня
`memory://entity/{name}`	Все активные воспоминания о сущности

Промпты — готовые рабочие процессы:

Промпт	Назначение
`recall`	«Расскажи всё, что знаешь об X»
`context-load`	Загрузить релевантный контекст перед началом задачи
`journal`	Создать структурированную журнальную запись

Поиск

Четыре режима, все поддерживают фильтры по уровню / сущности / области / дате / уверенности:

Режим FTS (по умолчанию без эмбеддингов) — токенизированный полнотекстовый поиск с ранжированием BM25. Многословные запросы используют И; если результатов слишком мало, ИЛИ дополняет с понижением балла. Прогрессивное ослабление И перебирает топ-3 наиболее специфичных термина, прежде чем перейти к полному ИЛИ.

Гибридный режим (по умолчанию при настроенных эмбеддингах) — объединяет FTS5 + векторный поиск через Reciprocal Rank Fusion. Обнаруживает сущности в кавычках в запросах (например, 'Essentialism') и выполняет взвешенные подзапросы для перекрёстного поиска.

Векторный режим — чистый поиск по косинусной близости эмбеддингов.

Точный режим — поиск по подстроке LIKE для точного поиска фраз.

Оценки: bm25 × (0,3 + 0,7 × важность) × затухание(уровень) × недавность

Бонус за недавность: 1 / (1 + днейС / 365) — мягко вознаграждает недавно созданные воспоминания, не наказывая старые.

Стемминг

Стеммер Snowball применяется и при индексации, и при выполнении запроса для английского и русского языков. Это означает, что "running" соответствует "runs", а "книги" — "книга". Стоп-слова отфильтровываются из запросов для повышения точности.

Версионирование фактов

Знания развиваются. Mnemon не удаляет старые факты — он выстраивает их в цепочку:

v1: "Team uses React 17"  →  superseded_by: v2
v2: "Team uses React 19"  →  supersedes: v1 (active)

Поиск возвращает только последнюю версию. memory_inspect с include_history: true показывает всю цепочку. memory_delete реактивирует предшественника — ничего не теряется.

Векторный поиск (опционально, BYOK)

Включите семантический поиск по близости, указав свой API эмбеддингов:

# OpenAI
MNEMON_EMBEDDING_PROVIDER=openai MNEMON_EMBEDDING_API_KEY=sk-... mnemon-mcp

# Ollama (local, free)
MNEMON_EMBEDDING_PROVIDER=ollama mnemon-mcp

Это открывает два дополнительных режима поиска:

mode: "vector" — чистый поиск по косинусной близости
mode: "hybrid" — FTS5 + векторы через Reciprocal Rank Fusion

Требуется sqlite-vec (устанавливается как опциональная зависимость). Новые воспоминания встраиваются при добавлении; существующие можно дополнительно обработать.

Переменная	По умолчанию	Описание
`MNEMON_EMBEDDING_PROVIDER`	—	`openai` или `ollama` (не задано = отключено)
`MNEMON_EMBEDDING_API_KEY`	—	API-ключ (обязателен для OpenAI)
`MNEMON_EMBEDDING_MODEL`	`text-embedding-3-small` / `nomic-embed-text`	Название модели
`MNEMON_EMBEDDING_DIMENSIONS`	`1024` / `768`	Размерность векторов
`MNEMON_OLLAMA_URL`	`http://localhost:11434`	Конечная точка Ollama

Импорт базы знаний

Есть папка с Markdown-файлами? Импортируйте их пакетно:

cp config.example.json ~/.mnemon-mcp/config.json   # edit this first
npm run import:kb -- --kb-path /path/to/your/kb     # incremental (skips unchanged files)

Конфиг сопоставляет glob-шаблоны с уровнями памяти:

{
  "owner_name": "your-name",
  "extra_stop_words": [],
  "mappings": [
    {
      "glob": "journal/*.md",
      "layer": "episodic",
      "entity_type": "user",
      "entity_name": "$owner",
      "importance": 0.6,
      "split": "h2"
    },
    {
      "glob": "people/*.md",
      "layer": "semantic",
      "entity_type": "person",
      "entity_name": "from-heading",
      "importance": 0.8,
      "split": "h3"
    }
  ]
}

Поля конфигурации

Поле	Тип	Описание
`owner_name`	string	Ваше имя — используется для подстановки `$owner` в `entity_name`
`extra_stop_words`	string[]	Слова для фильтрации из FTS-запросов (например, формы вашего имени)
`glob`	string	Шаблон файла для сопоставления
`layer`	string	Целевой уровень памяти
`entity_type`	string	`user` / `person` / `project` / `concept` / `file` / `rule` / `tool`
`entity_name`	string	Литеральное имя, `"$owner"` или `"from-heading"` (извлечение из H2/H3)
`split`	string	`"whole"` (одно воспоминание на файл), `"h2"` или `"h3"` (разбивка по заголовкам)
`importance`	number	0,0–1,0, влияет на ранжирование поиска
`confidence`	number	0,0–1,0, фильтруется при поиске
`scope`	string	Необязательное пространство имён

HTTP-транспорт

Для удалённых сценариев или нескольких клиентов:

MNEMON_AUTH_TOKEN=your-secret MNEMON_HOST=0.0.0.0 MNEMON_PORT=3000 npm run start:http

Конечная точка	Описание
`POST /mcp`	MCP JSON-RPC (Bearer-аутентификация, если задан токен)
`GET /health`	`{"status":"ok","version":"..."}`

По умолчанию привязывается к 127.0.0.1. Привязка к любому другому хосту требует MNEMON_AUTH_TOKEN — сервер отказывается предоставлять хранилище памяти в сеть без аутентификации (переопределите с помощью MNEMON_ALLOW_INSECURE_HTTP=1 в доверенной сети). Ограничение скорости (100 запросов/мин/IP по умолчанию), опциональный CORS, лимит тела 1 МБ, безопасная по времени аутентификация, корректное завершение работы по SIGTERM.

Справочник по конфигурации

Переменная	По умолчанию	Описание
`MNEMON_DB_PATH`	`~/.mnemon-mcp/memory.db`	Путь к базе данных
`MNEMON_KB_PATH`	`.`	Корень базы знаний для импорта
`MNEMON_CONFIG_PATH`	`~/.mnemon-mcp/config.json`	Путь к конфигурации импорта
`MNEMON_AUTH_TOKEN`	—	Bearer-токен для HTTP-транспорта
`MNEMON_HOST`	`127.0.0.1`	Адрес привязки HTTP-транспорта
`MNEMON_PORT`	`3000`	Порт HTTP-транспорта
`MNEMON_CORS_ORIGIN`	—	CORS `Access-Control-Allow-Origin` (заголовки CORS не отправляются, если не задано)
`MNEMON_RATE_LIMIT`	`100`	Максимум запросов в минуту на IP (0 = выключено)

Справочник инструментов

Параметр	Тип	Обязательный	Описание
`content`	string	Да	Текст памяти (макс. 100 тыс. символов)
`layer`	string	Да	`episodic` / `semantic` / `procedural` / `resource`
`title`	string	Нет	Краткий заголовок (макс. 500 символов)
`entity_type`	string	Нет	`user` / `project` / `person` / `concept` / `file` / `rule` / `tool`
`entity_name`	string	Нет	Имя сущности для фильтрации
`confidence`	number	Нет	0.0–1.0 (по умолчанию 0.8)
`importance`	number	Нет	0.0–1.0 (по умолчанию 0.5)
`scope`	string	Нет	Пространство имён (по умолчанию `global`)
`source_file`	string	Нет	Путь к исходному файлу — запускает автоматическое замещение соответствующих записей
`ttl_days`	number	Нет	Автоматическое истечение через N дней
`valid_from` / `valid_until`	string	Нет	Временное окно факта (ISO 8601)

Параметр	Тип	Обязательный	Описание
`query`	string	Да	Текст поиска
`mode`	string	Нет	`fts` (по умолчанию), `exact`, `vector`, `hybrid`
`layers`	string[]	Нет	Фильтр по слоям
`entity_name`	string	Нет	Фильтр по сущности (поддерживает псевдонимы)
`scope`	string	Нет	Фильтр по области
`date_from` / `date_to`	string	Нет	Диапазон дат (ISO 8601)
`as_of`	string	Нет	Фильтр временных фактов — факты, действительные на эту дату
`min_confidence`	number	Нет	Минимальная уверенность
`min_importance`	number	Нет	Минимальная важность
`limit`	number	Нет	Максимум результатов (по умолчанию 10, макс. 100)
`offset`	number	Нет	Смещение для постраничной навигации

Параметр	Тип	Обязательный	Описание
`id`	string	Да	Идентификатор памяти
`content`	string	Нет	Новое содержимое
`title`	string	Нет	Новый заголовок
`confidence`	number	Нет	Новая уверенность
`importance`	number	Нет	Новая важность
`supersede`	boolean	Нет	`true` = версионированная замена; `false` (по умолчанию) = на месте
`new_content`	string	Нет	Содержимое для замещающей записи

Параметр	Тип	Обязательный	Описание
`id`	string	Да	Идентификатор памяти. Реактивирует предшественника, если он является частью цепочки замещения

Параметр	Тип	Обязательный	Описание
`id`	string	Нет	Идентификатор памяти (опустите для агрегированной статистики)
`layer`	string	Нет	Фильтровать статистику по слою
`entity_name`	string	Нет	Фильтровать статистику по сущности
`include_history`	boolean	Нет	Показать цепочку замещения

Параметр	Тип	Обязательный	Описание
`format`	string	Да	`json` / `markdown` / `claude-md`
`layers`	string[]	Нет	Фильтр по слоям
`scope`	string	Нет	Фильтр по области
`date_from` / `date_to`	string	Нет	Диапазон дат
`limit`	number	Нет	Максимум записей (по умолчанию все, макс. 10 тыс.)

Параметр	Тип	Обязательный	Описание
`cleanup`	boolean	Нет	`true` = сборка мусора для истёкших записей (по умолчанию: только отчёт)

Возвращает: статус (healthy / warning / degraded), статистику по слоям, истёкшие записи, осиротевшие цепочки, количество устаревших/низкоуверенных записей, количество очищенных записей при cleanup=true.

Параметр	Тип	Обязательный	Описание
`client`	string	Да	Идентификатор клиента (например, `claude-code`, `cursor`, `api`)
`project`	string	Нет	Область проекта для этой сессии
`meta`	object	Нет	Дополнительные метаданные сессии

Возвращает: id (UUID сессии), started_at (ISO 8601).

Параметр	Тип	Обязательный	Описание
`id`	string	Да	Идентификатор сессии для завершения
`summary`	string	Нет	Краткое описание того, что было сделано (макс. 10 тыс. символов)

Возвращает: id, ended_at, duration_minutes, memories_count.

Параметр	Тип	Обязательный	Описание
`limit`	number	Нет	Максимум сессий (по умолчанию 20, макс. 100)
`client`	string	Нет	Фильтр по клиенту
`project`	string	Нет	Фильтр по проекту
`active_only`	boolean	Нет	Возвращать только незавершённые сессии (по умолчанию false)

Возвращает: массив сессий с полями id, client, project, started_at, ended_at, summary, memories_count.

Сравнение с аналогами

	mnemon-mcp	mem0	basic-memory	Engram	Anthropic KG
Архитектура	SQLite FTS5 + vector	Cloud API + Qdrant	Markdown + vector	SQLite FTS5	JSON file
Структура памяти	4 типизированных слоя	Плоская	Плоская	Плоская + сессии	Граф
Поиск	FTS5 + гибридный RRF	Семантический	Гибридный	FTS5	Точный
Версионирование фактов	Цепочки замещения	Частичное	Нет	Нет	Нет
Стемминг	EN + RU (Snowball)	Только EN	Только EN	Нет	Нет
Эмбеддинги	BYOK (OpenAI / Ollama)	Встроенные	FastEmbed	Нет	Нет
Зависимости	0 обязательных	Qdrant, Neo4j	Python 3.12	Go binary	Нет
Требуется облако	Нет	Да	Нет	Нет	Нет
Стоимость	Бесплатно	$19–249/мес	Бесплатно	Бесплатно	Бесплатно
Установка	`npm install -g`	Docker + API-ключи	pip + зависимости	Go install	Встроенная
Лицензия	MIT	Apache 2.0	AGPL	MIT	MIT

Расширенный конкурентный анализ с источниками: docs/COMPETITORS.md.

Разработка

npm run dev        # run via tsx (no build step)
npm run build      # TypeScript → dist/
npm run lint       # eslint (flat config)
npm test           # vitest — unit + integration + MCP dispatch + HTTP transport + hybrid RRF
npm run bench      # performance benchmarks
npm run db:backup  # backup database

CI запускает сборку + линтер + тесты на Node 20 и 22, затем смоук-тестирует скомпилированный сервер через реальный JSON-RPC (tools/list должен точно соответствовать набору инструментов).

Стек: TypeScript 5.9 (строгий режим), better-sqlite3, @modelcontextprotocol/sdk, Snowball stemmer, Zod, vitest.

См. CONTRIBUTING.md для правил написания кода.

Принципы проектирования

Изолирован от сети по умолчанию — нулевая телеметрия, всегда. Из коробки ничего не покидает машину; единственный компонент, который связывается с сетью, — опциональный эмбеддер, и только с провайдером, которого вы настроили (включая локальный Ollama).
Один файл — одна база данных SQLite, ноль операций, мгновенный бэкап через копирование файла.
Детерминированный поиск — по умолчанию используется FTS5, а не эмбеддинги. Интерпретируемо, воспроизводимо, без GPU.
Структура вместо плоскости — слои кодируют паттерны доступа; цепи замещения кодируют время.
Минимализм — 4 производственные зависимости. Работает везде, где работает Node.
Измерено, а не заявлено — изменения поиска оцениваются по золотому набору, включая регрессии.

Лицензия

MIT

This server cannot be deployed

Context All Your Agents Can ShareAgents share what they learn, hand off work, and hold it when you switch models. Start with 5 GB free.fulcradynamics.comAd

Maintenance

ActivityInactive

ResponsivenessNo issues

Resources

Need Help?

Related Servers

Related MCP Connectors

Motecloud MemoryOAuth
io.github.motecloud
Cloud-hosted MCP server for durable AI memory
Knowledge & Memory Cloud Platforms
2
khiveOAuth
ai.khive
Persistent memory, knowledge graph, task management and more for AI agents via MCP.
1
Agentage MemoryOAuth
io.agentage
One memory, every AI. A shared, user-owned markdown memory your AI clients read and write over MCP.
Knowledge & Memory File Systems
2
memnodeOAuth
dev.memnode
Persistent, inspectable memory for AI agents with lineage, correction, and a hosted MCP endpoint.
Knowledge & Memory Autonomous Agents Agent Orchestration
2

Related MCP Servers

tartarus-mcp
Knowledge & Memory Search
saluca-labs
A
license
Not graded
quality
B
maintenance
A local-first MCP memory server providing persistent, searchable memory for AI agents, powered by SQLite.
Updated a month ago (2026-09-17 23:28 UTC)
1 npm
1
Apache 2.0
persistent-kb-mcp
Knowledge & Memory Search
0x67108864
A
license
Not graded
quality
D
maintenance
A local-first MCP server providing persistent, searchable knowledge base via SQLite, enabling AI agents to save and recall facts across sessions without cloud dependencies.
Updated 5 months ago (2026-05-11 17:09 UTC)
MIT
local-memory-mcp
Knowledge & Memory RAG Systems
smankoo
A
license
Not graded
quality
D
maintenance
A local-first long-term memory system for AI coding agents, exposed as an MCP server.
Updated 7 months ago (2026-03-26 23:12 UTC)
54 npm
MIT
universal-memory-mcp
Knowledge & Memory AI & Machine Learning
hz1ulqu01gmnZH4
A
license
A
quality
C
maintenance
Persistent memory MCP server for AI agents, using SQLite with hybrid keyword and semantic search for long-term memory storage.
Updated 3 months ago (2026-07-11 05:32 UTC)
5
Do What The F*ck You Want To Public

mnemon-mcp

Зачем нужна многоуровневая память?

Качество поиска

Архитектура

Быстрый старт

Установка

Настройка MCP-клиента

Проверка

Возможности

10 MCP-инструментов

MCP-ресурсы и промпты

Поиск

Стемминг

Версионирование фактов

Векторный поиск (опционально, BYOK)

Импорт базы знаний

Поля конфигурации

HTTP-транспорт

Справочник по конфигурации

Справочник инструментов

Сравнение с аналогами

Разработка

Принципы проектирования

Лицензия

Maintenance

Resources

Related MCP Connectors

Related MCP Servers

tartarus-mcp

persistent-kb-mcp

local-memory-mcp

universal-memory-mcp