Skip to main content
Glama

mem0-mcp

AI 에이전트가 표준화된 MCP 프로토콜을 통해 의미론적 검색(semantic search)을 사용하여 장기 기억을 저장, 검색 및 탐색할 수 있도록 Mem0 v2 API를 노출하는 MCP 서버입니다.

mem0-mcp MCP server

개요

Mem0-MCP 서버는 AI 에이전트와 영구 메모리 저장소를 연결하는 자체 호스팅 MCP(Model Context Protocol) 서버입니다. Mem0의 AsyncMemory API를 사용하여 대화 및 세션 전반에 걸쳐 지능적인 컨텍스트 유지를 가능하게 합니다.

주요 기능:

  • MCP 프로토콜 통합 - MCP 도구를 통해 Mem0 기능 노출

  • 의미론적 메모리 검색 - 벡터 검색을 통한 유사도 기반 메모리 검색

  • 멀티 테넌트 격리 - 사용자/에이전트/세션 범위의 메모리 격리

  • 유연한 전송 - 로컬 에이전트를 위한 stdio, 원격 연결을 위한 SSE

  • 구성 관리 - 환경 변수 지원을 포함한 Pydantic 기반 검증

Related MCP server: Amber

문서

섹션

설명

API 참조

모든 모듈 및 도구에 대한 전체 API 문서

패턴 가이드

디자인 패턴 문서 (싱글톤, 리포지토리 등)

사용 예제

시작하기 및 고급 사용 가이드

배포

Docker Compose 구성 및 서비스 세부 정보

아키텍처

시스템 아키텍처 및 구성 요소 상호 작용

빠른 시작

설치

# Clone and install
git clone https://github.com/your-org/mem0-mcp.git
cd mem0-mcp
uv sync

# Set environment variables
export OPENAI_API_KEY="your-api-key"

구성

~/.config/mem0-mcp-server/settings.json 파일을 생성합니다:

{
  "vector_store": {
    "provider": "redis",
    "config": {
      "redis_url": "redis://localhost:6379"
    }
  },
  "llm": {
    "provider": "openai",
    "config": {
      "model": "gpt-4o"
    }
  },
  "embedder": {
    "provider": "openai",
    "config": {
      "model": "text-embedding-3-small"
    }
  }
}

서버 실행

# SSE Transport (remote connections)
uv run python -m mcp_server.main

# stdio Transport (local AI agents)
export MCP_TRANSPORT=stdio
uv run python -m mcp_server.main

MCP 도구

도구

설명

add_memory

의미론적 인덱싱과 함께 장기 기억에 정보 저장

search_memories

의미론적 유사성을 사용하여 메모리 검색

get_memory

ID로 특정 메모리 검색

update_memory

기존 메모리 내용 업데이트

delete_memory

저장소에서 메모리 삭제

list_memories

필터링 및 페이지네이션을 사용하여 메모리 목록 조회

사용 예제

# Add memory
result = await client.call_tool("add_memory", {
    "messages": [{"role": "user", "content": "I prefer dark mode"}],
    "user_id": "alice"
})

# Search memories
result = await client.call_tool("search_memories", {
    "query": "theme preferences",
    "filters": {"user_id": "alice"},
    "limit": 5
})

아키텍처

AI Agent → FastMCP Server → MemoryManager → Mem0 AsyncMemory → Redis
              │                                  │
              ├── SafeLogger (stdout/stderr)    │
              ├── Transport (stdio/SSE)        │
              └── Config (Pydantic validation)  │

구성 요소:

  • COMP-1: ConfigLoader - 구성 로딩 및 검증

  • COMP-2: FastMCP Server - MCP 프로토콜 서버

  • COMP-3: MemoryManager - 멀티 테넌트 격리를 통한 메모리 작업

  • COMP-4: MCP Tools - 도구 정의

  • COMP-5: SafeLogger - 출력 스트림 분리

구성

매개변수 우선순위

구성 값은 다음 순서로 결정됩니다:

  1. 도구 매개변수 (직접)

  2. 환경 변수 (MCP_ 접두사 포함)

  3. 구성 파일 값

  4. 하드코딩된 기본값

환경 변수

변수

기본값

설명

OPENAI_API_KEY

(필수)

LLM을 위한 OpenAI API 키

MCP_TRANSPORT

sse

전송 유형 (stdio, sse)

MCP_HOST

0.0.0.0

서버 바인딩 주소

MCP_PORT

8080

서버 바인딩 포트

배포

Docker

# Using docker-compose
docker-compose up -d

# Using Makefile
make docker-up      # Start services with docker compose
make docker-down    # Stop services
make docker-logs    # Show logs

서비스:

서비스

설명

mem0-mcp

8050 포트에서 Mem0 API를 노출하는 MCP 서버

ollama-qwen3-embedding

벡터 임베딩을 위한 qwen3-embedding:8b가 포함된 Ollama (포트 11434)

ollama-qwen

채팅 완성을 위한 qwen2.5:7b가 포함된 Ollama (포트 11435)

자세한 구성은 배포 → Docker를 참조하세요.

Kubernetes

# Using Helm chart
helm install mem0-mcp ./charts/mem0-mcp-server

개발

명령어

설명

make install

uv를 사용하여 종속성 설치

make lint

ruff를 사용하여 코드 린트

make lint-fix

린트 문제 자동 수정

make typecheck

pyright를 사용하여 타입 체크

make test

모든 테스트 실행

make test-unit

단위 테스트만 실행

make test-coverage

커버리지 보고서와 함께 테스트 실행

make build

Docker 이미지 빌드

make run

개발 서버 실행

여러 명령어 실행: make install && make lint && make typecheck && make test

Docker 관리(docker-up, docker-down, docker-logs 등)를 포함한 모든 사용 가능한 명령어는 Makefile을 참조하세요.

프로젝트 구조

mem0-mcp/
├── src/mcp_server/
│   ├── __init__.py          # FastMCP singleton
│   ├── lifespan.py          # Resource lifecycle
│   ├── transport.py         # Transport selection
│   ├── memory/
│   │   ├── manager.py        # MemoryManager
│   │   └── lifespan.py       # AsyncMemory lifecycle
│   ├── config/
│   │   ├── settings.py       # Pydantic models
│   │   └── loader.py        # Config file loading
│   ├── tools/
│   │   ├── add_memory.py
│   │   ├── search_memories.py
│   │   └── ...
│   └── utils/
│       └── safe_logger.py   # Output separation
├── doc/
│   ├── api/                 # API reference
│   ├── patterns/            # Pattern guides
│   ├── examples/            # Usage examples
│   └── architecture/        # Architecture docs
├── tests/
├── Makefile
├── Dockerfile
└── docker-compose.yml

라이선스

MIT 라이선스

Maintenance

ActivityInactive
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers

  • A
    license
    A
    quality
    B
    maintenance
    Gives your AI persistent memory across conversations. Stores facts automatically, finds them by meaning using hybrid search with query expansion, and organizes everything into topics without manual tagging.
    18
    1
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    MCP server for Statewave, an open-source memory runtime for AI agents. Provides persistent memory, context retrieval, and memory compilation through the Model Context Protocol.
    6
    11
    3
    Apache 2.0
  • A
    license
    Not graded
    quality
    B
    maintenance
    Persistent memory MCP server for AI agents that stores, recalls, and searches conversation history, key-value context, and long-term entries across sessions with semantic search and FIFO queues.
    75
    1
    -