Skip to main content
Glama

mem0-mcp

MCP-сервер, предоставляющий API Mem0 v2 для ИИ-агентов, позволяющий сохранять, извлекать и искать долгосрочные воспоминания с помощью семантического поиска через стандартизированный протокол MCP.

mem0-mcp MCP server

Обзор

Mem0-MCP Server — это self-hosted MCP-сервер (Model Context Protocol), который связывает ИИ-агентов с постоянным хранилищем памяти. Он обеспечивает интеллектуальное сохранение контекста между диалогами и сессиями с использованием API Mem0 AsyncMemory.

Ключевые особенности:

  • Интеграция с протоколом MCP — предоставляет функциональность Mem0 через инструменты MCP

  • Семантический поиск по памяти — извлечение воспоминаний на основе сходства с помощью векторного поиска

  • Мультитенантная изоляция — изоляция памяти в рамках пользователя/агента/сессии

  • Гибкий транспорт — stdio для локальных агентов, SSE для удаленных подключений

  • Управление конфигурацией — валидация на основе Pydantic с поддержкой переменных окружения

Related MCP server: Amber

Документация

Раздел

Описание

Справочник API

Полная документация API для всех модулей и инструментов

Руководства по паттернам

Документация по паттернам проектирования (Singleton, Repository и т.д.)

Примеры использования

Руководства для начала работы и продвинутого использования

Развертывание

Конфигурация Docker Compose и детали сервиса

Архитектура

Системная архитектура и взаимодействие компонентов

Быстрый старт

Установка

# 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"

Конфигурация

Создайте ~/.config/mem0-mcp-server/settings.json:

{
  "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"
    }
  }
}

Запуск сервера

# 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

Инструменты MCP

Инструмент

Описание

add_memory

Сохранение информации в долгосрочную память с семантической индексацией

search_memories

Поиск воспоминаний с использованием семантического сходства

get_memory

Извлечение конкретного воспоминания по ID

update_memory

Обновление содержимого существующего воспоминания

delete_memory

Удаление воспоминания из хранилища

list_memories

Список воспоминаний с фильтрацией и пагинацией

Пример использования

# 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
})

Архитектура

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

Компоненты:

  • COMP-1: ConfigLoader — загрузка и валидация конфигурации

  • COMP-2: FastMCP Server — MCP-сервер протокола

  • COMP-3: MemoryManager — операции с памятью с мультитенантной изоляцией

  • COMP-4: MCP Tools — определения инструментов

  • COMP-5: SafeLogger — разделение потоков вывода

Конфигурация

Приоритет параметров

Значения конфигурации разрешаются в следующем порядке:

  1. Параметры инструментов (напрямую)

  2. Переменные окружения (с префиксом MCP_)

  3. Значения из файла конфигурации

  4. Жестко заданные значения по умолчанию

Переменные окружения

Переменная

По умолчанию

Описание

OPENAI_API_KEY

(обязательно)

API-ключ OpenAI для LLM

MCP_TRANSPORT

sse

Тип транспорта (stdio, sse)

MCP_HOST

0.0.0.0

Адрес привязки сервера

MCP_PORT

8080

Порт привязки сервера

Развертывание

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

Сервисы:

Сервис

Описание

mem0-mcp

MCP-сервер, предоставляющий API Mem0 на порту 8050

ollama-qwen3-embedding

Ollama с qwen3-embedding:8b для векторных эмбеддингов (порт 11434)

ollama-qwen

Ollama с qwen2.5:7b для генерации ответов (порт 11435)

Подробную конфигурацию см. в Развертывание → Docker.

Kubernetes

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

Разработка

Команда

Описание

make install

Установка зависимостей с помощью uv

make lint

Линтинг кода с помощью ruff

make lint-fix

Автоматическое исправление проблем линтинга

make typecheck

Проверка типов с помощью pyright

make test

Запуск всех тестов

make test-unit

Запуск только модульных тестов

make test-coverage

Запуск тестов с отчетом о покрытии

make build

Сборка Docker-образа

make run

Запуск сервера разработки

Запуск нескольких команд: make install && make lint && make typecheck && make test

См. Makefile для получения списка всех доступных команд, включая управление Docker (docker-up, docker-down, docker-logs и т.д.).

Структура проекта

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

Лицензия

Лицензия MIT

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
    -