Skip to main content
Glama

mcp-mem0

Ein MCP-Server für mem0 (selbst gehostet / Open Source), unterstützt durch Qdrant. Jede Anfrage zielt auf eine Qdrant-Collection, die über einen HTTP-Header benannt wird, sodass Clients, die denselben Namen senden, Erinnerungen teilen und verschiedene Namen isoliert bleiben.

Werkzeuge

Werkzeug

Zweck

add_memory

Speichert Erinnerungen (LLM-Fakttextraktion oder roh mit infer=false)

search_memory

Semantische Suche in der Collection der Anfrage

update_memory

Ersetzt den Inhalt einer Erinnerung anhand der ID

delete_memory

Löscht eine Erinnerung anhand der ID

get_memory

Ruft eine Erinnerung anhand der ID ab

list_memories

Listet Erinnerungen für einen Bereich auf

memory_history

Änderungsverlauf einer Erinnerung

delete_all_memories

Löscht alle Erinnerungen für einen Bereich

Related MCP server: mem0-open-mcp

Wie das Collection-Routing funktioniert

  • Der Collection-Name wird aus einem HTTP-Header gelesen (standardmäßig X-Collection) und auf die Qdrant-Collection mem0_<name> abgebildet (Präfix konfigurierbar; leer setzen, um den Wert unverändert zu verwenden). Der Header-Wert wird gegen ^[A-Za-z0-9_-]{1,64}$ validiert.

  • Teilen: Alle Clients, die denselben Collection-Namen senden, teilen dieselben Erinnerungen. Verschiedene Namen sind isoliert.

  • Pro Collection wird eine AsyncMemory-Instanz erstellt und gecacht.

  • Die Collection wird ausschließlich über den Header gewählt – user_id / agent_id / run_id beeinflussen nie, welche Collection verwendet wird; sie grenzen nur innerhalb einer Collection ein und sind optional. Suchen / Auflisten ohne eines davon umfasst die gesamte Collection.

  • add_memory benötigt weiterhin eine ID zum Speichern (mem0-Anforderung); eine Standard-user_id (MEM0_DEFAULT_USER_ID) wird angewendet, wenn der Aufrufer beim Schreiben alle drei weglässt.

Schnellstart

# 1. Start Qdrant
docker compose up -d qdrant

# 2. Configure
cp .env.example .env
# edit .env: set OPENAI_API_KEY (or switch to the Ollama block for a key-free setup)

# 3. Run the server (streamable-HTTP on :8080/mcp)
uv run -m mcp_mem0

Health-Check: curl localhost:8080/health

Docker

Das Dockerfile ist mehrstufig mit zwei Zielen: runtime (der Server) und test (die Testsuite).

Mit docker compose (empfohlen)

cp .env.example .env          # set OPENAI_API_KEY (or the Ollama block)

# Qdrant + server together
docker compose up -d --build qdrant server
curl localhost:8080/health

# Run unit tests (no Qdrant / keys needed)
docker compose run --rm tests

# End-to-end smoke against the running server (needs an embedder key)
docker compose run --rm tests python tests/smoke.py

Im Compose-Netzwerk erreicht der Server Qdrant unter QDRANT_HOST=qdrant (automatisch gesetzt); Tests erreichen den Server unter MCP_URL=http://server:8080/mcp.

Mit einfachem Docker

# Service image
docker build --target runtime -t mcp-mem0 .
docker run --rm -p 8080:8080 --env-file .env -e QDRANT_HOST=host.docker.internal mcp-mem0

# Test image
docker build --target test -t mcp-mem0-test .
docker run --rm mcp-mem0-test            # pytest -q

Überprüfen

# Unit tests (no Qdrant needed)
uv run pytest -q

# End-to-end smoke test (server + Qdrant + embedder must be running)
uv run python tests/smoke.py

# Confirm per-client collections were created
curl localhost:6333/collections

Konfiguration

Alle Einstellungen stammen aus Umgebungsvariablen / .env – siehe .env.example. Wichtige: MEM0_COLLECTION_HEADER, MEM0_COLLECTION_PREFIX, QDRANT_HOST/QDRANT_PORT (oder QDRANT_URL+QDRANT_API_KEY), MEM0_EMBEDDING_DIMS (muss zum Embedder passen), und die MEM0_LLM_* / MEM0_EMBEDDER_*-Anbieterblöcke (openai / ollama / …).

F
license - not found
Not graded
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • An MCP memory server. One memory your agents share — across models, devices and apps.

  • Cloud-hosted MCP server for durable AI memory

  • Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/schwarzesonne13/mem0-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server