Skip to main content
Glama

mcp-mem0

Un servidor MCP para mem0 (autohospedado / código abierto) respaldado por Qdrant. Cada solicitud apunta a una colección de Qdrant nombrada por un encabezado HTTP, de modo que los clientes que envían el mismo nombre comparten memorias y los nombres diferentes permanecen aislados.

Herramientas

Herramienta

Propósito

add_memory

Almacenar memorias (extracción de hechos con LLM, o en bruto con infer=false)

search_memory

Búsqueda semántica dentro de la colección de la solicitud

update_memory

Reemplazar el contenido de una memoria por id

delete_memory

Eliminar una memoria por id

get_memory

Obtener una memoria por id

list_memories

Listar memorias para un ámbito

memory_history

Historial de cambios de una memoria

delete_all_memories

Eliminar todas las memorias para un ámbito

Related MCP server: mem0-open-mcp

Cómo funciona el enrutamiento de colecciones

  • El nombre de la colección se lee de un encabezado HTTP (X-Collection por defecto) y se asigna a la colección de Qdrant mem0_<name> (prefijo configurable; establézcalo vacío para usar el valor tal cual). El valor del encabezado se valida contra ^[A-Za-z0-9_-]{1,64}$.

  • Compartir: cualquier cliente que envíe el mismo nombre de colección comparte las mismas memorias. Los nombres diferentes están aislados.

  • Se crea y se almacena en caché una instancia de AsyncMemory por colección.

  • La colección se elige únicamente por el encabezadouser_id / agent_id / run_id nunca afectan a qué colección se usa; solo acotan dentro de una colección y son opcionales. Buscar / listar sin ninguno de ellos abarca toda la colección.

  • add_memory aún necesita un id para almacenar (requisito de mem0); se aplica un user_id por defecto (MEM0_DEFAULT_USER_ID) cuando el llamador omite los tres en una escritura.

Inicio rápido

# 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

Comprobación de salud: curl localhost:8080/health

Docker

El Dockerfile es de múltiples etapas con dos objetivos: runtime (el servidor) y test (la suite).

Con docker compose (recomendado)

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

Dentro de la red de compose, el servidor alcanza a Qdrant en QDRANT_HOST=qdrant (configurado automáticamente); las pruebas alcanzan al servidor en MCP_URL=http://server:8080/mcp.

Con docker simple

# 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

Verificar

# 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

Configuración

Todos los ajustes provienen de variables de entorno / .env — consulte .env.example. Los principales: MEM0_COLLECTION_HEADER, MEM0_COLLECTION_PREFIX, QDRANT_HOST/QDRANT_PORT (o QDRANT_URL+QDRANT_API_KEY), MEM0_EMBEDDING_DIMS (debe coincidir con el incrustador), y los bloques de proveedor MEM0_LLM_* / MEM0_EMBEDDER_* (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