Skip to main content
Glama

mcp-mem0

MCP-сервер для mem0 (self-hosted / open source) на базе Qdrant. Каждый запрос направляется в коллекцию Qdrant, имя которой задаётся HTTP-заголовком, поэтому клиенты, отправляющие одно и то же имя, разделяют воспоминания, а разные имена изолированы.

Инструменты

Инструмент

Назначение

add_memory

Сохранение воспоминаний (извлечение фактов через LLM или сырых с infer=false)

search_memory

Семантический поиск в коллекции запроса

update_memory

Замена содержимого воспоминания по id

delete_memory

Удаление воспоминания по id

get_memory

Получение одного воспоминания по id

list_memories

Список воспоминаний для области видимости

memory_history

История изменений воспоминания

delete_all_memories

Удаление всех воспоминаний для области видимости

Related MCP server: mem0-open-mcp

Как работает маршрутизация коллекций

  • Имя коллекции считывается из HTTP-заголовка (X-Collection по умолчанию) и сопоставляется с коллекцией Qdrant mem0_<name> (префикс настраивается; можно задать пустым, чтобы использовать значение как есть). Значение заголовка проверяется по ^[A-Za-z0-9_-]{1,64}$.

  • Совместное использование: любые клиенты, отправляющие одно и то же имя коллекции, разделяют одни и те же воспоминания. Разные имена изолированы.

  • Один экземпляр AsyncMemory создаётся и кэшируется для каждой коллекции.

  • Коллекция выбирается только по заголовкуuser_id / agent_id / run_id никогда не влияют на выбор коллекции; они лишь сужают выбор внутри коллекции и необязательны. Поиск / список без них охватывает всю коллекцию.

  • Для add_memory всё равно требуется один id для сохранения (требование mem0); применяется значение по умолчанию user_id (MEM0_DEFAULT_USER_ID), если вызывающий опускает все три при записи.

Быстрый старт

# 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

Проверка работоспособности: curl localhost:8080/health

Docker

Dockerfile — многоступенчатый, с двумя целями: runtime (сервер) и test (набор тестов).

С docker compose (рекомендуется)

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

Внутри сети compose сервер обращается к Qdrant по адресу QDRANT_HOST=qdrant (задаётся автоматически); тесты обращаются к серверу по адресу MCP_URL=http://server:8080/mcp.

С обычным 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

Проверка

# 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

Конфигурация

Все настройки берутся из переменных окружения / .env — см. .env.example. Ключевые: MEM0_COLLECTION_HEADER, MEM0_COLLECTION_PREFIX, QDRANT_HOST/QDRANT_PORT (или QDRANT_URL+QDRANT_API_KEY), MEM0_EMBEDDING_DIMS (должны совпадать с эмбеддером), и блоки провайдеров 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