mcp-memory: SQLite FTS5 + Googles OKF für schnelles Agentengedächtnis
Suchen Sie nach einer Möglichkeit, Ihrem KI-Codierungsagenten persistenten Speicher zu geben, ohne eine schwere Vektordatenbank anzubinden? mcp-memory ist ein Open-Source-MCP-Server, der Agentenspeicher als Googles OKF-v0.2-Markdown-Dateien speichert, alles lokal mit SQLite FTS5 indiziert und vier saubere MCP-Tools bereitstellt. Es ist darauf ausgelegt, per Setup-Assistent ohne Ballast in Claude Desktop, Cursor, Antigravity, Windsurf oder Codex integriert zu werden.
Was es tut
mcp-memory unterhält eine zweischichtige Architektur:
- Von Menschen durchsuchbares OKF-Verzeichnis: Jeder Speicher wird als rohe
.md-Datei immemory/-Ordner abgelegt, mit einer Wurzel-index.md(versioniert mitokf_version: "0.2") und einerlog.mdfür den Update-Verlauf. - SQLite-FTS5-Index: Volltextsuche und Trigger halten Schlüssellookups unter 20 ms und Stichwortsuche sofort.
Erinnerungen werden als OKF-v0.2-Markdown-Dokumente mit YAML-Frontmatter gespeichert (type, key, namespace, tags, generated, sources, verified, status, stale_after).
MCP-Tools
Der Server stellt vier primäre Tools bereit:
memory_store– Speichert oder aktualisiert einen Datensatz. Erfordertkey,contentundproject_root. Optional:tags,namespace(Standarddefault),concept_type,title,description,resource,status,stale_after,sources,verified,generated_by.memory_retrieve– Ruft einen bestimmten Speicher perkeyundnamespaceab.memory_search– Findet Speicher perquery,tagsodernamespace. Unterstütztlimit(Standard 10).memory_get_last– Ruft den letzten Sitzungs-Checkpoint (system/last_memory) ab, damit der Agent weiß, wo die Arbeit aufgehört hat.
Namespace-Isolation und Setup
Speicher werden nach Namespace begrenzt (z. B. user/preferences, project/architecture), wodurch Kontexte getrennt bleiben. Das Setup ist ein einzelner Befehl:
python3 setup.py
Dies konfiguriert automatisch installierte MCP-Tools (Antigravity, Claude, Cursor, Windsurf, Codex). Der Server unterstützt auch einen project_root-Parameter für jedes Tool, sodass Sie projektbezogene Speicher verwalten können.
Für wen es gedacht ist
Entwickler, die KI-Codierungsagenten (Claude, Cursor usw.) verwenden und persistenten, durchsuchbaren Speicher wünschen, der als Klartext-Markdown vorliegt und keine Vektordatenbank oder externen Dienst erfordert.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Claude Codes dateibasiertes Speichersystem: Eine pragmatische Alternative zu Vektor-Datenbanken
Claude Code implementiert ein dateibasiertes Speichersystem, das .md-Dateien mit Frontmatter-Metadaten und einer MEMORY.md-Indexdatei verwendet. Es vermeidet Vektordatenbanken und Embedding-Pipelines, indem es Dateien scannt, Manifeste erstellt und ein kleines Modell zur Auswahl relevanter Erinnerungen nutzt.

IUM: MCP-Symbol-Indexer reduziert KI-Agent-Tokenverbrauch um 15,9x im Vergleich zu grep
IUM indexiert Codebasen in einer SQLite-Matrix von Symbolereignissen und legt genaue Datei:Zeilen-Koordinaten, Call-Graph-Tracing und semantische Suche über MCP offen. Im Benchmark gegen DataFusion (1.538 Dateien) zeigt sich ein 15,9x geringerer Tokenverbrauch als grep für äquivalente Abfragen.

ddash: Mermaid-Diagramm-Tool mit URL-basierter Speicherung und Claude-Code-Integration
ddash ist ein kostenloses Mermaid-Diagramm-Tool, bei dem das gesamte Diagramm in den URL-Hash komprimiert wird, sodass kein Backend, keine Konten oder Speicher erforderlich sind. Es enthält eine Claude Code-Fähigkeit, mit der Sie Diagramme direkt während Gesprächen mit Befehlen wie /diagram the auth flow generieren und öffnen können.

ModelFitAI: KI-Agenten ohne VPS-Einrichtung bereitstellen, erstellt mit Claude Code
ModelFitAI ist eine Plattform, die es Entwicklern ermöglicht, KI-Agenten direkt auf ihrer Infrastruktur zu deployen, ohne VPS-Einrichtung, Docker-Konfiguration und SSH-Sitzungen. Die gesamte Plattform wurde von einem Einzelgründer mit Claude Code erstellt.