memv MCP Server: Persistenter strukturierter Speicher für KI-Agenten

memv (Open Source, Python) hat einen MCP-Server veröffentlicht, der seine persistente, strukturierte Speicherschicht von jedem MCP-Client aus nutzbar macht – einschließlich Claude Desktop, Code, Cursor oder benutzerdefinierten Hosts.

Schnelle Einrichtung

Installation über pip und Start des Servers mit einem einzigen Befehl:

pip install "memvee[mcp]"
memv-mcp --db-url memory.db --llm-model openai:gpt-4o-mini

Sie können den Server auch direkt in Ihren eigenen Python-Prozess einbetten:

from memv.mcp.server import create_server

server = create_server(
    db_url="memory.db",
    default_user_id="alice",
    embedding_client=my_embedder,
    llm_client=my_llm,
)
server.run(transport="streamable-http")

Fünf MCP-Werkzeuge

• search_memory — Hybridabruf (Vektor + BM25 + RRF)
• add_memory — direkte Einfügung strukturierter Erinnerungen
• add_conversation — Extraktion und Speicherung von Erinnerungen aus einer Unterhaltung (erfordert LLM)
• list_memories — Auflistung gespeicherter Erinnerungen für einen Benutzer
• delete_memory — Löschen mit Besitzüberprüfung

Schlüsselfunktionen

• LLM-optional: Abruf und direkte add_memory funktionieren ohne LLM; nur add_conversation-Extraktion benötigt eines.
• Benutzerisolierung: Jedes Werkzeug respektiert Benutzergrenzen, einschließlich Besitzverifikation bei delete_memory.
• Gleichzeitige Zusammenführung: Mehrere Extraktionen für denselben Benutzer werden zu einer Aufgabe zusammengeführt.
• Predict-calibrate-Extraktion: Inspiriert von Nemori, vermeidet das Speichern von allem.
• Bi-temporales Modell: Widersprüche verfallen anstatt überschrieben zu werden.
• Hybridabruf: Kombiniert Vektorsuche, BM25 und Reciprocal Rank Fusion (RRF).

Dokumentation: https://vstorm-co.github.io/memv/advanced/mcp-server/

GitHub: https://github.com/vstorm-co/memv