Serveur MCP memv : Mémoire structurée persistante pour agents IA

memv (open-source, Python) a publié un serveur MCP, rendant sa couche mémoire persistante et structurée utilisable depuis n'importe quel client MCP — y compris Claude Desktop, Code, Cursor ou des hôtes personnalisés.

Installation rapide

Installez via pip et lancez le serveur avec une seule commande :

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

Vous pouvez aussi intégrer le serveur dans votre propre processus Python :

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")

Cinq outils MCP

• search_memory — recherche hybride (vectoriel + BM25 + RRF)
• add_memory — insérer directement une mémoire structurée
• add_conversation — extraire et stocker des mémoires à partir d'une conversation (nécessite un LLM)
• list_memories — lister les mémoires stockées pour un utilisateur
• delete_memory — supprimer avec vérification de propriété

Fonctionnalités clés

• LLM optionnel : la recherche et add_memory directe fonctionnent sans LLM ; seule l'extraction via add_conversation en a besoin.
• Isolation par utilisateur : chaque outil respecte les limites des utilisateurs, y compris la vérification de propriété sur delete_memory.
• Fusion concurrente : plusieurs extractions pour un même utilisateur sont fusionnées en une seule tâche.
• Extraction prédictive-calibrée : inspirée de Nemori, évite de tout stocker.
• Modèle bitemporel : les contradictions expirent plutôt que de se remplacer.
• Recherche hybride : combine recherche vectorielle, BM25 et fusion de rangs réciproques (RRF).

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

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