Servidor MCP Memv: Memória Estruturada Persistente para Agentes de IA

memv (código aberto, Python) lançou um servidor MCP, tornando sua camada de memória persistente e estruturada utilizável a partir de qualquer cliente MCP — incluindo Claude Desktop, Code, Cursor ou hosts personalizados.

Configuração Rápida

Instale via pip e execute o servidor com um único comando:

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

Você também pode embutir o servidor dentro do seu próprio processo 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")

Cinco Ferramentas MCP

• search_memory — recuperação híbrida (vetor + BM25 + RRF)
• add_memory — inserir diretamente memória estruturada
• add_conversation — extrair e armazenar memórias de uma conversa (requer LLM)
• list_memories — listar memórias armazenadas para um usuário
• delete_memory — excluir com verificação de propriedade

Características Principais

• Opcional com LLM: recuperação e add_memory direto funcionam sem LLM; apenas a extração de add_conversation precisa de um.
• Isolamento por usuário: cada ferramenta respeita os limites do usuário, incluindo verificação de propriedade em delete_memory.
• Coalescência concorrente: múltiplas extrações para o mesmo usuário se fundem em uma única tarefa.
• Extração prever-calibrar: inspirada no Nemori, evita armazenar tudo.
• Modelo bitemporal: contradições expiram em vez de sobrescrever.
• Recuperação híbrida: combina busca vetorial, BM25 e fusão de ranking recíproco (RRF).

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

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