Memvid MCP Server
ferrants/memvid-mcp-server
Codifique texto em vídos para busca semântica eficiente
Ver no GitHubUm servidor MCP que codifica dados textuais em vídeos semanticamente indexáveis usando a biblioteca memvid. Permite armazenar chunks de texto e recuperá-los via busca semântica, funcionando como um sistema de memória visual comprimida.
Instalação
npx convez-ai ferrants/memvid-mcp-server1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Armazenamento comprimido de grandes volumes de texto com indexação semântica
- Recuperação rápida de informações através de busca semântica em dados codificados
- Integração com Claude via MCP para memória contextual otimizada
Veredito

Ferramenta inovadora que oferece uma abordagem criativa para compressão e busca semântica de dados. Requer familiaridade com MCP e setup técnico, mas com documentação clara e utilidade real para casos específicos de armazenamento eficiente.
README
A tradução para o português deste README ainda está na fila.
memvid-mcp-server
A Streamable-HTTP MCP Server that uses memvid to encode text data into videos that can be quickly looked up with semantic search.
Supported Actions:
add_chunks: Adds chunks to the memory video. Note: each time you add chunks, it resets the memory.mp4. Unsure if there is a way to incrementally add.search: queries for the top-matching chunks. Returns 5 by default, but can be changed with top_k param.
Running
Set up your environment:
python3.11 -m venv my_env
. ./my_env/bin/activate
pip install -r requirements.txt
Run the server:
python server.py
With a custom port:
PORT=3002 python server.py
Connect a Client
You can connect a client to your MCP Server once it's running. Configure per the client's configuration. There is the mcp-config.json that has an example configuration that looks like this:
{
"mcpServers": {
"memvid": {
"type": "streamable-http",
"url": "http://localhost:3000"
}
}
}
Acknowledgements
- Obviously the modelcontextprotocol and Anthropic teams for the MCP Specification. https://modelcontextprotocol.io/introduction
- HeyFerrante for enabling and sponsoring this project.