convez.ai
MCP ServerIntegração & APIsIntermediário
HACK-WU

Memory LanceDB MCP

HACK-WU/memory-lancedb-mcp

Memória persistente com busca semântica para assistentes de IA

Ver no GitHub
InicialPluginScore · de 0 a 100

MCP Server que oferece memória persistente de longo prazo para aplicações com IA. Suporta busca semântica, isolamento multi-projeto, classificação automática e decaimento temporal, permitindo que assistentes de IA lembrem preferências do usuário, arquitetura de projetos e decisões históricas para experiências personalizadas.

Instalação

$npx convez-ai HACK-WU/memory-lancedb-mcp

1 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

Estrelas
0
Forks
1
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
v0.1.1-beta
Issues abertas
0
Contribuidores
1

Casos de uso

  • Assistentes de código que lembram arquitetura de projetos e preferências
  • Assistentes de escrita que mantêm estilo e contexto de histórias
  • Chatbots de atendimento que recordam histórico de clientes

Veredito

Solução robusta para adicionar memória contextual persistente em aplicações Claude via MCP. Oferece recursos empresariais como busca híbrida, isolamento de escopo e múltiplos provedores de embedding, ideal para assistentes que precisam aprender com o tempo.

README

A tradução para o português deste README ainda está na fila.

memory-lancedb-mcp

为 AI 应用提供持久化长期记忆的 MCP Server。支持语义检索、多项目隔离、自动分类与衰减,让 AI 助手记住用户偏好、项目架构、历史决策等关键信息,实现越用越懂你的个性化体验。

核心能力来自 memory-lancedb-pro — 一个由 CortexReach 团队开源的 LanceDB 向量记忆引擎,提供混合检索(向量 + BM25)、Weibull 衰减、智能提取等企业级记忆管理功能。

感谢 CortexReach 团队开源 memory-lancedb-pro,本项目基于其核心能力进行 MCP 协议桥接与扩展。

快速开始

安装

# 下载安装脚本
curl -fsSL https://raw.githubusercontent.com/HACK-WU/memory-lancedb-mcp/master/scripts/install-latest.sh -o install-latest.sh

# 执行安装
bash install-latest.sh

配置

# 初始化配置文件(生成 ~/.config/memory-mcp/config.yaml)
mem config init

# 编辑配置文件,填入 API 密钥
vim ~/.config/memory-mcp/config.yaml

最简配置(仅需填入 API Key):

embedding:
  apiKey: "${OPENAI_API_KEY}"   # 必填!替换为你的 API Key
  model: "text-embedding-3-small"
  baseURL: "https://api.openai.com/v1"

完整的初始配置模板和逐字段说明,请查看 配置指南。

启动服务

# 启动 MCP 服务(stdio 模式)
mem serve

# 或使用 SSE 模式
mem serve --sse --port 3100

验证安装

# 检查配置有效性
mem config validate

# 健康检查
mem doctor

# 存储测试记忆
mem store "用户偏好使用 pnpm" -c preference -t tech

# 搜索记忆
mem search "包管理器偏好"

核心功能

  • 17 个记忆工具暴露为 MCP tools(recall, store, forget, update, stats, list, debug, promote, archive, compact, explain_rank, self-improvement, 以及 3 个生命周期工具)
  • 多项目隔离 — --scope 参数按 project 隔离记忆,互不干扰
  • 智能生命周期桥接 — before_prompt_build(auto-recall)和 agent_end(auto-capture)
  • 双传输模式 — stdio(默认,本地 MCP 客户端)和 SSE(HTTP,远程/多客户端)
  • YAML 配置 — 支持 ${ENV_VAR} 环境变量扩展
  • CLI 管理工具 — mem 命令行,支持配置管理、记忆查看、健康诊断
  • 批量存储 — mem bulk-store 从 JSON 文件批量导入记忆,单次运行时初始化,大数据量下性能提升 ~77%
  • 多供应商 Embedding — OpenAI, SiliconFlow, Ollama 等

文档导航

📚 CLI 参考

⚙️ 配置指南

🔧 MCP 工具

📖 使用指南

🛠️ 开发文档

适用场景

memory-lancedb-mcp 适合需要持久化长期记忆的 AI 应用:

  • AI 代码助手 — 记住项目架构、编码偏好、常见 Bug 模式
  • AI 写作/创作 — 记住写作风格、人物设定、读者偏好
  • AI 客服 — 记住用户画像、历史诉求、解决方案
  • AI 研究助理 — 记住研究方向、文献摘要、关键结论
  • AI 个人助理 — 记住日程偏好、饮食禁忌、旅行习惯
  • AI 游戏 NPC — 记住玩家行为、剧情走向、角色关系

衍生项目

项目说明
knowledge-indexer基于 memory-lancedb-mcp 构建的知识库索引工具,支持将本地文档(Markdown、PDF 等)批量向量化并存储到记忆库中,实现私有知识库的语义检索

贡献与许可

欢迎贡献!请查看 贡献指南。

本项目基于 MIT 许可证 开源。


本项目基于 memory-lancedb-pro 构建,感谢 CortexReach 团队的开源贡献。

Ver o original no GitHub

Bom para

Relacionados