返回 MCP 目录
public公开dns本地运行

mcp-memory

MCP Memory是一个基于Cloudflare Workers构建的记忆存储服务,为MCP客户端提供跨对话记忆功能,利用向量搜索技术实现语义关联记忆检索。

article

README

🚀 MCP 内存

MCP 内存 是一款 MCP 服务器,它让 MCP 客户端(如 Cursor、Claude、Windsurf 等)能够记住 用户的信息(偏好、行为),这些信息可在不同对话中得以保留。它借助向量搜索技术,依据意义而非关键词来查找相关记忆。该服务器使用 Cloudflare Workers、D1、Vectorize(RAG)、Durable Objects、Workers AI 和 Agents 构建而成。

🚀 快速开始

立即体验

立即体验!

访问 memory.mcpgenerator.com,开始使用 MCP 内存服务。

免费且安全!

📦 安装指南

免费部署在 Cloudflare 上

  1. 注册 一个 Cloudflare 账户。
  2. 创建 一个新的 Workers 应用。
  3. 配置 Vectorize、D1 数据库和 Workers AI 服务。
  4. 部署 MCP 内存代码。

其他方法

  • 使用 wrangler dev 在本地开发环境运行 MCP 内存。
  • 部署到生产环境时,确保有足够的 Cloudflare 资源支持。

设置步骤

  1. 安装 Wrangler

    npm install -g @cloudflare/wrangler
    
  2. 下载代码

    git clone https://github.com/Puliczek/mcp-memory.git
    cd mcp-memory
    
  3. 部署到 Cloudflare

    wrangler deploy
    

📚 详细文档

工作原理

MCP 内存通过以下组件实现:

  • Cloudflare Workers:处理网络请求。
  • D1 数据库:存储用户记忆。
  • Vectorize:执行向量搜索以找到相关记忆。
  • Workers AI:增强搜索和生成功能。

常见问题解答

  1. 我可以使用 memory.mcpgenerator.com 来存储我的记忆吗?

    • 可以,您可以通过该服务免费存储和检索您的记忆。
    • 您的数据会安全地存储,并且仅限您访问。
    • 请注意,我无法保证该服务始终可用。
  2. 我能自己托管 MCP 内存吗?

    • 可以,您可以在 Cloudflare 上免费托管 MCP 内存。
    • 需要具备 Cloudflare 账户及相应的服务(Workers、Vectorize、D1 数据库和 Workers AI)。
  3. 我可以本地运行它吗?

    • 可以,在开发阶段可以使用 wrangler dev 本地运行。
    • 注意,某些功能如向量搜索或 Workers AI 需要连接到 Cloudflare 服务。
  4. 我能在其他地方托管吗?

    • 不行,MCP 内存专为 Cloudflare 架构设计。
  5. 为什么要构建它?

    • 我希望有一个开源解决方案。
    • 对于数据的控制对我来说很重要。
  6. 我能用它来服务多个人吗?

    • 可以,MCP 内存可以集成到您的应用程序中,为所有用户服务。
    • 每个用户都有自己的独立存储空间。
  7. 除了记忆之外,我可以用它存储其他内容吗?

    • 可以,MCP 内存可用于存储任何基于文本的信息。
    • 实际应用包括:
      • 知识库:技术文档、操作说明和故障排除指南。
      • 用户行为:跟踪用户如何与功能交互及常见使用模式。
      • 项目笔记:记录决策和更新。

📺 视频

点击观看视频

🤝 支持

🤝 如果您喜欢这个内容,请给我一个 ⭐️!感谢您的支持!
help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端