MCP-Mem0: Long-Term Memory for AI Agents
2025.04.13
0
AI代理长期记忆语义搜索开发效率
MCP-Mem0是一个基于Model Context Protocol (MCP)的服务器模板，集成了Mem0，为AI代理提供长期记忆能力。它允许AI代理存储、检索和搜索记忆，支持语义搜索功能。该项目可作为构建自定义MCP服务器的参考模板，遵循Anthropic的最佳实践，确保与任何MCP兼容客户端的无缝集成。
View on GitHub
Overview
基本能力
产品定位
MCP-Mem0是一个为AI代理提供长期记忆能力的服务器模板，支持记忆的存储、检索和语义搜索。
核心功能
save_memory: 存储信息到长期记忆，支持语义索引get_all_memories: 检索所有存储的记忆search_memories: 使用语义搜索查找相关记忆
适用场景
- AI代理需要长期记忆能力的场景
- 需要语义搜索记忆的应用
- 构建自定义MCP服务器的开发参考
工具列表
save_memory: 存储信息到长期记忆get_all_memories: 检索所有存储的记忆search_memories: 使用语义搜索查找相关记忆
常见问题解答
- 如何配置环境变量？参考
.env.example文件 - 如何运行服务器？支持SSE和Stdio两种传输方式
使用教程
使用依赖
- Python 3.12+
- Supabase或任何PostgreSQL数据库（用于记忆的向量存储）
- LLM提供商的API密钥（OpenAI、OpenRouter或Ollama）
- Docker（推荐用于容器化运行）
安装教程
使用uv
- 安装uv：
bash pip install uv - 克隆仓库：
bash git clone https://github.com/coleam00/mcp-mem0.git cd mcp-mem0 - 安装依赖：
bash uv pip install -e . - 创建并配置
.env文件：bash cp .env.example .env
使用Docker（推荐）
- 构建Docker镜像：
bash docker build -t mcp/mem0 --build-arg PORT=8050 . - 创建并配置
.env文件
调试方式
SSE Transport
uv run src/main.py
Docker运行
docker run --env-file .env -p:8050:8050 mcp/mem0