Local Memory MCP V2

本地上下文存储器MCP

  \ ](https://www.docker.com/)

曾经想要ChatGPT内存功能，但 在所有LLM中 并存储在 您自己的硬件你有没有讨厌过 限制记忆的数量 ChatGPT可以存储，并且您 无法分割你的记忆 进入不同领域？

这是你的解决方案。

为任何AI助手提供您完全控制的持久、无限的内存。

使用 模型上下文协议（MCP）。可与任何兼容MCP的客户端Claude Desktop配合使用，并为您提供所需的内存功能。

目录

• 为何这很重要
• 选择您的实施方案
• 工具和功能

- 可用工具 - 可用资源 - 可用提示

• 架构图

- SQLite+FAISS实现 - PostgreSQL+pgvector实现

• 特性
• 快速开始

- 先决条件 - Ollama设置

• Claude桌面设置
• 例子
• 组件
• 配置
• 发展

- 码头工人

• 手动安装
• 演示
• 许可证

为何这很重要

传统人工智能问题：人工智能助手在对话之间会忘记一切。每次交互都是从头开始的，要求用户反复提供有关其偏好、项目和历史的上下文。

解决方案：本地上下文内存为您的AI提供持久、可搜索的内存，这些内存：

• 🧠 跨会话记忆 -用户偏好、项目详细信息、对话历史记录
• 🎯 查找相关上下文 -语义搜索在正确的时间显示正确的记忆
• 🏢 按域组织 -工作、健康、个人生活的独立上下文（PostgreSQL）
• 🔒 保持私密 -所有数据都存储在您控制的本地
• ⚡ 立即工作 -与Claude Desktop和MCP客户端的兼容性下降

选择您的实施方案

• SQLite+FAISS：非常适合个人使用、开发和简单部署
• PostgreSQL+pgvector：通过领域细分和团队协作为生产做好准备

工具和功能

graph LR
    subgraph "Client"
        USER[User]
        CD[Claude Desktop]
    end
    
    subgraph "MCP Server"
        subgraph "Tools"
            SM[store_memory]
            UM[update_memory]
            SRCH[search_memories]
            LMD[list_memory_domains]
        end
        
        subgraph "Resources"
            RES_SQL[memory://query]
            RES_PG[memory://domain/query]
        end
        
        subgraph "Prompts"
            SUM[summarize_memories]
        end
    end
    
    subgraph "Domain Context"
        DC[PostgreSQL Only]
        DC2[Multi-domain isolation:
startup, health, personal]
    end
    
    USER --> CD
    CD -->|MCP Protocol| SM
    CD -->|MCP Protocol| UM
    CD -->|MCP Protocol| SRCH
    CD -->|MCP Protocol| LMD
    CD -->|MCP Protocol| RES_SQL
    CD -->|MCP Protocol| RES_PG
    CD -->|MCP Protocol| SUM
    
    LMD -.->|Available in| DC
    RES_PG -.->|Available in| DC
    DC --> DC2
    
    classDef client fill:#e3f2fd,stroke:#1976d2,stroke-width:2px,color:#0d47a1
    classDef server fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,color:#4a148c
    classDef tool fill:#fff3e0,stroke:#f57c00,stroke-width:2px,color:#e65100
    classDef resource fill:#e8f5e8,stroke:#388e3c,stroke-width:2px,color:#1b5e20
    classDef prompt fill:#fce4ec,stroke:#c2185b,stroke-width:2px,color:#880e4f
    classDef domain fill:#f1f8e9,stroke:#689f38,stroke-width:2px,color:#33691e
    
    class USER,CD client
    class SM,UM,SRCH,LMD tool
    class RES_SQL,RES_PG resource
    class SUM prompt
    class DC,DC2 domain

可用工具

store_memory

使用自动语义索引将新信息存储在持久内存中。

• SQLite: store_memory(content, source?, importance?)
• PostgreSQL: store_memory(content, domain?, source?, importance?)
• 例子:

- "User prefers TypeScript over JavaScript for new projects" - "Weekly team meeting every Tuesday at 2 PM PST"

update_memory

在保留搜索索引的同时修改现有内存。

• SQLite: update_memory(memory_id, content?, importance?)
• PostgreSQL: update_memory(memory_id, content?, importance?, domain?)
• 用例：更新过时的信息或更改重要性级别

search_memories

使用语义或关键字搜索查找相关记忆。

• SQLite: search_memories(query, limit?, use_vector?)
• PostgreSQL: search_memories(query, domain?, limit?)
• 例子:

- "What programming languages does the user prefer?" - "Recent project decisions about database choices"

list_memory_domains *（仅限PostgreSQL）*

发现用于有组织上下文切换的可用内存域。

• 退货: ["default", "work", "health", "personal"]
• 用例：在不同的内存上下文之间切换

可用资源

memory://query *（SQLite）*

通过URI模式进行快速语义搜索，以实现简单的内存检索。

memory://domain/query *（PostgreSQL）*

孤立内存上下文的域范围语义搜索。

• 例子:

- memory://work/project deadlines - memory://health/medication schedule

可用提示

summarize_memories

生成检索到的内存集合的智能摘要。

• 输入：内存对象列表
• 输出：结构化摘要，突出关键模式和见解
• 用例：为复杂主题创建上下文摘要

架构

SQLite+FAISS实现（原始）

graph TB
    subgraph "Client Layer"
        CD[Claude Desktop]
        AI[AI Agent]
    end
    
    subgraph "MCP Server Layer"
        SMS[SQLite Memory Server]
    end
    
    subgraph "API Layer" 
        SMA[SQLite Memory API]
        SVA[SQLite Vector API]
        OE[Ollama Embeddings]
        SC[Smart Chunker]
    end
    
    subgraph "Storage Layer"
        SQL[(SQLite Database)]
        FAISS[(FAISS Index)]
    end
    
    subgraph "External Services"
        OL[Ollama API]
        EM[nomic-embed-text]
    end
    
    CD -->|MCP Protocol| SMS
    AI -->|HTTP/JSON-RPC| SMS
    
    SMS --> SMA
    SMA --> SVA
    SVA --> SC
    SVA --> OE
    
    SMA -->|Store Metadata| SQL
    SVA -->|Vector Operations| FAISS
    
    OE -->|Generate Embeddings| OL
    OL --> EM
    
    classDef client fill:#e3f2fd,stroke:#1976d2,stroke-width:2px,color:#0d47a1
    classDef server fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,color:#4a148c
    classDef api fill:#fff3e0,stroke:#f57c00,stroke-width:2px,color:#e65100
    classDef storage fill:#e8f5e8,stroke:#388e3c,stroke-width:2px,color:#1b5e20
    classDef external fill:#fce4ec,stroke:#c2185b,stroke-width:2px,color:#880e4f
    
    class CD,AI client
    class SMS server
    class SMA,SVA,OE,SC api
    class SQL,FAISS storage
    class OL,EM external

PostgreSQL+pgvector实现（新）

graph TB
    subgraph "Client Layer"
        CD[Claude Desktop]
        AI[AI Agent]
    end
    
    subgraph "MCP Server Layer"
        PMS[PostgreSQL Memory Server]
    end
    
    subgraph "API Layer"
        PMA[PostgreSQL Memory API]
        OE[Ollama Embeddings]
    end
    
    subgraph "PostgreSQL Database"
        subgraph "Domain Tables"
            DT1[default_memories]
            DT2[startup_memories]
            DT3[health_memories]
        end
        PGV[pgvector Extension]
    end
    
    subgraph "External Services"
        OL[Ollama API]
        EM[nomic-embed-text]
    end
    
    CD -->|MCP Protocol| PMS
    AI -->|HTTP/JSON-RPC| PMS
    
    PMS --> PMA
    PMA --> OE
    PMA -->|SQL + Vector Ops| PGV
    PGV --> DT1
    PGV --> DT2
    PGV --> DT3
    
    OE -->|Generate Embeddings| OL
    OL --> EM
    
    classDef client fill:#e3f2fd,stroke:#1976d2,stroke-width:2px,color:#0d47a1
    classDef server fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,color:#4a148c
    classDef api fill:#fff3e0,stroke:#f57c00,stroke-width:2px,color:#e65100
    classDef storage fill:#e8f5e8,stroke:#388e3c,stroke-width:2px,color:#1b5e20
    classDef external fill:#fce4ec,stroke:#c2185b,stroke-width:2px,color:#880e4f
    
    class CD,AI client
    class PMS server
    class PMA,OE api
    class DT1,DT2,DT3,PGV storage
    class OL,EM external

特性

公共特性

• 语义搜索：使用Ollama嵌入进行智能内存检索
• 智能分块：自动分解长文本以获得更好的搜索结果
• MCP标准：完全符合Claude Desktop集成的MCP协议
• Docker就绪：具有自包含映像的简单容器化部署
• 后备搜索：矢量搜索不可用时自动回退到文本搜索

SQLite+FAISS特定

• 本地存储：所有内容都使用SQLite+FAISS文件在本地运行
• 零设置：不需要数据库服务器
• 便携的：单个目录包含所有数据

PostgreSQL+pgvector专用

• 域名分割：单独的内存上下文（启动、健康、个人等）
• 生产就绪：ACID合规性、并发访问、复制支持
• 本地矢量操作：高效的相似性搜索，无需单独的索引文件
• 可扩展的：通过适当的索引处理大型数据集

快速开始

推荐：使用Docker进行最简单的设置！ 跳过所有依赖关系管理，在几秒钟内开始运行。

选项1:Docker（推荐）

SQLite版本 （最简单）：

# Run immediately - no setup required!
docker run --rm -i -v ./memory-data:/app/data cunicopia/local-memory-mcp:sqlite

PostgreSQL版本 （带域分割）：

# Run immediately - includes full PostgreSQL database!
docker run --rm -i -v ./postgres-data:/var/lib/postgresql/data cunicopia/local-memory-mcp:postgres

就是这样！容器是自包含的，可以自动处理所有依赖关系。

先决条件

• Docker（用于容器化部署）或Python 3.12+（用于本地安装）
• 奥拉玛与 nomic-embed-text 模型（可选，但建议用于增强语义搜索）

Ollama设置（可选但推荐）

Ollama通过向量嵌入实现了增强的语义搜索。没有它，系统就会退回到基于文本的搜索。

安装：

• macOS/Windows：从下载安装程序 ollama.com/下载
• Linux: curl -fsSL https://ollama.com/install.sh | sh

设置：

# Install the embedding model
ollama pull nomic-embed-text:v1.5

# Verify it's running (should show localhost:11434)
curl http://localhost:11434/api/tags

Claude桌面设置

准备好Docker容器（或本地安装）后，通过将以下内容添加到MCP设置中连接到Claude Desktop：

Docker配置（推荐）

{
  "mcpServers": {
    "localMemoryMCP-SQLite": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "-v", "/path/to/your/memory-data:/app/data", "cunicopia/local-memory-mcp:sqlite"]
    },
    
    "localMemoryMCP-PostgreSQL": {
      "command": "docker", 
      "args": ["run", "--rm", "-i", "-v", "/path/to/your/postgres-data:/var/lib/postgresql/data", "cunicopia/local-memory-mcp:postgres"]
    }
  }
}

卷路径： 替换 /path/to/your/memory-data 和 /path/to/your/postgres-data 使用您想要存储记忆的任何目录（例如。， ~/Documents/memory-data, /Users/yourname/my-memories等等）

本地安装配置（备选）

注： 仅在无法使用Docker时使用。需要先手动设置（请参阅 手动安装).

{
  "mcpServers": {
    "localMemoryMCP": {
      "command": "bash",
      "args": ["/path/to/local-memory-mcp/run_sqlite.sh"]
    }
  }
}

例子

SQLite实现

// Store a memory
store_memory(
  "User prefers Python for backend development", 
  "conversation", 
  0.8
)

// Search memories
search_memories("programming preferences", 5, true)

// Get memories via resource
// Access: memory://programming

PostgreSQL实现

// List available domains
list_memory_domains()
// Returns: ["default", "startup", "health"]

// Store memories in different domains
store_memory(
  "Series A funding closed at $10M",
  "startup",  // domain
  "meeting",   // source
  0.9         // importance
)

store_memory(
  "User has peanut allergy",
  "health",
  "medical_record",
  1.0
)

// Search within specific domain
search_memories("funding", "startup", 5)

// Get memories via resource
// Access: memory://startup/funding%20strategy

组件

SQLite实现

• FastMCP：Python MCP服务器框架
• SQLite：结构化元数据和文本搜索回退
• FAISS：矢量相似性搜索
• 奥拉玛：本地嵌入生成（可选）
• Smart Chunker：文本处理以实现最佳检索

PostgreSQL实现

• FastMCP：Python MCP服务器框架
• PostgreSQL：具有元数据和矢量存储的完整数据库
• pg向量：PostgreSQL原生向量相似性搜索
• 奥拉玛：本地嵌入生成（可选）
• 域表：隔离内存上下文以实现更好的组织

配置

常见环境变量

• OLLAMA_API_URL：Ollama端点（默认值： http://localhost:11434)
• OLLAMA_EMBEDDING_MODEL：型号名称（默认值： nomic-embed-text)
• MCP_SERVER_NAME：MCP的服务器名称（默认值： Local Context Memory)

SQLite特定

• MCP_DATA_DIR：数据存储路径（默认值： ./data)

PostgreSQL特定

• POSTGRES_HOST：数据库主机（默认值： localhost)
• POSTGRES_PORT：数据库端口（默认值： 5432)
• POSTGRES_DB：数据库名称（默认值： postgres)
• POSTGRES_USER：数据库用户（默认值： postgres)
• POSTGRES_PASSWORD：数据库密码（必填）
• DEFAULT_MEMORY_DOMAIN：内存的默认域（默认值： default)

发展

SQLite版本

pip install -r requirements.sqlite.txt
python src/sqlite_memory_server.py

PostgreSQL版本

pip install -r requirements.pgvector.txt
python src/postgres_memory_server.py

码头工人

Docker支持与自包含的容器完全兼容！SQLite和PostgreSQL版本完全独立运行。

# Run pre-built images directly (recommended)
# SQLite version - replace './data' with your preferred data directory
docker run --rm -i -v ./data:/app/data cunicopia/local-memory-mcp:sqlite

# PostgreSQL version - replace './postgres_data' with your preferred data directory  
docker run --rm -i -v ./postgres_data:/var/lib/postgresql/data cunicopia/local-memory-mcp:postgres

从源构建（可选）：

# Only needed if you want to build yourself
docker build -f Dockerfile.sqlite_version -t local-memory-mcp:sqlite_version .
docker build -f Dockerfile.postgres_version -t local-memory-mcp:postgres_version .

手动安装

⚠️ 我们强烈建议使用Docker -它自动处理所有依赖关系。仅当Docker不可用或您有特定要求时，才使用此部分。

SQLite+FAISS（简单，本地）

git clone https://github.com/cunicopia-dev/local-memory-mcp
cd local-memory-mcp
pip install -r requirements.sqlite.txt
python src/sqlite_memory_server.py

PostgreSQL+pgvector（生产，可扩展）

对于基于Debian的系统：

# Install PostgreSQL + pgvector
sudo apt install postgresql postgresql-contrib
sudo apt install postgresql-17-pgvector  # Adjust version as needed

# Change directory to where you downloaded the repo
cd /path/to/local-memory-mcp

# Set up database
# PLEASE NOTE: We create a user and basic password here, please change this if you want to host it locally
psql < sql/create_user.sql
psql -U postgres < sql/setup_database.sql

# Install Python dependencies
pip install -r requirements.pgvector.txt

# Configure connection (edit .env file)
cp .env.example .env

# Run server
python src/postgres_memory_server.py

对于macOS：

# Install PostgreSQL and pgvector (Homebrew-based)
brew install postgresql@17
brew services start postgresql@17

# Link psql and other tools if needed
brew link --force postgresql@17

# Install pgvector extension (PostgreSQL must be running)
# This installs the extension into your local PostgreSQL environment
brew install pgvector

# OPTIONAL: If pgvector doesn't register properly, you can manually build it
# git clone --branch v0.8.0 https://github.com/pgvector/pgvector.git
# cd pgvector
# make && make install

# PLEASE NOTE: We create a user and basic password here, please change this if you want to host it locally
psql < sql/create_user.sql

# Set up database
psql -U postgres -f sql/setup_database.sql

# Install Python dependencies
pip install -r requirements.pgvector.txt

# Configure connection (edit .env file)
cp .env.example .env

# Run server
python src/postgres_memory_server.py

⚠️ 安全警告： 请转到sql/create_user.sql并创建一个更安全的用户和密码，列出的仅用于示例目的！请保护您的数据，并认真对待您的数据安全。

许可证

MIT许可证

演示

查看本地存储系统的运行情况：

示例1

Example 1

示例2

Example 2