✨ mem0 Memory System：构建AI的记忆体系

Name: mem0-mcp
Rating: 9.1 (1599 reviews)
Author: pinkpixel-dev

概述

mem0-mcp是由pinkpixel-dev创建的一个现代化记忆管理系统，专为AI应用而设计。这个系统以其灵活的提供商支持，能够与OpenAI、Ollama等进行无缝整合，且通过MCP协议实现AI代理的长期记忆存储。mem0可以作为简单易用的API接口，也可以以MCP服务器的形式直接嵌入AI应用中。

功能特性

多提供商支持

开放性选择：mem0支持多种AI提供商，包括OpenAI、Anthropic、Google、DeepSeek、OpenRouter以及本地使用的Ollama。
嵌入灵活性：用户可以选择在OpenAI、HuggingFace或Ollama之间进行嵌入操作。

本地存储与配置

本地化存储：mem0支持通过ChromaDB和SQLite进行本地化的记忆存储。
可配置性强：用户可以根据需求自定义数据目录、模型和参数。

记忆管理自主性

自动化管理：无需显式命令，系统能够自动提取、存储和检索用户信息。
用户隔离：支持多用户使用，每个用户均有独立的记忆空间。

双重集成方式

服务器集成方式（MCP）：提供RESTful API，便于与支持MCP协议的应用集成。
直接库集成方式：可直接嵌入到应用中，免去单独服务器运行的负担。

安装说明

方法一：手动安装

克隆仓库并导航至目录：

git clone https://github.com/pinkpixel-dev/mem0-mcp.git
cd mem0-mcp

安装依赖：
```
pip install -r requirements.txt
```
创建.env配置文件：
```
cp .env.example .env
```
编辑.env文件并填写API密钥和设置（详见环境配置指南）。

方法二：使用安装脚本

项目提供了便捷的安装脚本，自动化设置流程：

./install.sh

安装脚本功能包括：

创建Python虚拟环境
安装所有依赖项
配置环境设置
提供带有视觉反馈的指导安装体验

可自定义安装选项：

# 快速非交互式安装
./install.sh --quick

# 指定自定义环境目录
./install.sh --env-dir ./custom_env

# 使用特定安装方法（pip, uv, 或 conda）
./install.sh --method pip

服务器运行

方法一：直接运行Python脚本

用默认设置启动服务器：

python server.py

若端口8000被占用，服务器将自动查找下一个可用端口。

或使用命令行参数自定义：

python server.py --host 127.0.0.1 --port 8080 --provider ollama --embedding-provider ollama --data-dir ./custom_memory_data

可选项：

# 禁用自动端口查找
python server.py --no-auto-port

# 开启开发自动重载
python server.py --reload

方法二：使用运行服务器脚本

借助提供的shell脚本可以更方便地运行服务器：

./run_server.sh

此脚本支持与Python脚本相同的选项：

# 自定义主机和端口
./run_server.sh --host 127.0.0.1 --port 8080

# 指定提供商
./run_server.sh --provider openai --embedding ollama

# 设置自定义数据目录
./run_server.sh --data-dir ~/mem0_data

方法三：支持MCP的应用程序启动器

如果需要与使用MCP协议的命令行应用程序整合，使用launch脚本：

python start_mem0_server.py

此脚本专为MCP集成设计，并以MCP客户端预期的格式输出服务器信息。支持与前述方法相同的选项：

# 自定义设置
python start_mem0_server.py --host 127.0.0.1 --port 8080 --provider ollama

# 静默模式（减少输出）
python start_mem0_server.py --quiet

集成方法

方法一：MCP服务器（用于MCP兼容应用）

MCP服务器提供RESTful API，任何支持机器通信协议（MCP）的应用程序均可使用。

API端点

端点	方法	描述
`/configure`	POST	配置记忆提供商
`/memory/add`	POST	添加记忆
`/memory/search`	POST	搜索记忆
`/memory/chat`	POST	使用记忆进行对话
`/memory/{memory_id}`	GET	通过ID获取记忆
`/memory/{memory_id}`	DELETE	删除特定ID的记忆
`/memories`	DELETE	清空所有记忆
`/health`	GET	健康检查
`/providers`	GET	列出可用提供商

使用客户端

from client import Mem0Client

# 初始化客户端
client = Mem0Client(base_url="http://localhost:8000")

# 配置记忆提供商
client.configure(
    provider="openai",
    embedding_provider="openai",
    data_dir="./memory_data"
)

# 添加记忆
memory_id = client.add_memory(
    content="这是需要记住的重要事实",
    user_id="user123"
)

# 搜索记忆
results = client.search_memories(
    query="重要的事实",
    user_id="user123"
)

# 使用记忆环境进行聊天
response = client.chat(
    message="你有什么重要的信息？",
    user_id="user123"
)

print(response)

MCP兼容应用集成步骤

使用启动器脚本启动mem0 MCP服务器：
```
python start_mem0_server.py
```

脚本将以MCP客户端预期的格式输出服务器信息：

{"name": "mem0", "capabilities": ["memory"], "url": "http://0.0.0.0:8000", "version": "1.0.0"}

配置应用程序使用MCP服务器URL
通过应用程序界面使用记忆功能

详细步骤请参考MCP集成指南。

方法二：直接库集成（适用于任何应用）

无需运行单独的服务器，你可以直接将记忆系统嵌入到自己的应用中：

from mem0.memory import MemoryManager
from mem0.providers import OpenAIProvider, OllamaEmbeddingProvider

# 初始化记忆管理器
memory_manager = MemoryManager(
    provider=OpenAIProvider(api_key="your_openai_api_key"),
    embedding_provider=OllamaEmbeddingProvider(),
    data_dir="./memory_data"
)

# 添加记忆
memory_id = memory_manager.add_memory(
    content="这是需要记住的重要事实",
    user_id="user123"
)

# 搜索记忆
results = memory_manager.search_memories(
    query="重要的事实",
    user_id="user123"
)

# 通过ID获取记忆
memory = memory_manager.get_memory(memory_id)

# 删除记忆
memory_manager.delete_memory(memory_id)

# 清除用户的所有记忆
memory_manager.clear_memories(user_id="user123")

详细步骤请参考直接集成指南。

自主记忆系统

mem0记忆系统有独特的自主记忆功能，其特点包括：

自动提取 用户交互中的关键信息。
无需命令地存储记忆。
必要时检索相关记忆以提供上下文。
通过注入记忆增强AI的响应能力。

这种自动化的记忆管理使得AI能够自然地记住用户细节，而不需要显式的记忆命令。

尝试自主记忆示例

仓库中包括一个自主记忆系统的示例：

python examples/autonomous_memory.py

此示例演示了：

个人信息的自动提取
记忆的上下文检索
自然地将记忆融入响应中

环境配置

mem0记忆系统可以通过环境变量或.env文件进行配置：

# LLM提供商配置
MEM0_PROVIDER=openai
OPENAI_API_KEY=your_openai_api_key

# 嵌入提供商配置
MEM0_EMBEDDING_PROVIDER=openai

# 存储配置
MEM0_DATA_DIR=~/mem0_memories

# 服务器配置
MEM0_HOST=0.0.0.0
MEM0_PORT=8000

关于完整的配置选项，请参阅环境配置指南。

贡献

欢迎贡献！请随时提交Pull Request。

开源许可

本项目基于MIT许可证授权，详细信息请查看LICENSE文件。

致谢

感谢ChromaDB在向量存储方面的支持
感谢LangChain对项目的启发
感谢Ollama在本地LLM支持方面的贡献

由 Pink Pixel 倾情打造 | GitHub

mem0-mcp