MCP Memory Service — Cas d'usage, Installer & Démo en direct

Pourquoi l'utiliser

Fonctionnalités clés

Rappel hybride vecteur + symbolique — moins de faux positifs que les stores purement vectoriels
Graphe de connaissances construit automatiquement liant entités, décisions et projets
Consolidation en arrière-plan : dédoublonnage, résumé et détection de dérive
API REST aux côtés de MCP — même store, deux clients
SQLite d'abord (zéro infrastructure) ; extensible à Postgres / pgvector pour la montée en charge

Démo en direct

Aperçu en pratique

mcp-memory-service.replay ▶ prêt

0/0

Installer

Choisissez votre client

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Ouvrez Claude Desktop → Settings → Developer → Edit Config. Redémarrez après avoir enregistré.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Cursor utilise le même schéma mcpServers que Claude Desktop. La config projet l'emporte sur la globale.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Cliquez sur l'icône MCP Servers dans la barre latérale Cline, puis "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Même format que Claude Desktop. Redémarrez Windsurf pour appliquer.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mcp-memory-service",
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  ]
}

Continue utilise un tableau d'objets serveur plutôt qu'une map.

~/.config/zed/settings.json

{
  "context_servers": {
    "mcp-memory-service": {
      "command": {
        "path": "uvx",
        "args": [
          "mcp-memory-service"
        ]
      }
    }
  }
}

Ajoutez dans context_servers. Zed recharge à chaud à la sauvegarde.

claude mcp add mcp-memory-service -- uvx mcp-memory-service

Une seule ligne. Vérifiez avec claude mcp list. Supprimez avec claude mcp remove.

Cas d'usage

Usages concrets : MCP Memory Service

Garder Claude synchronisé sur un projet de développement de plusieurs semaines

👤 Développeurs sur des projets de longue durée ⏱ ~15 min beginner

Quand l'utiliser : À chaque session vous passez 10 minutes à rappeler à Claude les conventions, décisions et TODOs du projet.

Prérequis

Service de mémoire en cours d'exécution — uvx mcp-memory-service (par défaut vers ~/.mcp-memory.db)

Déroulement

Initialiser le contexte principal

Use mcp-memory-service. Store these as project-level memory: 'use bun not npm', 'all DB writes go through src/db/repo.ts', 'no class components in src/ui'.✓ Copié

→ 3 souvenirs stockés avec le tag projet
Utiliser lors de la prochaine session

Recall any project-level rules before suggesting changes to src/ui/Form.tsx.✓ Copié

→ Règles pertinentes remontées ; la suggestion les respecte
Capturer les nouvelles décisions

Save: 'switched from React Query to SWR on 2026-04-22 because of Suspense compat'.✓ Copié

→ Souvenir stocké avec date ; remontera la prochaine fois que le sujet sera abordé

Résultat : Claude traite votre projet comme un engagement continu, pas 100 démarrages à froid.

Pièges

La mémoire croît sans limites ; le rappel commence à ramener des éléments anciens/non pertinents — Exécuter consolidate chaque semaine ; tagger les souvenirs pour limiter le rappel au récent + ce projet

Combiner avec : filesystem

Donner à un agent assistant personnel un profil persistant de vous

👤 Personnes construisant des agents Claude au quotidien ⏱ ~10 min beginner

Quand l'utiliser : Votre agent quotidien devrait connaître vos préférences, réunions récurrentes et contacts sans re-demander.

Déroulement

Constituer le profil

Use mcp-memory-service. Store: my timezone (Asia/Tokyo), my partner's name, my work hours (10–7), recurring 1:1s.✓ Copié

→ Profil stocké avec type=profile
Rappeler à la volée

Schedule 'lunch w/ Alice' for next Tuesday — pick a time that respects my work hours.✓ Copié

→ Suggestion utilisant vos horaires depuis la mémoire ; pas de re-demande

Résultat : Moins de re-saisie de contexte par tâche.

Pièges

Détails sensibles (médicaux, financiers) stockés non chiffrés — Utiliser un chemin de BD séparé (FS chiffré ou build SQLCipher) ; ou simplement ne pas stocker le médical/financier dans cette couche

Combiner avec : google-workspace-mcp

Construire un graphe de connaissances de recherche au fil de la lecture

👤 Chercheurs, analystes, lecteurs approfondis ⏱ ~60 min intermediate

Quand l'utiliser : Vous lisez 30 articles et voulez suivre les entités, affirmations et contradictions.

Déroulement

Ingérer au fur et à mesure

For each paper I link, extract: authors, key claims, methods, datasets — store as linked nodes.✓ Copié

→ Nombre de nœuds croissant ; liens visibles
Trouver les contradictions

Across stored papers, find claims that contradict. List with sources.✓ Copié

→ Paires d'affirmations conflictuelles avec citations
Générer une synthèse

Draft a 2-page survey with the dominant claim threads + contradictions noted.✓ Copié

→ Synthèse en markdown avec affirmations sourcées

Résultat : Une vraie synthèse, pas seulement des notes.

Pièges

La qualité d'extraction varie — certaines affirmations sont du bruit — Élaguer périodiquement les nœuds peu fiables ; la tâche de consolidation aide mais n'est pas magique

Combiner avec : filesystem

Partager le journal de décisions projet entre les agents de l'équipe

👤 Petites équipes utilisant des agents de développement IA ⏱ ~30 min advanced

Quand l'utiliser : Trois personnes de l'équipe utilisent Claude Code ; personne ne sait quelles décisions les agents des autres ont déjà prises.

Prérequis

Instance hébergée accessible par tous — Lancer avec --host 0.0.0.0 sur un serveur de développement partagé ; ou déployer l'image Docker

Déroulement

Pointer les configs de l'équipe vers le service partagé

Update each teammate's MCP config to use the shared URL with separate auth tokens.✓ Copié

→ Tous les agents lisent/écrivent dans le même store
Convention : tagger les décisions

Convention: anything stored as type=decision is team-visible; type=personal is namespaced.✓ Copié

→ Tags appliqués ; rappel limité en conséquence

Résultat : Mémoire d'équipe sans wiki.

Pièges

Notes personnelles accidentellement taguées comme visibles par l'équipe — Défaut à type=personal ; exiger un opt-in explicite type=decision pour les notes d'équipe

Combiner avec : github

Combinaisons

Associez-le à d'autres MCPs pour un effet X10

mcp-memory-service + filesystem

Ancrer la mémoire dans les fichiers du dépôt — lier memory_id ↔ chemin de fichier

When I edit src/db/repo.ts, recall any decisions referencing it before suggesting changes.✓ Copié

mcp-memory-service + github

Auto-stocker les résumés de revue de PR comme mémoire de décision

After every merged PR, store the design rationale + reviewer concerns as type=decision tagged with the repo.✓ Copié

Outils

Ce que ce MCP expose

Outil	Entrées	Quand appeler	Coût
store_memory	content, tags?, type?, metadata?	Pour tout nouveau fait ou décision à conserver	0
recall	query, top_k?, tags?, since?	Première étape avant de répondre — ne pas réinventer le contexte	0
graph_neighbors	node_id, depth?	Explorer des entités/décisions reliées	0
consolidate	scope?	Maintenance hebdomadaire ; fusionne les doublons	Tokens LLM pour la résumation
delete_memory	memory_id	Droit à l'oubli ou correction de données erronées	0

Coût et limites

Coût d'exécution

Quota d'API: Aucun — tout local
Tokens par appel: Le rappel retourne 200–2000 tokens selon top_k
Monétaire: Gratuit ; la consolidation utilise un LLM local ou BYO
Astuce: Limiter top_k=5 pour la plupart des appels de rappel ; laisser la consolidation gérer le dédoublonnage plutôt que de surcharger les prompts

Sécurité

Permissions, secrets, portée

Portées minimales : Écriture filesystem vers le chemin de la BD

Stockage des identifiants : BD dans ~/.mcp-memory.db ; chiffrer le FS ou utiliser le build SQLCipher pour les données sensibles

Sortie de données : Aucun par défaut ; la consolidation peut appeler un LLM externe si vous le configurez

Ne jamais accorder : BD accessible en lecture par tous sur des hôtes partagés

Les PII transitent par les souvenirs — appliquer une politique de conservation des données au niveau applicatif

Dépannage

Erreurs courantes et correctifs

Le rappel ne retourne rien

Vérifier le filtre tags ; l'index d'embeddings peut nécessiter une reconstruction après des changements de schéma

Vérifier : Regarder le nombre de résultats et les tags que vous passez

Erreurs de verrou BD sous agents concurrents

Passer au backend Postgres ou activer le mode WAL SQLite (par défaut dans les versions récentes)

Vérifier : PRAGMA journal_mode;

La consolidation tourne indéfiniment

Limiter la portée : consolidate(scope='last_week') au lieu de la BD complète

Souvenirs pleins de chat hors-sujet

Être plus strict au moment du stockage — appeler store_memory uniquement pour les faits/décisions, pas les discussions informelles

Vérifier : Auditer les stores récents ; supprimer le superflu

Alternatives

MCP Memory Service vs autres

Alternative	Quand l'utiliser	Compromis
claude-mem-skill	Vous voulez une compression de continuité de session, pas un store de connaissances long terme	claude-mem assure la continuité par session ; ceci est une vraie mémoire persistante + graphe
Mem0	Vous voulez une couche mémoire hébergée avec des SDK	Payant à grande échelle ; les données quittent votre machine
Letta (anciennement MemGPT)	Vous voulez un runtime agent complet avec mémoire intégrée, pas seulement une couche mémoire	Plus lourd ; opinioné sur l'architecture agent

Plus

Ressources

📖 Lire le README officiel sur GitHub

🐙 Voir les issues ouvertes

🔍 Parcourir les 400+ serveurs MCP et Skills