MCP Memory Service — Сценарии использования, Установка & Живое демо

Зачем использовать

Ключевые функции

Гибридный поиск (векторный + символьный) — меньше ложных срабатываний, чем в чисто embedding-хранилищах
Автоматически строимый граф знаний, связывающий сущности, решения и проекты
Фоновая консолидация: дедупликация, резюмирование, обнаружение дрейфа
REST API рядом с MCP — одно хранилище, два клиента
SQLite по умолчанию (без инфраструктуры); подключаемый Postgres / pgvector для масштабирования

Живое демо

Как выглядит на практике

mcp-memory-service.replay ▶ готово

0/0

Установка

Выберите клиент

~/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"
      ]
    }
  }
}

Откройте Claude Desktop → Settings → Developer → Edit Config. Перезапустите после сохранения.

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor использует ту же схему mcpServers, что и Claude Desktop. Конфиг проекта приоритетнее глобального.

VS Code → Cline → MCP Servers → Edit

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

Щёлкните значок MCP Servers на боковой панели Cline, затем "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

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

Тот же формат, что и Claude Desktop. Перезапустите Windsurf для применения.

~/.continue/config.json

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

Continue использует массив объектов серверов, а не map.

~/.config/zed/settings.json

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

Добавьте в context_servers. Zed перезагружается автоматически.

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

Однострочная команда. Проверить: claude mcp list. Удалить: claude mcp remove.

Сценарии использования

Реальные сценарии: MCP Memory Service

Поддержание контекста Claude в многонедельном проекте

👤 Разработчики в долгосрочных проектах ⏱ ~15 min beginner

Когда использовать: Каждую сессию вы тратите 10 минут, напоминая Claude конвенции, решения и TODOs проекта.

Предварительные требования

Запущенный memory service — uvx mcp-memory-service (по умолчанию использует ~/.mcp-memory.db)

Поток

Заложить ключевой контекст

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'.✓ Скопировано

→ 3 записи сохранены с тегом проекта
Использовать в следующей сессии

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

→ Релевантные правила выведены; предложение им соответствует
Зафиксировать новые решения

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

→ Запись сохранена с датой; всплывёт в следующий раз, когда тема встретится

Итог: Claude воспринимает ваш проект как непрерывное взаимодействие, а не 100 холодных стартов.

Подводные камни

Память растёт бесконтрольно; поиск начинает возвращать старые/нерелевантные данные — Запускайте consolidate еженедельно; тегируйте записи, чтобы ограничить поиск недавними и относящимися к проекту

Сочетать с: filesystem

Создание постоянного профиля пользователя для персонального агента

👤 Разработчики собственных Claude-агентов для ежедневного использования ⏱ ~10 min beginner

Когда использовать: Ваш ежедневный агент должен знать ваши предпочтения, регулярные встречи и людей без переспрашивания.

Поток

Загрузить профиль

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

→ Профиль сохранён с type=profile
Использовать на лету

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

→ Предложение учитывает ваши часы из памяти; без переспрашивания

Итог: Меньше повторного задания контекста при каждой задаче.

Подводные камни

Чувствительные данные (медицина, финансы) хранятся в незашифрованном виде — Используйте отдельный путь к БД (зашифрованная ФС или SQLCipher); или просто не храните медицинские/финансовые данные на этом уровне

Сочетать с: google-workspace-mcp

Построение исследовательского графа знаний при чтении статей

👤 Исследователи, аналитики, любители глубокого погружения в материал ⏱ ~60 min intermediate

Когда использовать: Вы читаете 30 статей и хотите отслеживать сущности, утверждения и противоречия.

Поток

Добавлять по мере чтения

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

→ Количество узлов растёт; связи видны
Найти противоречия

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

→ Пары противоречивых утверждений со ссылками
Сформировать обзор

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

→ Обзор в Markdown с подтверждёнными утверждениями

Итог: Настоящий синтез, а не просто заметки.

Подводные камни

Качество извлечения варьируется — часть утверждений является шумом — Периодически удаляйте узлы с низкой достоверностью; задача консолидации помогает, но не делает чудес

Сочетать с: filesystem

Общий журнал решений проекта для агентов всей команды

👤 Небольшие команды, использующие AI-агентов для разработки ⏱ ~30 min advanced

Когда использовать: Трое в команде используют Claude Code; никто не знает, какие решения уже приняли агенты других.

Предварительные требования

Hosted-экземпляр, доступный всем — Запустите с --host 0.0.0.0 на общем dev-сервере; или разверните Docker-образ

Поток

Настроить конфигурации команды на общий сервис

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

→ Все агенты читают и пишут в одно хранилище
Конвенция: тегировать решения

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

→ Теги применены; поиск ограничен соответственно

Итог: Командная память без вики.

Подводные камни

Личные заметки случайно помечены как командные — По умолчанию используйте type=personal; явный opt-in type=decision для командных заметок

Сочетать с: github

Комбинации

Сочетайте с другими MCP — эффект x10

mcp-memory-service + filesystem

Привязка памяти к файлам репозитория — связь memory_id ↔ путь к файлу

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

mcp-memory-service + github

Автоматическое сохранение резюме код-ревью как памяти о решениях

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

Инструменты

Что предоставляет этот MCP

Инструмент	Входные данные	Когда вызывать	Стоимость
store_memory	content, tags?, type?, metadata?	При любом новом факте / решении, достойном сохранения	0
recall	query, top_k?, tags?, since?	Первый шаг перед ответом — не изобретайте контекст заново	0
graph_neighbors	node_id, depth?	Изучение связанных сущностей и решений	0
consolidate	scope?	Еженедельная уборка; объединяет дубликаты	LLM токены для резюмирования
delete_memory	memory_id	Право на удаление или исправление ошибочных данных	0

Стоимость и лимиты

Во что обходится

Квота API: Нет — полностью локально
Токенов на вызов: Поиск возвращает 200–2000 токенов в зависимости от top_k
Деньги: Бесплатно; консолидация использует локальный или собственный LLM
Совет: Ограничивайте top_k=5 для большинства запросов; позвольте консолидации справляться с дедупликацией вместо перегрузки prompt-ов

Безопасность

Права, секреты, радиус поражения

Минимальные скоупы: filesystem write к пути БД

Хранение учётных данных: БД по адресу ~/.mcp-memory.db; шифруйте ФС или используйте SQLCipher-сборку для чувствительных данных

Исходящий трафик: Нет по умолчанию; консолидация может выходить в сеть при подключении к LLM

Никогда не давайте: Общедоступная БД на общих хостах

PII попадает через записи — применяйте политику хранения данных на уровне приложения

Устранение неполадок

Частые ошибки и исправления

Recall ничего не возвращает

Проверьте фильтр тегов; индекс embeddings может потребовать пересборки после изменений схемы

Проверить:

Посмотрите на количество результатов инструмента и теги, которые передаёте

Ошибки блокировки БД при параллельных агентах

Переключитесь на Postgres backend или включите режим SQLite WAL (по умолчанию в новых версиях)

Проверить: PRAGMA journal_mode;

Консолидация выполняется бесконечно

Ограничьте scope: consolidate(scope='last_week') вместо всей БД

Память заполнена нерелевантными разговорами

Будьте строже при сохранении — вызывайте store_memory только для фактов/решений, а не для обычного чата

Проверить: Проверьте последние записи; удалите мусор

Альтернативы

MCP Memory Service в сравнении

Альтернатива	Когда использовать	Компромисс
claude-mem-skill	Нужна компрессия для переноса сессий, а не долгосрочное хранилище знаний	claude-mem — непрерывность между сессиями; это — настоящая постоянная память + граф
Mem0	Нужен hosted память-слой с SDK	Платно при масштабировании; данные покидают вашу машину
Letta (formerly MemGPT)	Нужен полный agent runtime со встроенной памятью, а не просто слой памяти	Тяжелее; со своим мнением об архитектуре агентов

Ещё

Ресурсы

📖 Читать официальный README на GitHub

🐙 Открытые задачи

🔍 Все 400+ MCP-серверов и Skills