mcp-memory-server
An advanced contextual memory server for agent orchestration providing chronological history, semantic vector search via Redis Stack, and temporary scratchpad storage. It also enables context compression through history rollups and facilitates inter-agent communication using a Redis-based Pub/Sub system.
README
mcp-memory-server
Servidor MCP de memoria contextual y avanzada sobre Redis: listas cronológicas, memoria semántica (Redis Stack), rollup de historial, scratchpad con TTL y Pub/Sub inter-agente. Pensado para orquestación de agentes.
Arquitectura (hexagonal mínima)
- domain/ — Contrato de resultado (
ToolResult,toolErrorResult,errorToToolResult). Sin I/O. - ports/ — Interfaces:
ContextualMemoryPort,SemanticMemoryPort,ScratchpadPort,EventPublisherPort. - application/ — Casos de uso que reciben un puerto y devuelven
ToolResult(formateo y reglas de negocio). - adapters/redis/ — Implementación de los puertos con ioredis (y RediSearch para semántica).
- adapters/mcp/ — Schemas Zod y registro de tools en el servidor MCP; cada tool parsea input y llama al caso de uso con el puerto inyectado.
El entrypoint (index.ts) crea el cliente Redis, instancia los adaptadores y arranca el servidor con startServer(ports).
Herramientas (Tools)
Memoria cronológica (listas)
| Nombre | Parámetros | Descripción |
|---|---|---|
get_recent_context |
agent_key, limit (opcional, default 5) |
Últimas N entradas de la bitácora (hidratación del agente). |
append_contextual_memory |
agent_key, new_entry |
Registra un nuevo hito en la bitácora. |
get_all_context |
agent_key |
Historial completo (para orquestador o resumen). |
Memoria semántica (Redis Stack; búsqueda por similitud)
| Nombre | Parámetros | Descripción |
|---|---|---|
append_semantic_memory |
agent_key, embedding (number[]), content, metadata (opcional) |
Guarda un recuerdo con vector para búsqueda asociativa. |
search_semantic_memory |
agent_key, embedding, top_k (opcional, default 5), score_threshold (opcional) |
"Tráeme recuerdos similares a este contexto". |
Rollup / compresión
| Nombre | Parámetros | Descripción |
|---|---|---|
get_memory_stats |
agent_key |
Cantidad de entradas y primera/última ts; para decidir cuándo hacer rollup. |
rollup_memory_segment |
agent_key, keep_last (default 20), summary_entry |
Reemplaza entradas antiguas por un ítem [RESUMEN HISTÓRICO]; el orquestador genera el resumen y pasa el texto. |
Scratchpad (TTL)
| Nombre | Parámetros | Descripción |
|---|---|---|
set_scratchpad_entry |
agent_key, name, value, ttl_seconds (opcional, default 3600) |
Guarda dato temporal; Redis lo borra al expirar. |
get_scratchpad_entry |
agent_key, name |
Lee un scratchpad. |
clear_scratchpad_entry |
agent_key, name |
Borra antes del TTL. |
Comunicación inter-agente (Pub/Sub)
| Nombre | Parámetros | Descripción |
|---|---|---|
publish_interagent_message |
channel, sender_agent_key, payload |
Publica en un canal; agentes suscritos (fuera del MCP) lo reciben. |
get_channel_log |
channel, limit (opcional, default 20) |
Lee los últimos mensajes del log del canal (para quien no mantiene suscripción). |
Nota: El MCP no mantiene suscripciones; solo publica y escribe en log. La recepción en tiempo real la hace un proceso que ejecute SUBSCRIBE en Redis.
Datos en Redis: listas por agent_key con JSON {ts, entry, type?}; memoria semántica en hashes con RediSearch; scratchpad en claves con EX; canales con prefijo channel:.
Cómo ejecutar
Con Cursor (MCP en host, Redis en Docker)
- Levantar Redis: desde la raíz del repo:
docker compose up -d redis_db - En
mcp-memory-server:cd mcp-memory-server npm install npm run build - En
.cursor/mcp.json(raíz del workspace) añadí el servidor. Reiniciar Cursor tras cambiarmcp.json.
Cursor: uso standalone (repo por separado)
Si este repo se usa solo (sin orquestador), en la raíz del proyecto donde está mcp-memory-server:
npm install && npm run build
En .cursor/mcp.json del workspace que use este MCP:
"mcp-memory-server": {
"command": "node",
"args": ["mcp-memory-server/dist/index.js"],
"env": {
"REDIS_URL": "redis://localhost:6379"
}
}
Si el MCP está en otra ruta, ajustá args (ej. path absoluto o relativo al cwd de Cursor).
Todo en Docker
docker compose up -d
El servicio mcp_memory_server corre dentro de la red; para uso por stdio desde Cursor hay que ejecutar el MCP en el host (ver arriba).
Orquestación y prompts de ejemplo
Prompt para el agente (memoria cronológica)
Eres un arquitecto experto. Para recordar en qué estás trabajando, usa la herramienta de memoria con la clave
agent:arq_1. Al empezar, llama aget_recent_contextcon esa clave; cuando completes un paso, usaappend_contextual_memorycon la misma clave y un resumen breve.
Playbook orquestador (cuándo llamar cada tool)
- Hidratación (agente):
get_recent_context(agent_key, limit)— solo los últimos 5 (o N) pasos. - Trabajo (agente):
append_contextual_memory(agent_key, new_entry)— registrar hitos. - Memoria a largo plazo: El orquestador (o el agente) genera embeddings y usa
append_semantic_memory; para recuperar contexto similar,search_semantic_memorycon el embedding de la consulta actual. - Compresión: Si
get_memory_stats(agent_key)devuelve más de 100 entradas, el orquestador puede generar un resumen de las más antiguas y llamarrollup_memory_segment(agent_key, keep_last: 20, summary_entry: "[RESUMEN HISTÓRICO] ..."). - Pensamientos efímeros: El agente usa
set_scratchpad_entrypara cálculos o planes de la tarea actual (TTL ej. 1h);get_scratchpad_entrypara leer;clear_scratchpad_entrysi termina antes. - Comunicación: Un agente publica en
publish_interagent_message(channel: "backend_devs", sender_agent_key, payload); otro puede leer el log conget_channel_log("backend_devs")si no está suscrito. - Resumen final (orquestador):
get_all_context(agent_key)para pasar el historial a otro modelo o resumir.
Referencia de patrones: .cursor/skills/orchestration-patterns.
Variables de entorno
| Variable | Obligatoria | Descripción |
|---|---|---|
REDIS_URL |
Sí | URL de Redis (ej. redis://localhost:6379, en Docker redis://redis_db:6379). |
SEMANTIC_INDEX_NAME |
No | Nombre del índice RediSearch para memoria semántica (default: idx:semantic_memory). |
SEMANTIC_VECTOR_DIM |
No | Dimensión del vector de embeddings (default: 1536). |
SEMANTIC_DISTANCE_METRIC |
No | Métrica de distancia: COSINE, L2 o IP (default: COSINE). |
Memoria semántica requiere Redis Stack (RediSearch + Vector Search). El docker-compose.yml usa redis/redis-stack-server:latest. Si usas Redis sin Stack, las tools de memoria semántica fallarán; el resto (cronológica, scratchpad, pub/sub) funciona con Redis estándar.
No guardar secrets en el repo; documentar aquí y usar env en mcp.json o en el contenedor.
Tests y desarrollo
- Tests:
npm test(Vitest; tools con mock de Redis). - Desarrollo:
npm run dev(tsx watch) con Redis levantado.
Spec y dependencias
- MCP: modelcontextprotocol.io/specification/2025-11-25
- SDK:
@modelcontextprotocol/sdk - Redis:
ioredis; Redis Stack para memoria semántica (RediSearch + Vector Search). Listas, hashes, strings con TTL, Pub/Sub.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。