MemoVault

MemoVault

A personal memory system that provides AI assistants with long-term memory capabilities through semantic search and vector storage. It enables Claude Code to store, retrieve, and manage personal context and project preferences using flexible LLM backends.

Category
访问服务器

README

MemoVault

A simplified personal memory system for AI assistants, designed for Claude Code integration via MCP.

Features

  • MCP Server: First-class integration with Claude Code
  • Flexible Backends: Support for OpenAI and Ollama (local) LLMs
  • Vector Search: Semantic memory retrieval using Qdrant
  • Simple JSON Storage: Lightweight option for basic use cases
  • Easy Configuration: Environment-based setup

Quick Start

Installation

pip install memovault

# For local embeddings (optional)
pip install memovault[local]

Basic Usage

from memovault import MemoVault

# Initialize with default settings (reads from .env)
mem = MemoVault()

# Add memories
mem.add("I prefer Python for backend development")
mem.add("My project deadline is March 15th")

# Search for relevant memories
results = mem.search("programming preferences")
for result in results:
    print(result.memory)

# Chat with memory context
response = mem.chat("What language should I use for my backend?")
print(response)

# Save memories to disk
mem.dump("./my_memories")

Claude Code Integration

  1. Configure MemoVault in your Claude Code settings:
{
  "mcpServers": {
    "memovault": {
      "command": "memovault-mcp",
      "env": {
        "MEMOVAULT_LLM_BACKEND": "openai",
        "MEMOVAULT_OPENAI_API_KEY": "sk-..."
      }
    }
  }
}
  1. Use memory commands in Claude Code:
    • "Remember that I prefer dark mode"
    • "What do you know about my preferences?"

Configuration

Copy .env.example to .env and customize:

# LLM Backend
MEMOVAULT_LLM_BACKEND=openai  # or "ollama"
MEMOVAULT_OPENAI_API_KEY=sk-...
MEMOVAULT_OPENAI_MODEL=gpt-4o-mini

# Embedder Backend
MEMOVAULT_EMBEDDER_BACKEND=openai  # or "ollama", "sentence_transformer"

# Memory Backend
MEMOVAULT_MEMORY_BACKEND=vector  # or "simple"

# Storage
MEMOVAULT_DATA_DIR=./memovault_data

MCP Tools

Tool Description
add_memory Store new information
search_memories Find relevant memories
chat_with_memory Memory-enhanced chat
get_memory Retrieve specific memory by ID
delete_memory Remove a memory
list_memories Show recent memories
clear_memories Clear all memories

Architecture

MemoVault/
├── src/memovault/
│   ├── core/           # Main MemoVault class
│   ├── memory/         # Memory backends (simple, vector)
│   ├── llm/            # LLM providers (OpenAI, Ollama)
│   ├── embedder/       # Embedding providers
│   ├── vecdb/          # Vector database (Qdrant)
│   ├── config/         # Configuration management
│   └── api/            # MCP server & REST API

License

MIT

推荐服务器

Baidu Map

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。

官方
精选
JavaScript
Playwright MCP Server

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。

官方
精选
TypeScript
Magic Component Platform (MCP)

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。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

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。

官方
精选
本地
TypeScript
VeyraX

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。

官方
精选
本地
graphlit-mcp-server

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。

官方
精选
TypeScript
Kagi MCP Server

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。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

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。

官方
精选