Memlord

Servidor MCP de memoria autohospedado para uso personal y equipos

Inicio rápido • Cómo funciona • Herramientas MCP • Configuración • Requisitos • Licencia

---

✨ Características

• 🔍 Búsqueda híbrida — BM25 (texto completo) + KNN vectorial (pgvector) fusionados mediante Fusión de Rango Recíproco
• 📂 Multiusuario — cada usuario ve solo sus propias memorias; espacios de trabajo para conocimiento compartido en equipo
• 🛠️ 11 herramientas MCP — almacenar, recuperar, recordar, listar, buscar por etiqueta, obtener, actualizar, eliminar, mover, listar espacios de trabajo, informe de sueños
• 💤 Soñar — un pase de consolidación guiado (prompt MCP dream + herramienta dream_report): encuentra memorias casi duplicadas y conflictivas, las fusiona en ideas de forma no destructiva, impulsado por el LLM del cliente
• 🌐 Interfaz web — navegar, buscar, editar y eliminar memorias en el navegador; exportar/importar JSON
• 🔒 OAuth 2.1 — servidor de autorización completo en proceso, siempre habilitado
• 🐘 PostgreSQL — pgvector para incrustaciones, tsvector para búsqueda de texto completo
• 📊 Divulgación progresiva — la búsqueda devuelve fragmentos compactos por defecto; llama a get_memory(name) solo para lo que necesitas, reduciendo el uso de tokens
• 🔁 Deduplicación — detecta automáticamente memorias casi idénticas antes de guardar, evitando la acumulación de ruido

---

🆚 Cómo se compara Memlord

	Memlord	OpenMemory	mcp-memory-service	basic-memory
Búsqueda	BM25 + vectorial + RRF	Solo vectorial (Qdrant)	BM25 + vectorial + RRF	BM25 + vectorial
Incrustaciones	ONNX local, configuración cero	OpenAI por defecto; Ollama opcional	ONNX local, configuración cero	FastEmbed local
Almacenamiento	PostgreSQL + pgvector	PostgreSQL + Qdrant	SQLite-vec / Cloudflare Vectorize	SQLite + archivos Markdown
Multiusuario	✅	❌ un solo usuario en la práctica	⚠️ ámbito por ID de agente, sin aislamiento	❌
Espacios de trabajo	✅ compartidos + personales, enlaces de invitación	⚠️ espacio de nombres "Apps"	⚠️ etiquetas + conversation_id	✅ bandera por proyecto
Autenticación	✅ OAuth 2.1	❌ ninguna (autohospedado)	✅ OAuth 2.0 + PKCE	❌
Interfaz web	✅ navegar, editar, exportar	✅ panel de Next.js	✅ interfaz rica, visualización de grafos, puntuaciones de calidad	❌ local; solo en la nube
Herramientas MCP	11	5	15+	~20
Autohospedado	✅ proceso único	✅ Docker (3 contenedores)	✅	✅
Entrada de memoria	Manual (almacenamiento explícito)	Extracción automática por LLM	Manual	Manual (notas Markdown)
Tipos de memoria	hecho / preferencia / instrucción / retroalimentación / decisión / idea	hechos extraídos automáticamente	—	observaciones + enlaces wiki
Búsqueda con conciencia temporal	✅ fechas en lenguaje natural	⚠️ solo REST, no en herramientas MCP	—	✅ recent_activity
Eficiencia de tokens	✅ divulgación progresiva	❌	—	✅ recorrido build_context
Importar / Exportar	✅ JSON	✅ ZIP (JSON + JSONL)	—	✅ Markdown (legible por humanos)
Licencia	AGPL-3.0 / Comercial	Apache 2.0	Apache 2.0	AGPL-3.0

Donde los competidores tienen una ventaja real:

• OpenMemory — extrae memorias automáticamente del texto de conversación en bruto; no es necesario decidir qué almacenar manualmente; buena importación/exportación
• mcp-memory-service — interfaz web más rica (visualización de grafos, puntuación de calidad, 8 pestañas); licencia más permisiva (Apache 2.0); múltiples opciones de transporte (stdio, SSE, HTTP)
• basic-memory — las memorias son archivos Markdown legibles por humanos que puedes editar, controlar versiones y leer sin ningún servidor; los enlaces de entidad estilo wiki forman un grafo de conocimiento local; ~20 herramientas MCP

Cuándo elegir Memlord:

• Quieres incrustaciones locales sin configuración — el modelo ONNX se incluye con el servidor, no se necesita Ollama ni API externa
• Ejecutas un servidor de equipo multiusuario con autenticación OAuth 2.1 adecuada y espacios de trabajo basados en invitaciones
• Quieres una base de datos de grado de producción (PostgreSQL) que escale más allá del SQLite de una sola máquina
• Gestionas memorias explícitamente — almacenas exactamente lo que importa, tipado y etiquetado, no todo lo que el LLM decide extraer
• Quieres una interfaz web autohospedada con CRUD completo y exportación JSON, sin suscripción a la nube

---

🚀 Inicio rápido

🐳 Docker

cp .env.example .env
docker compose up

Servidor HTTP (multiusuario, interfaz web, OAuth)

# Install dependencies
uv sync --dev

# Download ONNX model (~23 MB)
uv run python scripts/download_model.py

# Run migrations
alembic upgrade head

# Start the server
memlord

Abre http://localhost:8000 para la interfaz web. El endpoint MCP está en /mcp.

---

🔍 Cómo funciona

Cada solicitud de búsqueda ejecuta BM25 y KNN vectorial en paralelo, luego fusiona los resultados mediante Fusión de Rango Recíproco:

flowchart TD
    Q([query]) --> BM25["BM25\nsearch_vector @@ websearch_to_tsquery"]
    Q --> EMB["ONNX embed\nparaphrase-multilingual-MiniLM-L12-v2 · 384d · local"]
    EMB --> KNN["KNN\nembedding <=> query_vector\ncosine distance"]
    BM25 --> RRF["RRF fusion\nscore = 1/(k+rank_bm25) + 1/(k+rank_vec)\nk=60"]
    KNN --> RRF
    RRF --> R([top-N results])

---

⚙️ Configuración

Todos los ajustes usan el prefijo MEMLORD_. Consulta .env.example para la lista completa.

Variable	Valor predeterminado	Descripción
MEMLORD_DB_URL	postgresql+asyncpg://postgres:postgres@localhost/memlord	URL de conexión a PostgreSQL
MEMLORD_PORT	8000	Puerto del servidor
MEMLORD_BASE_URL	http://localhost:8000	URL pública para OAuth (modo HTTP)
MEMLORD_OAUTH_JWT_SECRET	memlord-dev-secret-please-change	Secreto de firma JWT (modo HTTP)

Establece MEMLORD_BASE_URL a tu URL pública y cambia MEMLORD_OAUTH_JWT_SECRET antes de desplegar.

---

🛠️ Herramientas MCP

Herramienta	Descripción
store_memory	Guarda una memoria (idempotente por contenido); alerta sobre casi duplicados; expires_at opcional
retrieve_memory	Búsqueda híbrida semántica + texto completo; devuelve fragmentos por defecto
recall_memory	Busca por expresión de tiempo en lenguaje natural; devuelve fragmentos por defecto
list_memories	Lista paginada con filtros de tipo/etiqueta
search_by_tag	Búsqueda de etiquetas AND/OR
get_memory	Obtiene una sola memoria por nombre con contenido completo (incluye expiradas)
update_memory	Actualiza contenido, tipo, etiquetas, metadatos o expiración por nombre (y opcionalmente renombra)
delete_memory	Elimina por nombre
move_memory	Mueve una memoria a un espacio de trabajo diferente
list_workspaces	Lista los espacios de trabajo de los que eres miembro (incluyendo personales)
dream_report	Candidatos de consolidación de solo lectura: pares de memorias similares, memorias expiradas y por expirar pronto

El prompt MCP dream guía al LLM del cliente a través de un pase de consolidación completo sobre la salida de dream_report: clasifica pares similares (duplicado / complementario / conflicto), fusiona en memorias insight, retira las reemplazadas mediante expires_at — nunca de forma destructiva.

La gestión del espacio de trabajo (crear, invitar, unirse, salir) se maneja a través de la interfaz web.

---

💻 Requisitos del sistema

• Python 3.12
• PostgreSQL ≥ 15 con extensión pgvector
• uv — gestor de paquetes de Python

---

👨‍💻 Desarrollo

pyright src/           # type check
ruff format .          # format
pytest                 # run tests
alembic-autogen-check  # verify migrations are up to date

---

📄 Licencia

Memlord tiene doble licencia:

• AGPL-3.0 — gratuito para uso de código abierto. Si ejecutas una versión modificada como servicio de red, debes publicar tu código fuente.
• Licencia Comercial — para despliegues propietarios o de código cerrado. Contacta a sergey@memlord.com o dmitry@memlord.com para adquirirla.