Mnemory

Um sistema de memória auto-hospedado, seguro e rico em recursos para agentes e assistentes de IA. Fornece extração inteligente de fatos e deduplicação, com um repositório de artefatos para conteúdo detalhado.

GitHub

269

Documentação

mnemory

Dê aos seus agentes de IA memória persistente. mnemory é um servidor MCP auto-hospedado que adiciona personalização e memória de longo prazo a qualquer assistente de IA — Claude Code, ChatGPT, Open WebUI, Cursor, ou qualquer cliente compatível com MCP.

Plug and play. Conecte o mnemory e seu agente imediatamente começa a lembrar preferências do usuário, fatos, decisões e contexto entre conversas. Nenhuma alteração no prompt do sistema é necessária.

Auto-hospedado e seguro. Seus dados permanecem na sua infraestrutura. Sem dependências de nuvem, sem acesso de terceiros às suas memórias.

Inteligente. Utiliza um pipeline unificado de LLM para extração de fatos, deduplicação e resolução de contradições em uma única chamada. As memórias são pesquisáveis semanticamente, categorizadas automaticamente e expiram naturalmente quando não são mais relevantes.

Recursos

Zero configuração — uvx mnemory, conecte seu cliente MCP, pronto. Funciona de fábrica com qualquer API compatível com OpenAI.
Extração inteligente — Uma única chamada de LLM extrai fatos, classifica metadados e deduplica em relação às memórias existentes.
Resolução de contradições — "Eu dirijo um Skoda" + depois "Comprei uma Tesla" = atualização automática, não duplicata.
Memória em dois níveis — Resumos pesquisáveis rápidos em um vetor store + armazenamento detalhado de artefatos (relatórios, código, pesquisas) recuperados sob demanda.
Pesquisa com IA — Busca semântica multi-consulta com consciência temporal. Pergunte "O que eu decidi na semana passada sobre o banco de dados?" e ele encontra as memórias certas.
Verificações de saúde da memória — Verificador de consistência em três fases embutido (fsck) detecta duplicatas, contradições, problemas de qualidade e injeção de prompt. Execute manualmente ou agendado com correção automática.
Suporte a 10+ clientes — Claude Code, ChatGPT, Open WebUI, OpenClaw, Cursor, Windsurf, Cline, OpenCode, e mais. Plugins nativos disponíveis para recall/remember automático.
Interface de gerenciamento integrada — Painel, pesquisa semântica, navegador de memória com CRUD completo, visualização de grafo de relacionamentos e interface de verificação de saúde. Sem ferramentas extras necessárias.
Pronto para produção — Qdrant para vetores, S3/MinIO para artefatos, autenticação com API key ou Cognis JWT, isolamento por usuário, HTTP sem estado compatível com Kubernetes.
Seguro por padrão — Autenticação com API key ou Cognis JWT com vínculo de identidade no nível da sessão, isolamento de memória por usuário, salvaguardas contra injeção nos prompts de extração.
API REST + MCP — Interface dupla com o mesmo backend. 16 ferramentas MCP + API REST completa com especificação OpenAPI. Crie plugins, integrações, ou use diretamente.
Monitoramento Prometheus — Endpoint /metrics integrado com contadores de operação e medidores de memória. Painel Grafana pré-construído incluído.

Início Rápido

mnemory precisa de uma chave de API compatível com OpenAI para LLM e embeddings. Ele capta OPENAI_API_KEY do seu ambiente automaticamente.

uvx mnemory

É isso. mnemory inicia em http://localhost:8050/mcp, armazena dados em ~/.mnemory/.

Agora conecte seu cliente — para Claude Code, adicione à sua configuração MCP:

{
  "mcpServers": {
    "mnemory": {
      "type": "streamable-http",
      "url": "http://localhost:8050/mcp",
      "headers": {
        "X-Agent-Id": "claude-code"
      }
    }
  }
}

Inicie uma nova conversa. A memória funciona automaticamente.

Também disponível via Docker, pip, ou configuração de produção com Qdrant + S3. Veja o guia de início rápido completo para mais clientes e opções.

Capturas de tela

Dashboard — memory totals, breakdowns, and operation counts
Painel com detalhamento de memória por tipo, categoria e papel

Pesquisa semântica e busca com IA com filtros

Graph — D3.js force-directed memory relationship visualization
Visualização do grafo de relacionamentos de memória

Veja todas as capturas de tela e recursos da interface incluindo navegador de memória, verificações de saúde e gerenciamento de artefatos.

Clientes Suportados

mnemory funciona com qualquer cliente compatível com MCP. Alguns clientes também têm plugins dedicados para recall/remember automático.

Cliente	MCP	Plugin	Guia de Configuração
Claude Code	Sim	Sim (hooks)	Guia
ChatGPT	Sim (conector MCP)	--	Guia
Claude Desktop	Sim	--	Guia
Hermes Agent	Sim	Sim (plugin)	Guia
Open WebUI	Sim	Sim (filtro)	Guia
OpenCode	Sim	Sim (plugin)	Guia
OpenClaw	Sim	Sim (plugin)	Guia
Cursor	Sim	--	Guia
Windsurf	Sim	--	Guia
Cline	Sim	--	Guia
Continue.dev	Sim	--	Guia
Codex CLI	Sim	--	Guia

MCP = funciona via Model Context Protocol (chamadas de ferramentas orientadas por LLM). Plugin = integração dedicada com recall/remember automático (sem necessidade de chamadas de ferramentas via LLM).

Como Funciona

Armazenando: Você compartilha informações naturalmente. mnemory extrai fatos individuais, classifica-os (tipo, categoria, importância), verifica duplicatas e contradições em relação às memórias existentes e os armazena como vetores pesquisáveis — tudo em uma única chamada de LLM.

Pesquisando: Faça uma pergunta e mnemory gera múltiplas consultas de busca cobrindo diferentes ângulos e associações, executa-as em paralelo e reordena os resultados por relevância. Consciente do tempo — "o que eu decidi na semana passada?" simplesmente funciona.

Recordando: No início da conversa, seu agente carrega memórias fixadas (fatos centrais, preferências, identidade) além do contexto recente. Durante a conversa, memórias relevantes são encontradas automaticamente com base no que está sendo discutido.

Mantendo: As memórias têm TTL configurável — contexto expira em 7 dias, memórias episódicas em 90. Memórias acessadas com frequência permanecem ativas (reforço). O verificador de saúde integrado detecta e corrige duplicatas, contradições e problemas de qualidade.

Aprenda mais na documentação de arquitetura.

Benchmark

Avaliado no benchmark LoCoMo — 10 diálogos multi-sessão com 1540 perguntas de QA em 4 categorias:

Sistema	single_hop	multi_hop	temporal	open_domain	Geral
mnemory	63.1	53.1	74.8	78.2	73.2
mnemory (gpt-oss-120b)	66.3	59.4	68.5	73.8	70.5
Memobase	70.9	52.1	85.0	77.2	75.8
Mem0-Graph	65.7	47.2	58.1	75.7	68.4
Mem0	67.1	51.2	55.5	72.9	66.9
Zep	61.7	41.4	49.3	76.6	66.0
LangMem	62.2	47.9	23.4	71.1	58.1

Configuração: gpt-5-mini para extração, text-embedding-3-small para vetores. gpt-oss-120b via Groq é uma alternativa econômica a ~5x menos custo com qualidade comparável. Veja a documentação de configuração para opções de modelo e benchmarks/ para reprodução.

Documentação

Documento	Descrição
Início Rápido	Execute em 5 minutos com qualquer cliente
Configuração	Todas as variáveis de ambiente — LLM, armazenamento, servidor, comportamento de memória
Modelo de Memória	Tipos, categorias, importância, TTL, papéis, escopo, sub-agentes
Ferramentas MCP	16 ferramentas MCP — CRUD de memória, pesquisa, artefatos
API REST	API REST completa, pipeline fsck, endpoints recall/remember
Arquitetura	Diagrama do sistema, fluxos detalhados para armazenar/pesquisar/recordar
Interface de Gerenciamento	Capturas de tela, recursos, acesso, desenvolvimento da interface
Monitoramento	Métricas Prometheus, painel Grafana
Deployment	Configuração de produção, Docker, autenticação, Kubernetes
Desenvolvimento	Construção, testes, linting, contribuição
Guias de Cliente	Instruções de configuração por cliente (10 clientes)
Prompts de Sistema	Modelos para agentes de personalidade e configurações personalizadas

Licença

Apache 2.0