Work Memory MCP Server

Gerencia memórias de trabalho e compartilha contexto entre ferramentas de IA usando um banco de dados SQLite local.

Documentação

Work Memory MCP Server

Um servidor MCP (Model Context Protocol) integrado para gerenciar memórias de trabalho e compartilhar contexto entre ferramentas de IA.

Propósito do Projeto

Work Memory MCP é um sistema de gerenciamento de memória que ajuda desenvolvedores e profissionais do conhecimento a manter um contexto de trabalho consistente ao usar múltiplas ferramentas de IA (Claude, Cursor AI, etc.). Ele gerencia sistematicamente o conhecimento e o progresso do trabalho acumulados em sessões individuais de conversa com IA, proporcionando um ambiente de trabalho contínuo e eficiente.

Valores Essenciais

Persistência

Embora as conversas com IA desapareçam quando as sessões terminam, conteúdos e entregáveis importantes devem ser preservados permanentemente. O Work Memory MCP armazena com segurança todas as memórias de trabalho importantes em um banco de dados SQLite, tornando-as acessíveis a qualquer momento.

Consistência

Você pode compartilhar o mesmo contexto de trabalho mesmo ao usar múltiplas ferramentas de IA. O trabalho iniciado no Claude Desktop pode ser continuado no Cursor AI ou referenciado em outras ferramentas, proporcionando um ambiente de trabalho consistente.

Eficiência

Não há necessidade de explicar repetidamente problemas já resolvidos ou informações organizadas. Por meio de um sistema de busca avançado, você pode encontrar e reutilizar rapidamente conteúdos de trabalho anteriores, melhorando significativamente a eficiência do trabalho.

Organização

Em vez de informações dispersas aleatoriamente, você pode construir uma base de conhecimento sistematicamente organizada por projeto, nível de importância e tags. O gerenciamento baseado em sessões separa e gerencia claramente o contexto de cada projeto.

Principais Recursos

Gerenciamento de Memória

Armazenar conteúdos de trabalho, entregáveis e informações aprendidas em formato estruturado
Gerenciamento de prioridade por meio de pontuações de importância (0-100 pontos)
Classificação multidimensional por meio do sistema de tags
Gerenciamento separado de tarefas (todos) e memórias gerais
Gerenciamento de progresso do trabalho por meio do rastreamento de status de conclusão

Gerenciamento de Sessões

Criar sessões de trabalho independentes por projeto
Detecção e conexão automática de contexto de sessão
Vinculação e rastreamento de memórias de trabalho específicas da sessão
Gerenciamento do ciclo de vida da sessão (criação, ativação, encerramento)

Busca Avançada

Busca de texto completo baseada em palavras-chave
Filtragem por projeto, importância e sessão
Sistema de recomendação de palavras-chave relacionadas
Destaque de resultados de busca e fornecimento de contexto
Otimização de desempenho de busca e estatísticas

Gerenciamento de Histórico

Rastrear todo o histórico de alterações das memórias de trabalho
Restauração de estado anterior por meio do sistema de gerenciamento de versões
Comparação e análise de alterações
Recursos automáticos de backup e recuperação

Otimização do Sistema

Monitoramento de desempenho do banco de dados
Gerenciamento e otimização automática de índices
Rastreamento de uso de memória
Sistema de processamento de operações em lote
Recursos seguros de limpeza de dados

Configuração de Ferramentas Integradas

O Work Memory MCP consiste em 5 ferramentas integradas:

1. Memory (Gerenciamento de Memória)

Ferramenta principal responsável por criar, modificar, consultar e excluir memórias de trabalho.

Funções Principais:

add: Adicionar nova memória de trabalho
update: Modificar memória de trabalho existente
list: Consultar lista de memórias de trabalho (com suporte a filtragem e paginação)
delete: Excluir ou arquivar memória de trabalho

Tipos de Dados Suportados:

Memória geral: conteúdos de aprendizado, ideias, materiais de referência
Tarefas (Todos): tarefas a serem executadas e seu status de progresso
Classificação baseada em projeto
Classificação multidimensional baseada em tags
Pontuações de importância (0-100 pontos)

2. Search (Busca e Análise)

Ferramenta para encontrar e analisar eficientemente memórias de trabalho armazenadas.

Funções Principais:

search: Busca baseada em palavras-chave
keywords: Análise de palavras-chave relacionadas
stats: Estatísticas do sistema de busca
optimize: Otimização do índice de busca

Recursos de Busca:

Busca de texto completo
Filtragem por múltiplas condições
Ordenação por importância
Destaque de resultados de busca
Recomendações de palavras-chave relacionadas
Estatísticas de desempenho de busca

3. Session (Gerenciamento de Sessões)

Ferramenta para gerenciar sessões de trabalho específicas de projetos.

Funções Principais:

create: Criar nova sessão
activate: Ativar sessão
deactivate: Desativar sessão
list: Consultar lista de sessões
status: Verificar status da sessão atual
detect: Detecção automática de sessão

Recursos de Gerenciamento de Sessões:

Espaço de trabalho independente por projeto
Detecção e conexão automática de sessão
Vinculação de memórias de trabalho específicas da sessão
Modo de sessão exclusivo (mantido por 30 minutos)
Estatísticas de sessão e rastreamento de atividade

4. History (Gerenciamento de Histórico)

Ferramenta para gerenciar o histórico de alterações e versões das memórias de trabalho.

Funções Principais:

changes: Consultar histórico de alterações
versions: Consultar lista de versões
restore: Restaurar versão anterior
list_versions: Histórico completo de versões

Recursos de Gerenciamento de Versões:

Criação automática de versões
Rastreamento detalhado de alterações
Funcionalidade de comparação de versões
Capacidade de restauração seletiva
Limpeza e otimização de versões

5. System (Gerenciamento do Sistema)

Ferramenta responsável pelo monitoramento do status do servidor e otimização do sistema.

Funções Principais:

status: Consultar status do servidor
monitor: Monitoramento em tempo real
optimize: Otimização do banco de dados
batch: Processamento de operações em lote
delete: Limpeza de dados por categoria
diagnose: Diagnóstico do sistema
analyze: Análise detalhada
repair: Recuperação automática

Recursos de Gerenciamento do Sistema:

Monitoramento de desempenho em tempo real
Gerenciamento automático de índices
Rastreamento de uso de memória
Otimização do banco de dados
Limpeza segura de dados
Diagnóstico de saúde do sistema

Instalação

1. Requisitos do Sistema

Node.js 18.0.0 ou superior
npm 8.0.0 ou superior
Sistema Operacional: Windows, macOS, Linux

2. Clonar e Instalar o Projeto

git clone https://github.com/your-repo/work-memory-mcp.git
cd work-memory-mcp
npm install

3. Compilar o Projeto

npm run build

4. Testar a Execução do Servidor

npm start

Configuração

Configuração do Claude Desktop (ou cursor.ai)

Para usar o Work Memory MCP no Claude Desktop, adicione o seguinte ao arquivo de configuração:

Localização do Arquivo de Configuração no Windows:

%APPDATA%\Claude\claude_desktop_config.json

Localização do Arquivo de Configuração no macOS:

~/Library/Application Support/Claude/claude_desktop_config.json

Conteúdo do Arquivo de Configuração:

{
  "mcpServers": {
    "work-memory": {
      "command": "node",
      "args": ["/PATH/work-memory/dist/index.js"],
      "env": {
        "WORK_MEMORY_DIR": "/PATH/work-memory/data/",
        "LOG_LEVEL": "WARN",
        "NODE_ENV": "production"
      }
    }
  }
}

Configuração de Variáveis de Ambiente (Opcional)

Você pode definir as seguintes variáveis de ambiente:

# Log level setting (default: INFO)
LOG_LEVEL=WARN

# Database storage directory (default: ./work_memory)
WORK_MEMORY_DIR=/PATH/work-memory/data/

# Database filename (only applied when WORK_MEMORY_DIR is set, default: database.sqlite)
DB_FILENAME=database.sqlite

Observação:

Se WORK_MEMORY_DIR não estiver definido, DB_FILENAME é ignorado e fixado em 'database.sqlite'.
O uso de memória cache (50MB) está atualmente codificado e não pode ser definido por meio de variáveis de ambiente.

Configuração do Cursor AI

Para usar com o Cursor AI, você pode conectar por meio de extensões ou plugins MCP. Consulte a documentação de suporte MCP do Cursor AI para métodos de configuração detalhados.

Configuração Recomendada do Usuário

Para o uso ideal do Work Memory MCP, adicione a seguinte configuração às preferências do usuário do seu assistente de IA:

# [Execute once at session start]
0. When a session starts for the first time, execute the following:
   - Say "Searching for memories..."
   - Query the 3 latest work memories from work-memory mcp
   - Query the 3 highest priority incomplete todos
   - Brief the user on the retrieved work memories and todos

# [Smart Session Management]
1. When conversation content is determined to be related to a specific project, subject area, or ongoing work, automatically detect and activate related sessions.
   - Execute session_status detect_active when determined to be continuous work rather than simple Q&A
   - Auto-activate if related session exists, prepare new session if none exists
   - Once activated, maintain exclusive session for 30 minutes (extend with activity)
   - Change sessions only when switching to different subject areas
   - All related work automatically connects to the same session
   - Provide brief session overview

# [Repeated execution during general conversation]
2. During ongoing conversation, follow only these principles:
   - Judge importance of all responses (out of 100 points), store in work-memory mcp if 50 points or higher
   - Make judgments based only on existing memories, do not repeatedly query

Exemplos de Uso

Adição Básica de Memória de Trabalho

{
  "operation": "add",
  "content": "For React component optimization, useMemo and useCallback should be used appropriately. Especially effective when used with React.memo for components with frequent prop changes",
  "project": "frontend-optimization",
  "tags": ["React", "performance-optimization", "useMemo", "useCallback"],
  "importance_score": 8,
  "work_type": "memory"
}

Adição e Gerenciamento de Tarefas (Todos)

{
  "operation": "add",
  "content": "Implement caching strategy for API response time improvement",
  "project": "backend-optimization",
  "tags": ["caching", "performance", "API"],
  "importance_score": 9,
  "work_type": "todo",
  "worked": "incomplete",
  "requirements": "Implement Redis caching layer, set TTL, establish cache invalidation strategy"
}

Uso de Busca Avançada

{
  "operation": "search",
  "query": "React performance optimization",
  "project": "frontend-optimization",
  "importance_min": 7,
  "highlight_matches": true,
  "include_content": true
}

Trabalho Baseado em Sessões

// Create new project session
{
  "operation": "create",
  "session_name": "Mobile App Refactoring",
  "description": "Performance improvement and code structure enhancement project for existing mobile app"
}

// Add work memory linked to session
{
  "operation": "add",
  "content": "Mobile app performance bottleneck analysis completed. Main issues require image loading and state management optimization",
  "project": "Mobile App Refactoring",
  "auto_link": true
}

Gerenciamento e Otimização do Sistema

// Database optimization
{
  "operation": "optimize",
  "vacuum_type": "incremental",
  "analyze": true
}

// Clean up low importance tasks
{
  "operation": "delete",
  "category": "work_memories",
  "delete_criteria": {
    "max_importance_score": 3,
    "older_than_days": 30
  },
  "archive_only": true
}

Estrutura do Projeto

work-memory-mcp/
├── src/
│   ├── database/          # Database related (SQLite, schema, connections)
│   ├── tools/            # MCP tool implementations (5 integrated tools)
│   │   ├── memory.ts     # Memory management tool
│   │   ├── search.ts     # Search and analysis tool
│   │   ├── session.ts    # Session management tool
│   │   ├── history.ts    # History management tool
│   │   └── system.ts     # System management tool
│   ├── utils/            # Utility functions
│   ├── types/            # TypeScript type definitions
│   ├── session/          # Session management and termination handling
│   ├── progress/         # Progress tracking system
│   └── index.ts          # Server entry point
├── tests/               # Test files
├── docs/                # Documentation
├── dist/                # Build output
└── work_memory/         # Database file storage directory

Estrutura do Banco de Dados

O Work Memory MCP usa SQLite com a seguinte estrutura de tabelas:

Tabela work_memories

Armazena os dados principais de todas as memórias de trabalho
Conteúdo, projetos, tags, importância, tipos de trabalho, etc.

Tabela sessions

Gerencia informações de sessões de projeto
Metadados de sessão e estatísticas de atividade

Tabela work_memory_history

Rastreia o histórico de alterações das memórias de trabalho
Suporte a gerenciamento de versões e restauração

Tabela search_keywords

Índice de palavras-chave para otimização de busca
Melhoria do desempenho da busca de texto completo

Tabela project_index

Gerenciamento de metadados específicos do projeto
Estatísticas e análise do projeto

Desempenho e Otimização

Desempenho de Busca

Busca rápida por meio de 16 índices compostos
Melhoria de precisão por meio do sistema de ponderação de palavras-chave
Otimização de buscas repetidas por meio do cache LRU

Gerenciamento de Memória

Cache LRU com máximo de 500 entradas, limite de 50MB (codificado)
Sistema automático de limpeza de memória
Rastreamento de progresso para operações grandes

Otimização do Banco de Dados

Execução automática de VACUUM e ANALYZE
Análise e otimização de cobertura de índices
Garantia de operações atômicas por meio de transações

Segurança e Proteção

Segurança de Dados

Prevenção de vazamento externo por meio do banco de dados SQLite local
Prevenção de injeção SQL por meio de validação de entrada
Controle seguro de acesso ao sistema de arquivos

Integridade de Dados

Operações atômicas por meio de transações
Sistema automático de backup e recuperação
Detecção e recuperação de corrupção de dados

Conformidade com o Protocolo

Conformidade total com o protocolo padrão MCP
Garantia de compatibilidade JSON-RPC
Estabilidade de comunicação por meio da proteção do stdout

Ambiente de Desenvolvimento

Execução em Modo de Desenvolvimento

npm run dev

Execução de Testes

# All tests
npm test

# Unit tests
npm run test:unit

# Integration tests
npm run test:integration

# Performance tests
npm run test:performance

# Coverage tests
npm run test:coverage

Gerenciamento de Qualidade de Código

# Lint check
npm run lint

# Automatic lint fix
npm run lint:fix

Solução de Problemas

Problemas Comuns

Falha de Conexão do Servidor MCP

# 1. Server restart
npm run build && npm start

# 2. Claude Desktop restart
# 3. Check configuration file path

Degradação do Desempenho do Banco de Dados

{
  "operation": "optimize",
  "vacuum_type": "full",
  "analyze": true
}

Aumento do Uso de Memória

{
  "operation": "delete",
  "category": "work_memories",
  "delete_criteria": {
    "max_importance_score": 2,
    "older_than_days": 60
  },
  "archive_only": true
}

Modo de Depuração

Você pode verificar logs detalhados definindo variáveis de ambiente:

LOG_LEVEL=debug npm start

Licença

Licença MIT - Consulte o arquivo LICENSE para obter detalhes.

Contribuição

Faça um fork do projeto
Crie um branch de recurso (git checkout -b feature/new-feature)
Faça commit das alterações (git commit -am 'Add new feature')
Envie para o branch (git push origin feature/new-feature)
Crie um Pull Request

Suporte e Contato

E-mail: moontmsai@gmail.com

☕ Apoie

Se este projeto foi útil, apoie com uma xícara de café: https://coff.ee/moontmsai Seu apoio é uma grande ajuda para o desenvolvimento contínuo de código aberto.

Obrigado por usar o Work Memory MCP. Vamos trabalhar juntos para criar um ambiente de colaboração com IA melhor!

Work Memory MCP Server (한글)

업무 작업 기억을 관리하고 AI 도구 간에 컨텍스트를 공유하기 위한 통합 MCP (Model Context Protocol) 서버입니다.

프로젝트 목적

Work Memory MCP는 개발자와 지식 작업자가 여러 AI 도구(Claude, Cursor AI 등)를 사용하면서 일관된 작업 컨텍스트를 유지할 수 있도록 도와주는 메모리 관리 시스템입니다. 각각의 AI 대화 세션에서 축적된 지식과 작업 진행 상황을 체계적으로 관리하여, 연속적이고 효율적인 작업 환경을 제공합니다.

핵심 가치

지속성 (Persistence)

AI와의 대화는 세션이 끝나면 사라지지만, 중요한 작업 내용과 결과물은 영구적으로 보존되어야 합니다. Work Memory MCP는 모든 중요한 작업 기억을 SQLite 데이터베이스에 안전하게 저장하여 언제든지 접근할 수 있도록 합니다.

일관성 (Consistency)

여러 AI 도구를 사용하더라도 동일한 작업 컨텍스트를 공유할 수 있습니다. Claude Desktop에서 시작한 작업을 Cursor AI에서 이어받거나, 다른 도구에서 참조할 수 있는 일관된 작업 환경을 제공합니다.

효율성 (Efficiency)

이미 해결한 문제나 정리한 정보를 반복적으로 설명할 필요가 없습니다. 고급 검색 시스템을 통해 과거의 작업 내용을 빠르게 찾아 재활용할 수 있어, 작업 효율성이 크게 향상됩니다.

구조화 (Organization)

무작위로 흩어진 정보가 아닌, 프로젝트별, 중요도별, 태그별로 체계적으로 정리된 지식 베이스를 구축할 수 있습니다. 세션 기반 관리를 통해 각 프로젝트의 컨텍스트를 명확하게 분리하여 관리합니다.

주요 기능

메모리 관리

작업 내용, 결과물, 학습한 내용을 구조화된 형태로 저장
중요도 점수(0-100점)를 통한 우선순위 관리
태그 시스템으로 다차원적 분류
할일(Todo)과 일반 메모리(Memory) 구분 관리
완료 상태 추적을 통한 작업 진행률 관리

세션 관리

프로젝트별 독립적인 작업 세션 생성
세션 컨텍스트 자동 감지 및 연결
세션별 작업 기억 연동 및 추적
세션 생명주기 관리 (생성, 활성화, 종료)

고급 검색

키워드 기반 전문 검색
프로젝트, 중요도, 세션별 필터링
연관 키워드 추천 시스템
검색 결과 하이라이트 및 컨텍스트 제공
검색 성능 최적화 및 통계 제공

이력 관리

모든 작업 기억 변경 이력 추적
버전 관리 시스템을 통한 이전 상태 복원
변경 사항 비교 및 분석
자동 백업 및 복구 기능

시스템 최적화

데이터베이스 성능 모니터링
자동 인덱스 관리 및 최적화
메모리 사용량 추적
일괄 작업 처리 시스템
안전한 데이터 정리 기능

통합 도구 구성

Work Memory MCP는 5개의 통합 도구로 구성되어 있습니다:

1. Memory (메모리 관리)

작업 기억의 생성, 수정, 조회, 삭제를 담당하는 핵심 도구입니다.

주요 기능:

add: 새로운 작업 기억 추가
update: 기존 작업 기억 수정
list: 작업 기억 목록 조회 (필터링 및 페이징 지원)
delete: 작업 기억 삭제 또는 아카이브

지원하는 데이터 유형:

일반 메모리: 학습 내용, 아이디어, 참고 자료
할일: 수행해야 할 작업과 진행 상태
프로젝트별 분류
태그 기반 다차원 분류
중요도 점수 (0-100점)

2. Search (검색 및 분석)

저장된 작업 기억을 효율적으로 찾고 분석하는 도구입니다.

주요 기능:

search: 키워드 기반 검색
keywords: 연관 키워드 분석
stats: 검색 시스템 통계
optimize: 검색 인덱스 최적화

검색 기능:

전문 텍스트 검색
다중 조건 필터링
중요도별 정렬
검색 결과 하이라이트
연관 키워드 추천
검색 성능 통계

3. Session (gerenciamento de sessões)

Ferramenta para gerenciar sessões de trabalho por projeto.

Principais funcionalidades:

create: Criar nova sessão
activate: Ativar sessão
deactivate: Desativar sessão
list: Listar sessões
status: Verificar status da sessão atual
detect: Detecção automática de sessão

Características do gerenciamento de sessões:

Espaço de trabalho independente por projeto
Detecção e conexão automática de sessão
Integração de memória de trabalho por sessão
Modo de sessão exclusiva (mantido por 30 minutos)
Estatísticas de sessão e rastreamento de atividades

4. History (gerenciamento de histórico)

Ferramenta para gerenciar o histórico de alterações e versões da memória de trabalho.

Principais funcionalidades:

changes: Consultar histórico de alterações
versions: Listar versões
restore: Restaurar versão anterior
list_versions: Histórico completo de versões

Características do controle de versão:

Criação automática de versões
Rastreamento detalhado de alterações
Comparação entre versões
Restauração seletiva
Limpeza e otimização de versões

5. System (gerenciamento do sistema)

Ferramenta responsável pelo monitoramento do status do servidor e otimização do sistema.

Principais funcionalidades:

status: Consultar status do servidor
monitor: Monitoramento em tempo real
optimize: Otimização do banco de dados
batch: Processamento em lote
delete: Limpeza de dados por categoria
diagnose: Diagnóstico do sistema
analyze: Análise detalhada
repair: Recuperação automática

Características do gerenciamento do sistema:

Monitoramento de desempenho em tempo real
Gerenciamento automático de índices
Rastreamento de uso de memória
Otimização do banco de dados
Limpeza segura de dados
Diagnóstico de saúde do sistema

Método de instalação

1. Requisitos do sistema

Node.js 18.0.0 ou superior
npm 8.0.0 ou superior
Sistemas operacionais: Windows, macOS, Linux

2. Clonar e instalar o projeto

git clone https://github.com/your-repo/work-memory-mcp.git
cd work-memory-mcp
npm install

3. Compilar o projeto

npm run build

4. Executar o teste do servidor

npm start

Método de configuração

Configuração do Claude Desktop (ou cursor.ai)

Para usar o Work Memory MCP no Claude Desktop, você deve adicionar o seguinte ao arquivo de configuração.

Localização do arquivo de configuração no Windows:

%APPDATA%\Claude\claude_desktop_config.json

Localização do arquivo de configuração no macOS:

~/Library/Application Support/Claude/claude_desktop_config.json

Conteúdo do arquivo de configuração:

{
  "mcpServers": {
    "work-memory": {
      "command": "node",
      "args": ["/PATH/work-memory/dist/index.js"],
      "env": {
        "WORK_MEMORY_DIR": "/PATH/work-memory/data/",
        "LOG_LEVEL": "WARN",
        "NODE_ENV": "production"
      }
    }
  }
}

Configuração de variáveis de ambiente (opcional)

As seguintes variáveis de ambiente podem ser configuradas:

# 로그 레벨 설정 (기본값: INFO)
LOG_LEVEL=WARN

# 데이터베이스 저장 디렉토리 (기본값: ./work_memory)
WORK_MEMORY_DIR=/PATH/work-memory/data/

# 데이터베이스 파일명 (WORK_MEMORY_DIR 설정시에만 적용, 기본값: database.sqlite)
DB_FILENAME=database.sqlite

Observação:

Se WORK_MEMORY_DIR não estiver definido, DB_FILENAME será ignorado e fixado como 'database.sqlite'.
O uso de memória cache (50MB) está codificado no código atual e não pode ser definido por variável de ambiente.

Configuração do Cursor AI

Para usar no Cursor AI, você pode conectar por meio da extensão MCP ou de um plugin. Consulte a documentação de suporte MCP do Cursor AI para obter instruções detalhadas de configuração.

Configuração recomendada do usuário

Para aproveitar ao máximo o Work Memory MCP, adicione o seguinte às configurações de usuário do assistente de IA:

# [세션 시작 시 1회만 실행]
0. 세션이 처음 시작될 때만 다음을 실행하세요:
   - "기억을 찾아보는 중..." 이라고 말합니다.
   - work-memory mcp에서 최신 작업기억 3개 조회합니다.
   - 중요도 높은 미완료 할일 3개 조회합니다.
   - 조회한 작업기억과 할일은 사용자에게 브리핑합니다.

# [스마트 세션 관리]
1. 대화 내용이 특정 프로젝트, 주제영역, 또는 지속적 작업에 해당한다고 판단될 때, 관련 세션을 자동으로 감지하고 활성화한다.
   - 단순 질답이 아닌 연속적 작업으로 판단 시 session_status detect_active 실행
   - 관련 세션 있으면 자동 활성화, 없으면 새 세션 준비
   - 한번 활성화된 세션은 30분 동안 독점 유지 (활동 시 연장)
   - 다른 주제영역 전환 시에만 세션 교체
   - 모든 관련 작업이 자동으로 같은 세션에 연결
   - 세션에 대해 간단히 브리핑

# [일반 대화 중 반복적으로 수행]
2. 대화가 진행되는 동안에는 다음 원칙만 따릅니다:
   - 모든 응답은 중요도를 판단하여(100점 만점), 50점 이상일 경우 work-memory mcp에 저장합니다.
   - 기존 기억을 기반으로만 판단하고 반복 조회하지 않습니다.

Exemplos de uso

Adicionar memória de trabalho básica

{
  "operation": "add",
  "content": "React 컴포넌트 최적화를 위해 useMemo와 useCallback을 적절히 사용해야 함. 특히 props 변경이 잦은 컴포넌트에서는 React.memo와 함께 사용하면 효과적",
  "project": "frontend-optimization",
  "tags": ["React", "성능최적화", "useMemo", "useCallback"],
  "importance_score": 8,
  "work_type": "memory"
}

Adicionar e gerenciar tarefas

{
  "operation": "add",
  "content": "API 응답 시간 개선을 위한 캐싱 전략 구현",
  "project": "backend-optimization",
  "tags": ["캐싱", "성능", "API"],
  "importance_score": 9,
  "work_type": "todo",
  "worked": "미완료",
  "requirements": "Redis 캐싱 레이어 구현, TTL 설정, 캐시 무효화 전략 수립"
}

Usar pesquisa avançada

{
  "operation": "search",
  "query": "React 성능 최적화",
  "project": "frontend-optimization",
  "importance_min": 7,
  "highlight_matches": true,
  "include_content": true
}

Trabalho baseado em sessão

// 새 프로젝트 세션 생성
{
  "operation": "create",
  "session_name": "모바일 앱 리팩토링",
  "description": "기존 모바일 앱의 성능 개선 및 코드 구조 개선 프로젝트"
}

// 세션에 연결된 작업 기억 추가
{
  "operation": "add",
  "content": "모바일 앱 성능 병목 지점 분석 완료. 주요 문제는 이미지 로딩과 상태 관리 최적화 필요",
  "project": "모바일 앱 리팩토링",
  "auto_link": true
}

Gerenciamento e otimização do sistema

// 데이터베이스 최적화
{
  "operation": "optimize",
  "vacuum_type": "incremental",
  "analyze": true
}

// 낮은 중요도 작업 정리
{
  "operation": "delete",
  "category": "work_memories",
  "delete_criteria": {
    "max_importance_score": 3,
    "older_than_days": 30
  },
  "archive_only": true
}

Estrutura do projeto

work-memory-mcp/
├── src/
│   ├── database/          # 데이터베이스 관련 (SQLite, 스키마, 연결)
│   ├── tools/            # MCP 도구 구현 (5개 통합 도구)
│   │   ├── memory.ts     # 메모리 관리 도구
│   │   ├── search.ts     # 검색 및 분석 도구
│   │   ├── session.ts    # 세션 관리 도구
│   │   ├── history.ts    # 이력 관리 도구
│   │   └── system.ts     # 시스템 관리 도구
│   ├── utils/            # 유틸리티 함수
│   ├── types/            # TypeScript 타입 정의
│   ├── session/          # 세션 관리 및 종료 처리
│   ├── progress/         # 진행률 추적 시스템
│   └── index.ts          # 서버 엔트리 포인트
├── tests/               # 테스트 파일
├── docs/                # 문서
├── dist/                # 빌드 결과물
└── work_memory/         # 데이터베이스 파일 저장 디렉토리

Estrutura do banco de dados

O Work Memory MCP usa SQLite com a seguinte estrutura de tabelas:

Tabela work_memories

Armazenamento principal de dados de todas as memórias de trabalho
Conteúdo, projeto, tags, importância, tipo de trabalho, etc.

Tabela sessions

Gerenciamento de informações de sessão do projeto
Metadados por sessão e estatísticas de atividades

Tabela work_memory_history

Rastreamento do histórico de alterações da memória de trabalho
Suporte a controle de versão e restauração

Tabela search_keywords

Índice de palavras-chave para otimização de busca
Melhoria do desempenho de busca em texto completo

Tabela project_index

Gerenciamento de metadados por projeto
Estatísticas e análises do projeto

Desempenho e otimização

Desempenho de busca

Busca rápida por meio de 16 índices compostos
Maior precisão com sistema de pesos de palavras-chave
Otimização de buscas repetidas com cache LRU

Gerenciamento de memória

Cache LRU com limite de 500 entradas e 50MB (codificado)
Sistema automático de limpeza de memória
Rastreamento de progresso em operações de grande volume

Otimização do banco de dados

Execução automática de VACUUM e ANALYZE
Análise e otimização da cobertura de índices
Garantia de operações atômicas baseadas em transações

Segurança e confiabilidade

Segurança de dados

Banco de dados SQLite local para evitar vazamento externo
Prevenção de injeção SQL por meio de validação de entrada
Controle seguro de acesso ao sistema de arquivos

Integridade de dados

Operações atômicas baseadas em transações
Sistema automático de backup e recuperação
Detecção e recuperação de corrupção de dados

Conformidade com protocolo

Conformidade total com o protocolo padrão MCP
Garantia de compatibilidade com JSON-RPC
Estabilidade de comunicação com proteção do stdout

Ambiente de desenvolvimento

Execução em modo de desenvolvimento

npm run dev

Execução de testes

# 전체 테스트
npm test

# 단위 테스트
npm run test:unit

# 통합 테스트
npm run test:integration

# 성능 테스트
npm run test:performance

# 커버리지 테스트
npm run test:coverage

Gerenciamento de qualidade de código

# 린트 검사
npm run lint

# 린트 자동 수정
npm run lint:fix

Solução de problemas

Problemas comuns

Falha na conexão com o servidor MCP

# 1. 서버 재시작
npm run build && npm start

# 2. Claude Desktop 재시작
# 3. 설정 파일 경로 확인

Degradação do desempenho do banco de dados

{
  "operation": "optimize",
  "vacuum_type": "full",
  "analyze": true
}

Aumento do uso de memória

{
  "operation": "delete",
  "category": "work_memories",
  "delete_criteria": {
    "max_importance_score": 2,
    "older_than_days": 60
  },
  "archive_only": true
}

Modo de depuração

Você pode ver logs detalhados definindo variáveis de ambiente:

LOG_LEVEL=debug npm start

Licença

Licença MIT — consulte o arquivo LICENSE para obter mais detalhes.

Como contribuir

Faça um fork do projeto
Crie um branch de funcionalidade (git checkout -b feature/새기능)
Faça commit das alterações (git commit -am '새 기능 추가')
Envie para o branch (git push origin feature/새기능)
Crie um Pull Request

Suporte e contato

E-mail: moontmsai@gmail.com

☕ Apoie o projeto

Se este projeto foi útil para você, apoie com um café: https://coff.ee/moontmsai
Seu apoio é fundamental para o desenvolvimento contínuo de código aberto.

Obrigado por usar o Work Memory MCP. Vamos juntos construir um ambiente de colaboração com IA ainda melhor!