Memlord

Самодостаточный MCP-сервер памяти для личного использования и команд

Быстрый старт • Как это работает • Инструменты MCP • Конфигурация • Требования • Лицензия

---

✨ Возможности

• 🔍 Гибридный поиск — BM25 (полнотекстовый) + векторный KNN (pgvector), объединённые через Reciprocal Rank Fusion
• 📂 Многопользовательский — каждый пользователь видит только свои воспоминания; рабочие пространства для общих знаний команды
• 🛠️ 11 инструментов MCP — сохранение, извлечение, вызов, список, поиск по тегу, получение, обновление, удаление, перемещение, список рабочих пространств, отчёт о сне
• 💤 Сон — управляемый проход консолидации (dream промпт MCP + dream_report инструмент): находит почти дублирующиеся и конфликтующие воспоминания, неразрушающе объединяет их в инсайты, управляемые клиентской LLM
• 🌐 Веб-интерфейс — просмотр, поиск, редактирование и удаление воспоминаний в браузере; экспорт/импорт JSON
• 🔒 OAuth 2.1 — полный внутрипроцессный сервер авторизации, всегда включён
• 🐘 PostgreSQL — pgvector для эмбеддингов, tsvector для полнотекстового поиска
• 📊 Прогрессивное раскрытие — поиск по умолчанию возвращает компактные сниппеты; вызывайте get_memory(name) только для того, что вам нужно, сокращая использование токенов
• 🔁 Дедупликация — автоматически обнаруживает почти идентичные воспоминания перед сохранением, предотвращая накопление шума

---

🆚 Сравнение Memlord с аналогами

	Memlord	OpenMemory	mcp-memory-service	basic-memory
Поиск	BM25 + векторный + RRF	Только векторный (Qdrant)	BM25 + векторный + RRF	BM25 + векторный
Эмбеддинги	Локальный ONNX, без настройки	OpenAI по умолчанию; Ollama опционально	Локальный ONNX, без настройки	Локальный FastEmbed
Хранилище	PostgreSQL + pgvector	PostgreSQL + Qdrant	SQLite-vec / Cloudflare Vectorize	SQLite + файлы Markdown
Многопользовательский	✅	❌ на практике однопользовательский	⚠️ ограничение по agent-ID, без изоляции	❌
Рабочие пространства	✅ общие + личные, ссылки-приглашения	⚠️ пространство имён "Apps"	⚠️ теги + conversation_id	✅ флаг per-project
Аутентификация	✅ OAuth 2.1	❌ отсутствует (самодостаточный)	✅ OAuth 2.0 + PKCE	❌
Веб-интерфейс	✅ просмотр, редактирование, экспорт	✅ панель Next.js	✅ богатый интерфейс, визуализация графа, оценки качества	❌ локальный; только облако
Инструменты MCP	11	5	15+	~20
Самодостаточный	✅ один процесс	✅ Docker (3 контейнера)	✅	✅
Ввод воспоминаний	Ручной (явное сохранение)	Автоматически извлекается LLM	Ручной	Ручной (заметки Markdown)
Типы воспоминаний	факт / предпочтение / инструкция / обратная связь / решение / инсайт	автоматически извлечённые факты	—	наблюдения + wiki-ссылки
Поиск с учётом времени	✅ даты на естественном языке	⚠️ только REST, не в инструментах MCP	—	✅ recent_activity
Эффективность токенов	✅ прогрессивное раскрытие	❌	—	✅ обход build_context
Импорт / Экспорт	✅ JSON	✅ ZIP (JSON + JSONL)	—	✅ Markdown (удобочитаемый)
Лицензия	AGPL-3.0 / Коммерческая	Apache 2.0	Apache 2.0	AGPL-3.0

Где конкуренты имеют реальное преимущество:

• OpenMemory — автоматически извлекает воспоминания из необработанного текста разговора; не нужно вручную решать, что сохранять; хороший импорт/экспорт
• mcp-memory-service — более богатый веб-интерфейс (визуализация графа, оценка качества, 8 вкладок); более разрешительная лицензия (Apache 2.0); несколько вариантов транспорта (stdio, SSE, HTTP)
• basic-memory — воспоминания представляют собой удобочитаемые файлы Markdown, которые можно редактировать, хранить в системе контроля версий и читать без сервера; wiki-подобные ссылки на сущности формируют локальный граф знаний; ~20 инструментов MCP

Когда выбирать Memlord:

• Вам нужны локальные эмбеддинги без настройки — модель ONNX поставляется с сервером, не требуется Ollama или внешний API
• Вы запускаете многопользовательский командный сервер с надлежащей аутентификацией OAuth 2.1 и рабочими пространствами на основе приглашений
• Вам нужна база данных промышленного уровня (PostgreSQL), которая масштабируется за пределы SQLite на одной машине
• Вы управляете воспоминаниями явно — сохраняете именно то, что важно, с типами и тегами, а не всё, что LLM решит извлечь
• Вам нужен самодостаточный веб-интерфейс с полным CRUD и экспортом JSON, без облачной подписки

---

🚀 Быстрый старт

🐳 Docker

cp .env.example .env
docker compose up

HTTP-сервер (многопользовательский, веб-интерфейс, 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

Откройте http://localhost:8000 для веб-интерфейса. Конечная точка MCP находится по адресу /mcp.

---

🔍 Как это работает

Каждый поисковый запрос выполняет BM25 и векторный KNN параллельно, затем объединяет результаты через Reciprocal Rank Fusion:

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])

---

⚙️ Конфигурация

Все настройки используют префикс MEMLORD_. См. .env.example для полного списка.

Переменная	По умолчанию	Описание
MEMLORD_DB_URL	postgresql+asyncpg://postgres:postgres@localhost/memlord	URL подключения к PostgreSQL
MEMLORD_PORT	8000	Порт сервера
MEMLORD_BASE_URL	http://localhost:8000	Публичный URL для OAuth (режим HTTP)
MEMLORD_OAUTH_JWT_SECRET	memlord-dev-secret-please-change	Секрет подписи JWT (режим HTTP)

Установите MEMLORD_BASE_URL на ваш публичный URL и измените MEMLORD_OAUTH_JWT_SECRET перед развёртыванием.

---

🛠️ Инструменты MCP

Инструмент	Описание
store_memory	Сохранить воспоминание (идемпотентно по содержимому); вызывает ошибку при почти дубликатах; опционально expires_at
retrieve_memory	Гибридный семантический + полнотекстовый поиск; по умолчанию возвращает сниппеты
recall_memory	Поиск по временному выражению на естественном языке; по умолчанию возвращает сниппеты
list_memories	Постраничный список с фильтрами по типу/тегу
search_by_tag	Поиск по тегам с И/ИЛИ
get_memory	Получить одно воспоминание по имени с полным содержимым (включая истёкшие)
update_memory	Обновить содержимое, тип, теги, метаданные или срок действия по имени (и опционально переименовать)
delete_memory	Удалить по имени
move_memory	Переместить воспоминание в другое рабочее пространство
list_workspaces	Список рабочих пространств, в которых вы состоите (включая личные)
dream_report	Кандидаты на консолидацию только для чтения: пары похожих воспоминаний, истёкшие и скоро истекающие воспоминания

Промпт MCP dream проводит клиентскую LLM через полный проход консолидации по выводу dream_report: классифицирует похожие пары (дубликат / дополняющие / конфликт), объединяет в воспоминания insight, выводит из употребления заменённые через expires_at — никогда неразрушающе.

Управление рабочими пространствами (создание, приглашение, присоединение, выход) осуществляется через веб-интерфейс.

---

💻 Системные требования

• Python 3.12
• PostgreSQL ≥ 15 с расширением pgvector
• uv — менеджер пакетов Python

---

👨‍💻 Разработка

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

---

📄 Лицензия

Memlord имеет двойную лицензию:

• AGPL-3.0 — бесплатно для использования в открытых проектах. Если вы запускаете модифицированную версию как сетевую службу, вы должны опубликовать свой исходный код.
• Коммерческая лицензия — для проприетарных или закрытых развёртываний. Свяжитесь с sergey@memlord.com или dmitry@memlord.com для приобретения.