Memlord

官方

自托管的MCP内存服务器，适用于个人和团队使用

GitHub

你可以用 Memlord MCP 做什么？

按类型和标签存储记忆 — 使用 store_memory 保存事实、偏好、指令或反馈，并自动检测近似重复。
通过混合检索搜索记忆 — 使用 retrieve_memory 通过结合 BM25 全文搜索和语义向量搜索来查找记忆。
按时间表达式回忆记忆 — 使用 recall_memory 通过自然语言时间查询（如 "last week" 或 "yesterday"）查找记忆。
列出并筛选记忆 — 使用 list_memories 按类型或标签浏览记忆，或通过 search_by_tag 使用 AND/OR 逻辑组合标签。
按需获取完整记忆内容 — 当需要超出搜索摘要的详细信息时，使用 get_memory 按名称获取完整记忆。
更新、删除或移动记忆 — 使用 update_memory 修改内容、标签或过期时间，使用 delete_memory 删除，或使用 move_memory 在工作空间之间移动。

文档

面向个人和团队的自托管 MCP 记忆服务器

快速入门 • 工作原理 • MCP 工具 • 配置 • 系统要求 • 许可证

✨ 功能特性

🔍 混合搜索 — 通过倒数排名融合（RRF）结合 BM25（全文）与向量 KNN（pgvector）
📂 多用户 — 每个用户只能看到自己的记忆；工作区用于共享团队知识
🛠️ 10 个 MCP 工具 — 存储、检索、回忆、列表、按标签搜索、获取、更新、删除、移动、列出工作区
🌐 Web 界面 — 在浏览器中浏览、搜索、编辑和删除记忆；支持 JSON 导出/导入
🔒 OAuth 2.1 — 完整的进程内授权服务器，始终启用
🐘 PostgreSQL — pgvector 用于嵌入，tsvector 用于全文搜索
📊 渐进式信息披露 — 搜索默认返回紧凑摘要；仅在需要时调用 get_memory(name)，减少令牌消耗
🔁 去重 — 保存前自动检测近乎相同的记忆，防止噪音积累

🆚 Memlord 对比

	Memlord	OpenMemory	mcp-memory-service	basic-memory
搜索	BM25 + 向量 + RRF	仅向量（Qdrant）	BM25 + 向量 + RRF	BM25 + 向量
嵌入	本地 ONNX，零配置	默认 OpenAI；可选 Ollama	本地 ONNX，零配置	本地 FastEmbed
存储	PostgreSQL + pgvector	PostgreSQL + Qdrant	SQLite-vec / Cloudflare Vectorize	SQLite + Markdown 文件
多用户	✅	❌ 实际为单用户	⚠️ 代理 ID 范围，无隔离	❌
工作区	✅ 共享 + 个人，邀请链接	⚠️ “应用”命名空间	⚠️ 标签 + conversation_id	✅ 按项目标志
身份验证	✅ OAuth 2.1	❌ 无（自托管）	✅ OAuth 2.0 + PKCE	❌
Web 界面	✅ 浏览、编辑、导出	✅ Next.js 仪表板	✅ 丰富的界面、图形可视化、质量评分	❌ 本地；仅云端
MCP 工具	10	5	15+	~20
自托管	✅ 单进程	✅ Docker（3 个容器）	✅	✅
记忆输入	手动（显式存储）	由 LLM 自动提取	手动	手动（Markdown 笔记）
记忆类型	事实 / 偏好 / 指令 / 反馈	自动提取的事实	—	观察 + wiki 链接
时间感知搜索	✅ 自然语言日期	⚠️ 仅 REST，不在 MCP 工具中	—	✅ recent_activity
令牌效率	✅ 渐进式信息披露	❌	—	✅ build_context 遍历
导入 / 导出	✅ JSON	✅ ZIP（JSON + JSONL）	—	✅ Markdown（人类可读）
许可证	AGPL-3.0 / 商业	Apache 2.0	Apache 2.0	AGPL-3.0

竞争对手的真正优势：

OpenMemory — 从原始对话文本中自动提取记忆；无需手动决定存储内容；良好的导入/导出功能
mcp-memory-service — 更丰富的 Web 界面（图形可视化、质量评分、8 个选项卡）；更宽松的许可证（Apache 2.0）；多种传输选项（stdio、SSE、HTTP）
basic-memory — 记忆是人类可读的 Markdown 文件，无需服务器即可编辑、版本控制和阅读；wiki 风格的实体链接形成本地知识图谱；约 20 个 MCP 工具

何时选择 Memlord：

你想要零配置本地嵌入 — ONNX 模型随服务器提供，无需 Ollama 或外部 API
你运行一个多用户团队服务器，具有适当的 OAuth 2.1 身份验证和基于邀请的工作区
你想要一个生产级数据库（PostgreSQL），其扩展能力超越单机 SQLite
你显式地管理记忆 — 精确存储重要的内容，分类并标记，而非 LLM 决定提取的一切
你想要一个自托管 Web 界面，具有完整的 CRUD 和 JSON 导出功能，无需云订阅

🚀 快速入门

🐳 Docker

cp .env.example .env
docker compose up

HTTP 服务器（多用户、Web 界面、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

打开 http://localhost:8000 访问 Web 界面。MCP 端点位于 /mcp。

🔍 工作原理

每个搜索请求并行运行 BM25 和向量 KNN，然后通过倒数排名融合合并结果：

flowchart TD
    Q([query]) --> BM25["BM25\nsearch_vector @@ websearch_to_tsquery"]
    Q --> EMB["ONNX embed\nall-MiniLM-L6-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])

⚙️ 配置

所有设置均使用 MEMLORD_ 前缀。完整列表请参阅 .env.example。

变量	默认值	描述
`MEMLORD_DB_URL`	`postgresql+asyncpg://postgres:postgres@localhost/memlord`	PostgreSQL 连接 URL
`MEMLORD_PORT`	`8000`	服务器端口
`MEMLORD_BASE_URL`	`http://localhost:8000`	OAuth 的公共 URL（HTTP 模式）
`MEMLORD_OAUTH_JWT_SECRET`	`memlord-dev-secret-please-change`	JWT 签名密钥（HTTP 模式）

部署前，将 MEMLORD_BASE_URL 设置为你的公共 URL，并更改 MEMLORD_OAUTH_JWT_SECRET。

🛠️ MCP 工具

工具	描述
`store_memory`	保存记忆（按内容幂等）；检测到近乎重复时引发错误；可选 `expires_at`
`retrieve_memory`	混合语义 + 全文搜索；默认返回摘要
`recall_memory`	按自然语言时间表达式搜索；默认返回摘要
`list_memories`	带类型/标签过滤的分页列表
`search_by_tag`	AND/OR 标签搜索
`get_memory`	按名称获取单个记忆的完整内容
`update_memory`	按名称更新内容、类型、标签、元数据或过期时间（并可选择重命名）
`delete_memory`	按名称删除
`move_memory`	将记忆移动到不同的工作区
`list_workspaces`	列出你所属的工作区（包括个人工作区）

工作区管理（创建、邀请、加入、离开）通过 Web 界面处理。

💻 系统要求

Python 3.12
PostgreSQL ≥ 15，并安装 pgvector 扩展
uv — Python 包管理器

👨‍💻 开发

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

📄 许可证

Memlord 采用双重许可：

AGPL-3.0 — 开源使用免费。如果你将修改后的版本作为网络服务运行，则必须公开你的源代码。
商业许可证 — 用于专有或闭源部署。请联系 sergey@memlord.com 或 dmitry@memlord.com 购买。