Memlord

官方

自託管MCP記憶伺服器，適用於個人使用與團隊協作

GitHub

你可以用 Memlord MCP 做什麼？

儲存帶有類型和標籤的記憶 — 使用 store_memory 儲存事實、偏好、指示或回饋，並具備自動近似重複偵測功能。
透過混合檢索搜尋記憶 — 使用 retrieve_memory 結合 BM25 全文檢索與語意向量搜尋來尋找記憶。
依時間表達式回憶記憶 — 使用 recall_memory 搭配「上週」或「昨天」等自然語言時間查詢來尋找記憶。
列出與篩選記憶 — 使用 list_memories 依類型或標籤瀏覽記憶，或透過 search_by_tag 以 AND/OR 邏輯組合標籤。
按需取得完整記憶內容 — 當需要搜尋片段以外的詳細資訊時，使用 get_memory 依名稱擷取完整記憶。
更新、刪除或移動記憶 — 使用 update_memory 修改內容、標籤或到期日，使用 delete_memory 移除，或使用 move_memory 在不同工作區之間搬移。

文件

適用於個人和團隊的自託管 MCP 記憶伺服器

快速入門 • 運作方式 • MCP 工具 • 設定 • 需求 • 授權條款

✨ 功能特色

🔍 混合搜尋 — 透過倒數排名融合 (Reciprocal Rank Fusion) 結合 BM25（全文檢索）與向量 KNN（pgvector）
📂 多使用者 — 每位使用者僅能看見自己的記憶；工作區則用於共享團隊知識
🛠️ 10 個 MCP 工具 — 儲存、檢索、回想、列出、依標籤搜尋、取得、更新、刪除、移動、列出工作區
🌐 網頁介面 — 在瀏覽器中瀏覽、搜尋、編輯和刪除記憶；匯出／匯入 JSON
🔒 OAuth 2.1 — 完整的內建授權伺服器，始終啟用
🐘 PostgreSQL — 使用 pgvector 處理嵌入向量，tsvector 進行全文檢索
📊 漸進式揭露 — 搜尋預設回傳精簡摘要；僅在需要時呼叫 get_memory(name)，以減少 token 用量
🔁 去重複 — 儲存前自動偵測近乎相同的記憶，防止雜訊累積

🆚 Memlord 比較

	Memlord	OpenMemory	mcp-memory-service	basic-memory
搜尋	BM25 + 向量 + RRF	僅向量 (Qdrant)	BM25 + 向量 + RRF	BM25 + 向量
嵌入	本機 ONNX，無需設定	預設 OpenAI；可選 Ollama	本機 ONNX，無需設定	本機 FastEmbed
儲存	PostgreSQL + pgvector	PostgreSQL + Qdrant	SQLite-vec / Cloudflare Vectorize	SQLite + Markdown 檔案
多使用者	✅	❌ 實務上為單一使用者	⚠️ agent-ID 範圍劃分，無隔離	❌
工作區	✅ 共享 + 個人，邀請連結	⚠️ "Apps" 命名空間	⚠️ 標籤 + conversation_id	✅ 每個專案旗標
驗證	✅ OAuth 2.1	❌ 無 (自託管)	✅ OAuth 2.0 + PKCE	❌
網頁介面	✅ 瀏覽、編輯、匯出	✅ Next.js 儀表板	✅ 豐富的 UI、圖形視覺化、品質分數	❌ 本機；僅雲端
MCP 工具	10	5	15+	~20
自託管	✅ 單一處理程序	✅ Docker (3 個容器)	✅	✅
記憶輸入	手動（明確儲存）	由 LLM 自動擷取	手動	手動 (Markdown 筆記)
記憶類型	事實 / 偏好 / 指示 / 回饋	自動擷取的事實	—	觀察 + wiki 連結
時間感知搜尋	✅ 自然語言日期	⚠️ 僅 REST，不在 MCP 工具中	—	✅ recent_activity
Token 效率	✅ 漸進式揭露	❌	—	✅ build_context 遍歷
匯入 / 匯出	✅ JSON	✅ ZIP (JSON + JSONL)	—	✅ Markdown (人類可讀)
授權條款	AGPL-3.0 / 商業	Apache 2.0	Apache 2.0	AGPL-3.0

競爭對手的真正優勢：

OpenMemory — 從原始對話文字自動擷取記憶；無需手動決定儲存內容；良好的匯入／匯出功能
mcp-memory-service — 更豐富的網頁介面（圖形視覺化、品質評分、8 個分頁）；更寬鬆的授權條款 (Apache 2.0)；多種傳輸選項 (stdio、SSE、HTTP)
basic-memory — 記憶為人類可讀的 Markdown 檔案，無需伺服器即可編輯、版本控制和閱讀；wiki 風格的實體連結形成本機知識圖譜；約 20 個 MCP 工具

何時選擇 Memlord：

您需要無需設定的本機嵌入 — ONNX 模型隨伺服器提供，無需 Ollama 或外部 API
您運行多使用者團隊伺服器，具備適當的 OAuth 2.1 驗證和基於邀請的工作區
您需要一個生產級資料庫 (PostgreSQL)，其擴展性超越單機 SQLite
您明確地管理記憶 — 僅儲存重要的內容，並加以分類和標記，而非 LLM 決定擷取的所有內容
您需要一個自託管的網頁介面，具備完整的 CRUD 和 JSON 匯出功能，無需雲端訂閱

🚀 快速入門

🐳 Docker

cp .env.example .env
docker compose up

HTTP 伺服器（多使用者、網頁介面、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

開啟 http://localhost:8000 以使用網頁介面。MCP 端點位於 /mcp。

🔍 運作方式

每個搜尋請求會並行執行 BM25 和向量 KNN，然後透過倒數排名融合 (Reciprocal Rank Fusion) 合併結果：

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])

⚙️ 設定

所有設定皆使用 MEMLORD_ 前綴。完整清單請參閱 .env.example。

變數	預設值	說明
`MEMLORD_DB_URL`	`postgresql+asyncpg://postgres:postgres@localhost/memlord`	PostgreSQL 連線 URL
`MEMLORD_PORT`	`8000`	伺服器連接埠
`MEMLORD_BASE_URL`	`http://localhost:8000`	OAuth 的公開 URL (HTTP 模式)
`MEMLORD_OAUTH_JWT_SECRET`	`memlord-dev-secret-please-change`	JWT 簽署密鑰 (HTTP 模式)

部署前，請將 MEMLORD_BASE_URL 設定為您的公開 URL，並變更 MEMLORD_OAUTH_JWT_SECRET。

🛠️ MCP 工具

工具	說明
`store_memory`	儲存記憶（依內容冪等）；偵測到近乎重複時引發錯誤；可選的 `expires_at`
`retrieve_memory`	混合語義與全文檢索；預設回傳摘要
`recall_memory`	依自然語言時間表達式搜尋；預設回傳摘要
`list_memories`	具備類型／標籤篩選的分頁清單
`search_by_tag`	AND/OR 標籤搜尋
`get_memory`	依名稱擷取單一記憶及其完整內容
`update_memory`	依名稱更新內容、類型、標籤、中繼資料或到期日（並可選擇重新命名）
`delete_memory`	依名稱刪除
`move_memory`	將記憶移動到不同的工作區
`list_workspaces`	列出您所屬的工作區（包含個人工作區）

工作區管理（建立、邀請、加入、離開）透過網頁介面處理。

💻 系統需求

Python 3.12
PostgreSQL ≥ 15，並安裝 pgvector 擴充功能
uv — Python 套件管理器

👨‍💻 開發

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

📄 授權條款

Memlord 採用雙重授權：

AGPL-3.0 — 開放原始碼使用免費。若您以網路服務形式運行修改後的版本，則必須公開您的原始碼。
商業授權 — 適用於專有或閉源部署。請聯繫 sergey@memlord.com 或 dmitry@memlord.com 購買。