Mcp External Memory

io.github.daedalus由 GitHub 账号 daedalus 发布v0.1.2更新于 Oct 24, 2026

An MCP server that gives LLMs persistent, searchable semantic memory

发布方自己的服务：Memory.fit

已验证STDIO仅桌面知识与记忆

服务详情

标识符: io.github.daedalus/mcp-external-memory
传输: STDIO
运行时: Desktop only
信任: Verified
发布于: Sep 16, 2026

安全提示

MCP 服务会接收对话中的工具调用请求，并可能执行外部操作。启用前请先了解该服务能做什么，并只授予它所需的权限。

注册中心已验证此条目所属的 GitHub 账号 daedalus。这并不表明该账号就是产品方。

SourceWeft 的检查只涵盖条目是否完整、端点是否响应；不审查服务器的代码，也不审查其工具的行为。

在 README 中添加徽章

向读者展示该 MCP 服务已收录于 SourceWeft，徽章链接到本页。

[![Listed on SourceWeft](https://sourceweft.com/badge/mcp/io.github.daedalus%2Fmcp-external-memory.svg)](https://sourceweft.com/mcp/io.github.daedalus%2Fmcp-external-memory?utm_source=readme&utm_medium=badge)

概览

AI 生成的概览

为助手提供持久、可搜索的语义记忆，可跨会话存储、检索、更新和删除记忆。

可以做什么: 这个本地 MCP 服务器把一个小型记忆库封装为工具：memory_store 保存文本，可附带命名空间、标签和元数据；memory_search 对所有记忆做语义搜索（余弦相似度）；memory_get、memory_update 和 memory_delete 按 ID 操作单条记忆；memory_list 支持按命名空间或标签过滤并分页列出；memory_stats 返回记忆数量、命名空间和数据库路径。嵌入向量由可切换的后端生成，默认是 TF-IDF，也可选用 OpenAI 或 Ollama。
适用场景: 适合希望助手在多次对话之间记住事实、偏好或笔记，并按语义而非精确关键词检索的场景。也适合按用户或项目划分命名空间（例如记住某位用户的设置），以及希望把记忆保存在本地、可自行查看的存储中，而不只依赖模型的上下文窗口。
运行要求: 以 stdio 方式在本地运行，从 PyPI 安装 mcp-external-memory（pip install mcp-external-memory），需要 Python 环境。清单未声明任何认证、环境变量或请求头。嵌入后端通过环境变量 MEMORY_EMBED_BACKEND 选择：默认的 TF-IDF 后端不需要外部服务，OpenAI 后端需要 API 密钥和网络访问，Ollama 需要本地运行 Ollama 实例。

安装前请注意

该服务器会写入、更新和删除记忆，删除不可恢复，存储内容会保留在磁盘上。记忆可能包含个人或敏感信息；选择 OpenAI 嵌入后端会把记忆文本发送给第三方，敏感数据建议使用本地的 TF-IDF 或 Ollama 后端。OpenAI 后端还需要自己的 API 凭据，清单中并未声明。

安装

在 SourceWeft 中

打开控制台中的 Mcp External Memory，将其添加到工作区。
为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照仓库中的启动说明。

README

mcp-external-memory

An MCP server that gives LLMs persistent, searchable semantic memory.

[PyPI] [Python] [Coverage] [Ruff]

Install

Usage

python

from mcp_external_memory import memory_store, memory_search
# Store a memoryresult = memory_store(content="Alice prefers dark mode", namespace="users", tags=["alice", "ui"])
# Search memoriesresults = memory_search(query="what does Alice prefer?", namespace="users")

from mcp_external_memory import memory_store, memory_search
# Store a memoryresult = memory_store(content="Alice prefers dark mode", namespace="users", tags=["alice", "ui"])
# Search memoriesresults = memory_search(query="what does Alice prefer?", namespace="users")

CLI

API

Tools

Tool	Description
`memory_store`	Persist text + optional namespace/tags/metadata
`memory_search`	Semantic search (cosine similarity) over all memories
`memory_get`	Retrieve a single memory by ID
`memory_delete`	Delete a memory by ID
`memory_list`	List memories with optional namespace/tag filter + pagination
`memory_stats`	Count of memories, namespaces, DB path
`memory_update`	Update an existing memory

Embedding Backends

The server supports multiple embedding backends:

TF-IDF (default): Pure Python, no external dependencies
OpenAI: Uses text-embedding-3-small model
Ollama: Local embeddings with Ollama

Set via MEMORY_EMBED_BACKEND environment variable.

Development

bash

git clone https://github.com/daedalus/mcp-external-memory.gitcd mcp-external-memorypip install -e ".[test]"
# run testspytest
# formatruff format src/ tests/
# lintruff check src/ tests/
# type checkmypy src/

git clone https://github.com/daedalus/mcp-external-memory.gitcd mcp-external-memorypip install -e ".[test]"
# run testspytest
# formatruff format src/ tests/
# lintruff check src/ tests/
# type checkmypy src/