Mcp External Memory

io.github.daedalus由 GitHub 帳號 daedalus 發布v0.1.2更新於 Oct 24, 2026

An MCP server that gives LLMs persistent, searchable semantic memory

發布方自己的服務：Memory.fit

已驗證STDIO僅桌面知識與記憶

服務詳細資訊

識別碼: io.github.daedalus/mcp-external-memory
傳輸: STDIO
執行環境: Desktop only
信任: Verified
發布於: Sep 16, 2026

安全提示

MCP 服務會接收對話中的工具呼叫請求，並可能執行外部操作。啟用前請先了解該服務能做什麼，並只授予它所需的權限。

註冊中心已驗證此條目所屬的 GitHub 帳號 daedalus。這並不表明該帳號就是產品方。

SourceWeft 的檢查只涵蓋條目是否完整、端點是否回應；不審查伺服器的程式碼，也不審查其工具的行為。

在 README 中新增徽章

向讀者展示該 MCP 服務已收錄於 SourceWeft，徽章連結到本頁。

[![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)

概覽

AI 產生的概覽

為助理提供持久、可搜尋的語意記憶，能跨工作階段儲存、檢索、更新與刪除記憶。

可以做什麼: 這個本機 MCP 伺服器把一個小型記憶庫包成工具：memory_store 儲存文字，可附帶命名空間、標籤與中介資料；memory_search 對所有記憶做語意搜尋（餘弦相似度）；memory_get、memory_update 與 memory_delete 依 ID 操作單筆記憶；memory_list 可依命名空間或標籤篩選並分頁列出；memory_stats 回報記憶數量、命名空間與資料庫路徑。嵌入向量由可切換的後端產生，預設為 TF-IDF，也可選用 OpenAI 或 Ollama。
適用情境: 適合希望助理在多次對話之間記住事實、偏好或筆記，並依語意而非精確關鍵字檢索的情境。也適合依使用者或專案劃分命名空間（例如記住某位使用者的設定），以及希望把記憶保存在本機、可自行檢視的儲存中，而不只依賴模型的上下文視窗。
執行需求: 以 stdio 方式在本機執行，從 PyPI 安裝 mcp-external-memory（pip install mcp-external-memory），需要 Python 環境。清單未宣告任何驗證、環境變數或標頭。嵌入後端透過環境變數 MEMORY_EMBED_BACKEND 選擇：預設的 TF-IDF 後端不需要外部服務，OpenAI 後端需要 API 金鑰與網路存取，Ollama 需要本機執行 Ollama 實例。

安裝前請注意

此伺服器會寫入、更新與刪除記憶，刪除無法復原，儲存內容會留在磁碟上。記憶可能包含個人或敏感資訊；選擇 OpenAI 嵌入後端會把記憶文字傳送給第三方，敏感資料建議改用本機的 TF-IDF 或 Ollama 後端。OpenAI 後端還需要自己的 API 憑證，清單中並未宣告。

安裝

在 SourceWeft 中

開啟儀表板中的 Mcp External Memory，將其新增到工作區。
為需要使用其工具的對話啟用該服務。

Desktop only，透過 STDIO。 STDIO 服務會啟動本機處理程序，因此需要 SourceWeft 桌面主機。

其他 MCP 客戶端

參照儲存庫中的啟動說明。

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/