Mem Context

io.github.turbyho由 GitHub 帳號 turbyho 發布v0.1.4更新於 Oct 27, 2026

Temporal memory MCP server with LanceDB vector search, weight-decay scoring, and LLM consolidation

已驗證STDIO僅桌面知識與記憶AI 與機器學習

概覽

AI 產生的概覽

本機 MCP 伺服器,為助理提供以 LanceDB 向量檢索、權重衰減評分與 LLM 整合的時序記憶儲存。

可以做什麼
  • 使用 LanceDB 向量檢索為助理儲存與取回記憶。
  • 以權重衰減評分排序取回的記憶,讓較舊或相關性較低的內容逐漸淡化。
  • 透過 LLM 整合已儲存的記憶。
  • 以本機 stdio 程序方式在使用者電腦上執行。
適用情境
適合希望助理跨工作階段保留脈絡、並能依時間新舊取回先前資訊的情境,而不必每次從頭開始。
執行需求
以本機 stdio 程序執行,從 PyPI 套件 mem-context 安裝,需要 Python 環境。未宣告任何驗證、環境變數或標頭。整合過程涉及 LLM,因此需要有可用的模型或服務供應商。
安裝前請注意
它會在本機保存由對話衍生的記憶,助理寫入的內容可能被長期保留並在之後被取回。整合過程會把已儲存內容傳送給 LLM,可能是第三方。雖未宣告憑證,但使用前應確認記憶資料與模型呼叫的去向。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 Mem Context,將其新增到工作區。
  2. 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

該儲存庫沒有 README。

工具

0
SourceWeft 尚未在沙箱中啟動過該軟體包,因此其工具未知。

版本歷史

1
  1. v0.1.4最新Sep 16, 2026

評分

已滿足適用檢查項的 25%

該評分衡量此收錄條目的完整程度,依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價,也不表示伺服器安全或目前可用:可連通性是帶日期的檢查結果,評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通25 分

    請保持端點能夠回應 MCP 握手;SourceWeft 每 30 天探測一次。

  • 已宣告認證方式10 分

    請在註冊中心條目中宣告憑證請求標頭,或保持端點能夠回應探測,以便判定其認證方式。

  • 已列出工具15 分

    請讓伺服器在無憑證時回應 tools/list,或發布可在沙箱中無憑證啟動的軟體包。

  • 描述必需15 分
  • 圖示10 分
  • 文件15 分

    請宣告包含 README 的 GitHub 儲存庫,或在 OAuth 受保護資源後設資料中提供 resource_documentation。

  • 授權條款10 分

    請在儲存庫或註冊中心條目中宣告授權條款。