memory mcp

Descripción general

Memory MCP es el servidor de referencia oficial del Protocolo de Contexto de Modelos (Model Context Protocol, MCP) para memoria persistente. Implementa un grafo de conocimiento ligero que permite a los agentes de IA almacenar y recuperar información estructurada a lo largo de conversaciones y sesiones.

Desarrollado como parte del repositorio oficial de servidores MCP por el equipo del Model Context Protocol, resuelve una de las mayores limitaciones de los LLM: la falta de estado. En lugar de repetir el contexto cada vez, los agentes pueden guardar hechos, preferencias del usuario, detalles del proyecto, decisiones y observaciones, para luego recuperarlas bajo demanda.

Sirve como base para muchas implementaciones de memoria en la comunidad y es compatible directamente en herramientas como Claude Desktop, Claude Code, Cursor y otros clientes MCP.

Características

• Almacenamiento en Grafo de Conocimiento: Entidades con observaciones, relaciones y atributos almacenados de forma persistente.
• Agregar / Recuperar / Buscar Recuerdos: Herramientas para crear entidades, agregar observaciones, buscar por palabras clave o semántica, y obtener contexto relevante.
• Persistente entre Sesiones: Los datos sobreviven a los reinicios y están disponibles en nuevas conversaciones.
• Alcance y Estructurado: Admite memoria a nivel de usuario, proyecto o conversación con un modelado limpio de entidad-relación.
• Ligero y Local-First: Se ejecuta mediante npx, Docker o instalación local con dependencias mínimas.
• Cumplimiento del Estándar MCP: Descubrimiento completo de herramientas, interfaz JSON-RPC e integración perfecta con cualquier cliente MCP.
• Base Extensible: Sirve como punto de partida para implementaciones avanzadas (búsqueda vectorial, bases de datos de grafos como Neo4j, o sistemas híbridos).

Casos de uso

• Continuidad entre Sesiones: Claude o Cursor recuerdan la arquitectura del proyecto, preferencias de codificación y decisiones pasadas sin necesidad de reexplicarlas.
• Seguimiento de Preferencias del Usuario: Almacenar preferencias de estilo, elecciones de herramientas o hábitos de flujo de trabajo para obtener asistencia personalizada.
• Base de Conocimiento del Proyecto: Construir un grafo vivo de hechos de la base de código, resoluciones de errores y decisiones de diseño.
• Colaboración entre Múltiples Agentes: Compartir memoria entre diferentes agentes de IA o sesiones en flujos de trabajo complejos.
• Aprendizaje a Largo Plazo: Los agentes acumulan conocimiento durante semanas o meses, mejorando la eficiencia y reduciendo el desperdicio de ventanas de contexto.

Instalación y Inicio Rápido

Usando npx (Método más fácil)

npx -y @modelcontextprotocol/server-memory

Configuración para Claude Desktop / Cursor

Agregar al archivo de configuración MCP (por ejemplo, claude_desktop_config.json o .cursor/mcp.json):

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

Opción con Docker

docker run -i -v claude-memory:/app/dist --rm mcp/memory

Una vez en ejecución, los agentes de IA pueden usar herramientas como create_entity, add_observation, search_memories y get_graph para interactuar con el almacén de memoria persistente.

¿Por qué Memory MCP?

Los LLM son potentes pero olvidadizos entre sesiones. Memory MCP los convierte en socios con estado, al proporcionar una forma estandarizada, segura y descubrible de mantener contexto a largo plazo. Reduce drásticamente el uso de tokens (no hay necesidad de pegar el historial cada vez) y permite flujos de trabajo más naturales y continuos.

La implementación oficial utiliza un sencillo grafo de conocimiento local, lo que lo hace rápido, privado y fácil de autoalojar. Las extensiones de la comunidad añaden búsqueda vectorial, backends de Neo4j o capacidades híbridas semánticas + de grafo para sistemas de memoria aún más ricos.

Consejos Avanzados y Ecosistema

• Combínalo con Claude Thread Continuity u otros servidores MCP para memoria completa de conversación + proyecto.
• Para entornos de producción o multiusuario, considera forks de la comunidad con backends de SQLite, MongoDB, Qdrant o Neo4j.
• Úsalo junto con herramientas como uv-mcp, playwright-mcp o postgres-mcp para flujos de trabajo agentes completos que tanto actúan como recuerdan.
• Monitorea el crecimiento del almacenamiento e implementa políticas de limpieza para uso a gran escala.

Enlaces

• Fuente Oficial: modelcontextprotocol/servers - Memory
• Ejemplos y Documentación de MCP: modelcontextprotocol.io/examples
• Especificación de MCP: modelcontextprotocol.io

Memory MCP es un componente fundamental para agentes de IA verdaderamente persistentes e inteligentes en el ecosistema MCP.