memory mcp

Vue d'ensemble

Memory MCP est le serveur Model Context Protocol (MCP) de référence officiel pour la mémoire persistante. Il implémente un graphe de connaissances léger qui permet aux agents IA de stocker et de récupérer des informations structurées entre les conversations et les sessions.

Développé dans le cadre du référentiel officiel des serveurs MCP par l'équipe du Model Context Protocol, il résout l'une des plus grandes limitations des LLM : leur absence d'état. Au lieu de répéter le contexte à chaque fois, les agents peuvent sauvegarder des faits, les préférences utilisateur, les détails d'un projet, les décisions et les observations — puis s'en souvenir à la demande.

Il sert de fondation pour de nombreuses implémentations communautaires de mémoire et est directement pris en charge dans des outils comme Claude Desktop, Claude Code, Cursor et d'autres clients MCP.

Fonctionnalités

• Stockage en Graphe de Connaissances : Entités avec observations, relations et attributs stockés de manière persistante.
• Ajouter / Récupérer / Rechercher des Mémoires : Outils pour créer des entités, ajouter des observations, rechercher par mots-clés ou sémantique, et récupérer le contexte pertinent.
• Persistance Entre Sessions : Les données survivent aux redémarrages et sont disponibles dans de nouvelles conversations.
• Délimité et Structuré : Prend en charge la mémoire au niveau utilisateur, projet ou conversation avec une modélisation propre des entités et relations.
• Léger et Local-First : Fonctionne via npx, Docker ou installation locale avec des dépendances minimales.
• Conforme au Standard MCP : Découverte complète des outils, interface JSON-RPC et intégration transparente avec tout client MCP.
• Fondation Extensible : Sert de point de départ pour des implémentations avancées (recherche vectorielle, bases de données graphiques comme Neo4j, ou systèmes hybrides).

Cas d'Utilisation

• Continuité Entre Sessions : Claude ou Cursor se souvient de l'architecture du projet, des préférences de codage et des décisions passées sans avoir à tout réexpliquer.
• Suivi des Préférences Utilisateur : Stocker les préférences de style, les choix d'outils ou les habitudes de flux de travail pour une assistance personnalisée.
• Base de Connaissances de Projet : Construire un graphe vivant de faits sur la base de code, de résolutions de bugs et de choix de conception.
• Collaboration Multi-Agent : Partager la mémoire entre différents agents IA ou sessions dans des flux de travail complexes.
• Apprentissage à Long Terme : Les agents accumulent des connaissances sur des semaines ou des mois, améliorant leur efficacité et réduisant le gaspillage de la fenêtre de contexte.

Installation & Démarrage Rapide

Utilisation de npx (Plus simple)

npx -y @modelcontextprotocol/server-memory

Configuration pour Claude Desktop / Cursor

Ajouter à votre fichier de configuration MCP (ex. claude_desktop_config.json ou .cursor/mcp.json) :

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

Option Docker

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

Une fois en fonctionnement, les agents IA peuvent utiliser des outils comme create_entity, add_observation, search_memories et get_graph pour interagir avec le stockage de mémoire persistante.

Pourquoi Memory MCP ?

Les LLMs sont puissants mais oublient entre les sessions. Memory MCP les transforme en partenaires avec état, en offrant un moyen standardisé, sécurisé et découvrable de maintenir un contexte à long terme. Il réduit considérablement l'utilisation de tokens (pas besoin de coller l'historique à chaque fois) et permet des flux de travail plus naturels et continus.

L'implémentation officielle utilise un simple graphe de connaissances local, le rendant rapide, privé et facile à auto-héberger. Les extensions communautaires ajoutent la recherche vectorielle, des backends Neo4j, ou des capacités hybrides sémantiques + graphes pour des systèmes de mémoire encore plus riches.

Astuces avancées & Écosystème

• Combinez avec la Continuité de Thread Claude ou d'autres serveurs MCP pour une mémoire complète de conversation + projet.
• Pour des configurations de production ou multi-utilisateurs, considérez les forks communautaires avec des backends SQLite, MongoDB, Qdrant, ou Neo4j.
• Utilisez conjointement avec des outils comme uv-mcp, playwright-mcp, ou postgres-mcp pour des flux de travail agentiques complets qui agissent et se souviennent.
• Surveillez la croissance du stockage et mettez en place des politiques de nettoyage pour une utilisation à grande échelle.

Liens

• Source officielle : modelcontextprotocol/servers - Memory
• Exemples & Docs MCP : modelcontextprotocol.io/examples
• Spécification MCP : modelcontextprotocol.io

Memory MCP est un bloc de construction fondamental pour des agents IA véritablement persistants et intelligents dans l'écosystème MCP.