
मेमोरी एमसीपी
मेमोरी एमसीपी मॉडल कॉन्टेक्स्ट प्रोटोकॉल का आधिकारिक रेफरेंस सर्वर है, जो ज्ञान ग्राफ-आधारित स्थायी मेमोरी सिस्टम प्रदान करता है। यह क्लाउड और कर्सर जैसे एआई एजेंटों को यूज़र प्राथमिकताओं, प्रोजेक्ट विवरणों और सत्रों के बीच बातचीत के संदर्भ को संग्रहीत करने, पुनर्प्राप्त करने और याद रखने में सक्षम बनाता है।
अवलोकन
मेमोरी एमसीपी स्थायी मेमोरी के लिए आधिकारिक संदर्भ मॉडल कॉन्टेक्स्ट प्रोटोकॉल (एमसीपी) सर्वर है। यह एक हल्के वजन वाला ज्ञान ग्राफ लागू करता है जो एआई एजेंटों को संवादों और सत्रों में संरचित जानकारी संग्रहीत करने और पुनर्प्राप्त करने की अनुमति देता है।
मॉडल कॉन्टेक्स्ट प्रोटोकॉल टीम द्वारा आधिकारिक एमसीपी सर्वर रिपॉजिटरी के हिस्से के रूप में विकसित, यह एलएलएम की सबसे बड़ी सीमाओं में से एक का समाधान करता है: स्टेटलेसनेस। हर बार संदर्भ दोहराने के बजाय, एजेंट तथ्य, उपयोगकर्ता प्राथमिकताएं, प्रोजेक्ट विवरण, निर्णय और अवलोकन सहेज सकते हैं — फिर उन्हें मांगने पर याद कर सकते हैं।
यह कई समुदाय मेमोरी कार्यान्वयनों के लिए आधार के रूप में कार्य करता है और सीधे क्लॉड डेस्कटॉप, क्लॉड कोड, कर्सर और अन्य एमसीपी क्लाइंट्स जैसे टूल में समर्थित है।
विशेषताएं
- ज्ञान ग्राफ संग्रहण: अवलोकनों, संबंधों और विशेषताओं वाली इकाइयाँ स्थायी रूप से संग्रहीत।
- यादें जोड़ें / पुनर्प्राप्त करें / खोजें: इकाइयाँ बनाने, अवलोकन जोड़ने, कीवर्ड या शब्दार्थ द्वारा खोजने और प्रासंगिक संदर्भ लाने के लिए टूल।
- सत्रों में स्थायी: डेटा रीस्टार्ट से बच जाता है और नए संवादों में उपलब्ध रहता है।
- स्कोप्ड और संरचित: साफ इकाई-संबंध मॉडलिंग के साथ उपयोगकर्ता स्तर, प्रोजेक्ट स्तर या संवाद स्तर की मेमोरी का समर्थन करता है।
- हल्का और लोकल-फर्स्ट: न्यूनतम निर्भरताओं के साथ एनपीएक्स, डॉकर या स्थानीय इंस्टॉलेशन के माध्यम से चलता है।
- एमसीपी मानक अनुपालन: पूर्ण टूल डिस्कवरी, जेसन-आरपीसी इंटरफ़ेस और किसी भी एमसीपी क्लाइंट के साथ सहज एकीकरण।
- विस्तार योग्य आधार: उन्नत कार्यान्वयन (वेक्टर खोज, नियो4जे जैसे ग्राफ डेटाबेस या हाइब्रिड सिस्टम) के लिए शुरुआती बिंदु के रूप में कार्य करता है।
उपयोग मामले
- क्रॉस-Pसत्र निरंतरता: क्लॉड या कर्सर प्रोजेक्ट आर्किटेक्चर, कोडिंग प्राथमिकताएं और पिछले निर्णयों को बिना पुन: समझाए याद रखता है।
- उपयोगकर्ता प्राथमिकता ट्रैकिंग: व्यक्तिगतकृत सहायता के लिए शैली प्राथमिकताएं, टूल विकल्प या वर्कफ़्लो आदतें संग्रहीत करें।
- प्रोजेक्ट ज्ञान आधार: कोडबेस तथ्यों, बग समाधानों और डिज़ाइन विकल्पों का एक जीवंत ग्राफ बनाएं।
- मल्टी-Pएजेंट सहयोग: जटिल वर्कफ़्लो में विभिन्न एआई एजेंटों या सत्रों के बीच मेमोरी साझा करें।
- दीर्घकालिक शिक्षा: एजेंट हफ्तों या महीनों में ज्ञान संचित करते हैं, दक्षता में सुधार करते हैं और संदर्भ विंडो अपव्यय को कम करते हैं।
इंस्टॉलेशन और त्वरित प्रारंभ
एनपीएक्स का उपयोग करके (सबसे आसान)
npx -y @modelcontextprotocol/server-memory
क्लॉड डेस्कटॉप / कर्सर के लिए कॉन्फ़िगरेशन
अपनी एमसीपी कॉन्फ़िगरेशन फ़ाइल में जोड़ें (उदा. claude_desktop_config.json या .cursor/mcp.json):
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-memory"]
}
}
}
डॉकर विकल्प
docker run -i -v claude-memory:/app/dist --rm mcp/memory
एक बार चलने पर, एआई एजेंट स्थायी मेमोरी स्टोर के साथ इंटरैक्ट करने के लिए create_entity, add_observation, search_memories और get_graph जैसे टूल का उपयोग कर सकते हैं।
मेमोरी एमसीपी क्यों?
एलएलएम (LLM) शक्तिशाली हैं लेकिन सत्रों के बीच भुलक्कड़ होते हैं। मेमोरी एमसीपी उन्हें लंबी अवधि के संदर्भ को बनाए रखने का एक मानकीकृत, सुरक्षित और खोज योग्य तरीका प्रदान करके उन्हें स्टेटफुल (अवस्था-संपन्न) साथी बना देता है। यह टोकन उपयोग को नाटकीय रूप से कम कर देता है (हर बार इतिहास चिपकाने की जरूरत नहीं) और अधिक प्राकृतिक, निरंतर वर्कफ़्लो को सक्षम बनाता है।
आधिकारिक कार्यान्वयन एक सरल स्थानीय ज्ञान ग्राफ का उपयोग करता है, जिससे यह तेज़, निजी और सेल्फ़Weकरने में आसान है। समुदाय विस्तार और भी समृद्ध मेमोरी सिस्टम के लिए वेक्टर खोज, Neo4j बैकएंड, या हाइब्रिड सिमेंटिक + ग्राफ क्षमताएं जोड़ते हैं।
उन्नत सुझाव और पारिस्थितिकी तंत्र
- पूर्ण वार्तालाप + परियोजना स्मृति के लिए क्लॉड थ्रेड निरंतरता (Claude Thread Continuity) या अन्य एमसीपी सर्वर के साथ संयोजन करें।
- प्रोडक्शन या बहु-उपयोगकर्ता सेटअप के लिए, SQLite, MongoDB, Qdrant, या Neo4j बैकएंड वाले समुदाय फ़ोर्क पर विचार करें।
- ऐसे उपकरणों के संयोजन में उपयोग करें जैसे
uv-mcp,playwright-mcp, याpostgres-mcpऐसे पूर्ण एजेंटिक वर्कफ़्लो के लिए जो कार्य करते हों और याद भी रखते हों। - बड़े पैमाने के उपयोग के लिए भंडारण वृद्धि की निगरानी करें और सफाई नीतियों को लागू करें।
लिंक्स
- आधिकारिक स्रोत: modelcontextprotocol/servers - Memory
- एमसीपी उदाहरण और दस्तावेज़: modelcontextprotocol.io/examples
- एमसीपी विनिर्देशन: modelcontextprotocol.io
मेमोरी एमसीपी एमसीपी पारिस्थितिकी तंत्र में वास्तव में स्थायी और बुद्धिमान एआई एजेंटों के लिए एक आधारभूत बिल्डिंग ब्लॉक है।
Tags
Related Entries
Keep exploring similar tools and resources in this category.
TinyFish
MCP ServersTinyFish MCP संगत AI सहायकों को वेब ऑटोमेशन, वेब सर्च, सामग्री निष्कर्षण और रिमोट ब्राउज़र-सत्र उपकरण प्रदान करता है। होस्ट किया गया MCP सर्वर OAuth 2.1 का उपयोग करता है, जबकि एक वैकल्पिक स्थानीय @tiny-fish/mcp प्रॉक्सी केवल-स्थानीय, CI और हेडलेस सेटअप के लिए API-कुंजी प्रमाणीकरण का समर्थन करता है।

TinyFish
MCP ServersTinyFish एक वेब इंफ्रास्ट्रक्चर प्लेटफॉर्म है जो AI एजेंटों के लिए लाइव वेब खोज, ब्राउज़र-रेंडर्ड कंटेंट निष्कर्षण, लक्ष्य-आधारित वेब स्वचालन और प्रबंधित क्लाउड ब्राउज़र सत्रों को जोड़ता है। डेवलपर्स API, SDK, CLI और एजेंट फ्रेमवर्क तथा AI कोडिंग टूल्स के साथ एकीकरण के माध्यम से प्लेटफॉर्म तक पहुंच सकते हैं।

TinyFish
MCP ServersTinyFish is a web infrastructure platform for AI agents that combines live web search, browser-rendered content extraction, goal-based web automation, and managed cloud browser sessions. Developers can access the platform through APIs, SDKs, a CLI, and integrations with agent frameworks and AI coding tools.
TinyFish
MCP ServersTinyFish exposes web automation, web search, content extraction, and remote browser-session tools to MCP-compatible AI assistants. The hosted MCP server uses OAuth 2.1, while an optional local @tiny-fish/mcp proxy supports API-key authentication for local-only, CI, and headless setups.

openaiDeveloperDocs
MCP ServersOpenAI Developer Docs MCP is an OpenAI-hosted, read-only server that lets MCP clients search and fetch documentation from developers.openai.com, platform.openai.com, and learn.chatgpt.com. It uses a public streamable HTTP endpoint and does not call the OpenAI API on the user's behalf.
Related Reads
Background, tutorials, and protocol context connected to this entry.



