memory mcp

概要

Memory MCP は、永続的メモリのための公式リファレンス Model Context Protocol（MCP） サーバーです。AIエージェントが会話やセッションをまたいで構造化された情報を保存・取得できる、軽量な知識グラフを実装しています。

Model Context Protocolチームによる公式MCPサーバーリポジトリの一部として開発されたこのサーバーは、LLMの最大の制限の一つである「ステートレス性」を解決します。エージェントは毎回コンテキストを繰り返す代わりに、事実、ユーザー設定、プロジェクト詳細、決定事項、観察結果などを保存し、必要に応じてそれらを思い出すことができます。

多くのコミュニティメモリ実装の基盤として機能し、Claude Desktop、Claude Code、Cursor、その他のMCPクライアントで直接サポートされています。

特徴

• 知識グラフストレージ： 観察、関係、属性とともに永続的に保存されるエンティティ。
• メモリの追加・取得・検索： エンティティ作成、観察追加、キーワードやセマンティクスによる検索、関連コンテキスト取得のためのツール。 . セッション間での永続性： データは再起動後も保持され、新しい会話で利用可能。
• スコープ化と構造化： ユーザーレベル、プロジェクトレベル、会話レベルのメモリをクリーンなエンティティ・リレーションシップモデルでサポート。
• 軽量・ローカルファースト： 最小限の依存関係で、npx、Docker、またはローカルインストールを通じて実行可能。

5. MCP標準準拠： 完全なツール検出、JSON-RPCインターフェース、あらゆるMCPクライアントとのシームレスな統合。

• 拡張可能な基盤： 高度な実装（ベクトル検索、Neo4jのようなグラフデータベース、またはハイブリッドシステム）の出発点として機能。

ユースケース

• セッション間の連続性： ClaudeやCursorがプロジェクトのアーキテクチャ、コーディング設定、過去の決定事項を再説明なしに記憶。

• ユーザー設定の追跡： スタイル設定、ツール選択、ワークフローの習慣を保存し、パーソナライズされた支援を実現。

• プロジェクト知識ベース： コードベースの事実、バグ解決策、設計選択事項の生きているグラフを構築。

• マルチエージェントコラボレーション： 複雑なワークフローにおいて、異なるAIエージェントやセッション間でメモリを共有。

-L長期的な学習： エージェントが数週間または数ヶ月にわたって知識を蓄積し、効率を向上させ、コンテキストウィンドウの浪費を削減。

インストールとクイックスタート

npxを使用（最も簡単）

npx -y @modelcontextprotocol/server-memory

Claude Desktop / Cursorの設定

MCP設定ファイル（例: claude_desktop_config.json または .cursor/mcp.json）に追加：

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

Dockerオプション

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

一度実行すると、AIエージェントは create_entity、add_observation、search_memories、get_graph などのツールを使用して永続的メモリストアと対話できます。

なぜ Memory MCP なのか？

LLM（大規模言語モデル）は強力ですが、セッション間の記憶を保持できません。Memory MCP は、長期的な文脈を維持するための標準化され、安全で、検出可能な方法を提供することで、LLM を状態を保持するパートナーに変えます。これにより、トークン使用量が劇的に削減され（毎回履歴を貼り付ける必要がなくなり）、より自然で連続的なワークフローが可能になります。

公式実装はシンプルなローカル知識グラフを使用しているため、高速でプライベートであり、セルフホストも容易です。コミュニティ拡張機能によって、ベクトル検索、Neo4j バックエンド、あるいはセマンティック検索とグラフのハイブリッド機能が追加され、さらに豊かなメモリシステムを実現できます。

高度なヒントとエコシステム

• Claude スレッド連続性や他の MCP サーバーと組み合わせることで、完全な会話とプロジェクトメモリを実現します。
• 本番環境やマルチユーザー設定では、SQLite、MongoDB、Qdrant、または Neo4j バックエンドを備えたコミュニティのフォーク版を検討してください。
• uv-mcp、playwright-mcp、postgres-mcp などのツールと組み合わせて使用し、行動と記憶の両方を備えた完全なエージェントワークフローを構築します。
• 大規模な使用では、ストレージの増加を監視し、クリーンアップポリシーを実装してください。

リンク

• 公式ソース: modelcontextprotocol/servers - Memory
• MCP 例とドキュメント: modelcontextprotocol.io/examples
• MCP 仕様: modelcontextprotocol.io

Memory MCP は、MCP エコシステムにおいて真に永続的で知的な AI エージェントを構築するための基礎的な構成要素です。