Visão Geral

O Memory MCP é o servidor Model Context Protocol (MCP) oficial de referência para memória persistente. Ele implementa um grafo de conhecimento leve que permite aos agentes de IA armazenar e recuperar informações estruturadas entre conversas e sessões.

Desenvolvido como parte do repositório oficial de servidores MCP pela equipe do Model Context Protocol, ele resolve uma das maiores limitações dos LLMs: a ausência de estado. Em vez de repetir o contexto toda vez, os agentes podem salvar fatos, preferências do usuário, detalhes de projeto, decisões e observações — e depois recuperá-las sob demanda.

Ele serve como a base para muitas implementações de memória da comunidade e é suportado diretamente em ferramentas como Claude Desktop, Claude Code, Cursor e outros clientes MCP.

Funcionalidades

Armazenamento em Grafo de Conhecimento: Entidades com observações, relacionamentos e atributos armazenados de forma persistente.
Adicionar / Recuperar / Buscar Memórias: Ferramentas para criar entidades, adicionar observações, buscar por palavras-chave ou semântica e buscar contexto relevante.
Persistente entre Sessões: Os dados sobrevivem a reinicializações e estão disponíveis em novas conversas.
Escopado e Estruturado: Suporta memória em nível de usuário, projeto ou conversa com uma modelagem limpa de entidade-relacionamento.
Leve e Local-First: Executa via npx, Docker ou instalação local com dependências mínimas.
Conformidade com o Padrão MCP: Descoberta completa de ferramentas, interface JSON-RPC e integração perfeita com qualquer cliente MCP.
Fundação Extensível: Serve como ponto de partida para implementações avançadas (busca vetorial, bancos de dados de grafos como Neo4j ou sistemas híbridos).

Casos de Uso

Continuidade entre Sessões: Claude ou Cursor lembra a arquitetura do projeto, preferências de codificação e decisões passadas sem precisar reexplicar.
Rastreamento de Preferências do Usuário: Armazena preferências de estilo, escolhas de ferramentas ou hábitos de fluxo de trabalho para assistência personalizada.
Base de Conhecimento do Projeto: Constrói um grafo vivo de fatos sobre a base de código, resoluções de bugs e escolhas de design.
Colaboração Multi-Agente: Compartilha memória entre diferentes agentes de IA ou sessões em fluxos de trabalho complexos.
Aprendizado de Longo Prazo: Agentes acumulam conhecimento ao longo de semanas ou meses, melhorando a eficiência e reduzindo o desperdício da janela de contexto.

Instalação e Início Rápido

Usando npx (Mais Fácil)

npx -y @modelcontextprotocol/server-memory

Configuração para Claude Desktop / Cursor

Adicione ao seu arquivo de configuração MCP (por exemplo, claude_desktop_config.json ou .cursor/mcp.json):

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

Opção Docker

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

Uma vez em execução, os agentes de IA podem usar ferramentas como create_entity, add_observation, search_memories e get_graph para interagir com o armazenamento de memória persistente.

Por que o Memory MCP?

Os LLMs são poderosos, mas "esquecem" o contexto entre sessões. O Memory MCP os transforma em parceiros com estado, fornecendo uma maneira padronizada, segura e descobrível de manter o contexto de longo prazo. Ele reduz drasticamente o uso de tokens (não há necessidade de colar o histórico toda vez) e permite fluxos de trabalho mais naturais e contínuos.

A implementação oficial utiliza um grafo de conhecimento local simples, tornando-o rápido, privado e fácil de auto-hospedar. Extensões da comunidade adicionam busca vetorial, backends Neo4j ou capacidades híbridas (semânticas + grafo) para sistemas de memória ainda mais ricos.

Dicas Avançadas e Ecossistema

Combine com a Continuidade de Threads do Claude ou outros servidores MCP para ter memória completa de conversas + projetos.
Para configurações de produção ou multi-usuário, considere forks da comunidade com backends como SQLite, MongoDB, Qdrant ou Neo4j.
Use em conjunto com ferramentas como uv-mcp, playwright-mcp ou postgres-mcp para fluxos de trabalho agênicos completos que tanto agem quanto lembram.
Monitore o crescimento do armazenamento e implemente políticas de limpeza para uso em larga escala.

memory mcp