a2a mcp
Deutsch
Back to MCP Servers
OpenMemory MCP logo
mcp-server356

OpenMemory MCP

OpenMemory MCP ist ein lokal-fokussierter, datenschutzorientierter Speicherserver, der das Model Context Protocol (MCP) implementiert und persistierenden, gemeinsamen Speicher zwischen kompatiblen KI-Clients ermöglicht.

Übersicht

OpenMemory MCP ist ein Open-Source-Server für lokal-fokussierten Speicher, der auf dem Model Context Protocol (MCP) basiert. Er bietet eine standardisierte Speicherinfrastruktur, die es KI-Clients ermöglicht, Kontext über Sitzungen und Anwendungen hinweg zu teilen und persistent zu speichern, ohne auf Cloud-Speicher angewiesen zu sein – und gewährleistet so vollständiges Eigentum und Datenschutz für gespeicherte Daten. :contentReference[oaicite:0]{index=0}

Das Projekt wurde im Mai 2025 von Mem0 vorgestellt und zog schnell Aufmerksamkeit als fundamentale Schicht für KI-Tools auf sich, die Benutzer- oder Systemgedächtnis über Workflows hinweg behalten und abfragen müssen. :contentReference[oaicite:1]{index=1}

Funktionen

  • Lokal-priorisierte Architektur: Läuft vollständig auf dem Gerät des Benutzers ohne automatische Cloud-Synchronisation und schützt so Privatsphäre und Kontrolle. :contentReference[oaicite:2]{index=2}
  • Standardisierte MCP-APIs: Bietet Kernoperationen wie add_memories, search_memory, list_memories und delete_all_memories für die persistente Speicherverwaltung. :contentReference[oaicite:3]{index=3}
  • Kontext-Sharing zwischen Clients: Ermöglicht es, dass von einem MCP-kompatiblen Tool (z. B. Claude Desktop) gespeicherter Kontext von einem anderen Tool (z. B. Cursor) abgerufen werden kann. :contentReference[oaicite:4]{index=4}
  • Einheitliches Dashboard: Integrierte Web-Oberfläche zum Durchsuchen, Verwalten und Steuern von Speicher und Client-Zugriff in Echtzeit. :contentReference[oaicite:5]{index=5}
  • Semantische Suche: Nutzt vektorbasierte Suche (z. B. über Datenbanken wie Qdrant), um Speicherinhalte auf Basis ihrer Bedeutung abzurufen. :contentReference[oaicite:6]{index=6}

Anwendungsfälle

  • Persistenter Projekt-Speicher: Speichern Sie wichtige Details, Präferenzen oder Kontext einmal und verwenden Sie sie in mehreren Sitzungen und Tools wieder, ohne sie erneut eingeben zu müssen. :contentReference[oaicite:7]{index=7}
  • Tool-übergreifende Zusammenarbeit: Behalten Sie gemeinsam genutzten Kontext in komplexen Workflows mit mehreren KI-Clients bei (z. B. Planung in einem Tool, Ausführung in einem anderen). :contentReference[oaicite:8]{index=8}
  • Entwickler-Workflows: Entwickler profitieren von konsistentem Kontext beim Wechsel zwischen Umgebungen oder Tools, was den Aufwand reduziert und die Produktivität steigert. :contentReference[oaicite:9]{index=9}

Architektur

OpenMemory MCP nutzt containerisierte Microservices, Vektordatenbanken für semantisches Indexing und Server-Sent Events (SSE) für Echtzeit-Updates zwischen verbundenen Clients. Es kann über Docker eingerichtet und über die REST/SSE-Endpunkte des MCP-Protokolls mit Clients verbunden werden. :contentReference[oaicite:10]{index=10}

Erste Schritte

Der Server kann lokal gestartet werden, indem das Repository geklont, die Voraussetzungen erfüllt (Docker, OpenAI API-Schlüssel für bestimmte Konfigurationen) und die bereitgestellten Deploy-Skripte ausgeführt werden. Nach dem Start können MCP-kompatible KI-Tools die Endpunkte des Servers verbinden, um Speicher zu speichern und abzurufen. :contentReference[oaicite:11]{index=11}

Vorteile und Hinweise

Vorteile: Alle Speicher bleiben lokal und unter Benutzerkontrolle; standardisiert, wie KI-Tools Speicher teilen; vermeidet Token-Overhead durch wiederholte Kontext-Eingabe. :contentReference[oaicite:12]{index=12} Hinweise: Installation und Einrichtung erforderlich (z. B. Docker); MCP-Client-Kompatibilität für die Integration notwendig. :contentReference[oaicite:13]{index=13}

Community und Beiträge

OpenMemory MCP ist Open-Source und Beiträge über das GitHub-Repository sind willkommen. Dokumentation, Dashboards und Anleitungen helfen Entwicklern und Power-Usern, das System zu erweitern oder anzupassen. :contentReference[oaicite:14]{index=14}

Tags

MCPSpeicherKIOpen-Sourcelokal-priorisiertKontext-Sharing

Related Entries

Keep exploring similar tools and resources in this category.

Browse MCP Servers
Hyper3D MCP logo

Hyper3D MCP

MCP Servers

Hyper3D MCP is Hyper3D's hosted Rodin MCP server for creating 3D assets from natural-language instructions or supported references, checking asynchronous generation progress, and retrieving model download links inside AI coding clients. Official setup is documented for Codex, Claude Code, and Kimi Code CLI.

Semrush MCP Server logo

Semrush MCP Server

MCP Servers

Semrush MCP connects AI assistants to Semrush APIs for keyword, backlink, website traffic and market research.

Browserbase MCP Server logo

Browserbase MCP Server

MCP Servers

Browserbase MCP gives AI agents browser automation tools powered by Stagehand and Browserbase browser sessions.

SerpApi MCP Server logo

SerpApi MCP Server

MCP Servers

SerpApi MCP exposes search engine results to AI assistants through SerpApi, supporting live research and structured search data retrieval.

Similarweb MCP Server logo

Similarweb MCP Server

MCP Servers

Similarweb MCP brings website traffic and digital market intelligence into AI assistants for competitive research.

AgentQL MCP Server logo

AgentQL MCP Server

MCP Servers

AgentQL MCP connects AI agents to AgentQL web extraction, returning structured information from web pages for research and automation.

a2a mcp

Search the directory

Find entries, skills, articles, and categories. Use arrow keys to select and Enter to open.