OpenMemory MCP

Présentation

OpenMemory MCP est un serveur de mémoire open-source et local-first construit sur le protocole de contexte de modèle (MCP). Il fournit une infrastructure de mémoire standardisée permettant aux clients IA de partager et de persister le contexte entre les sessions et applications sans dépendre du stockage cloud, garantissant ainsi la pleine propriété et la confidentialité des données stockées. :contentReference[oaicite:0]{index=0}

Le projet a été présenté par Mem0 en mai 2025 et a rapidement suscité de l'intérêt comme couche fondamentale pour les outils IA nécessitant de conserver et d'interroger la mémoire utilisateur ou système à travers les workflows. :contentReference[oaicite:1]{index=1}

Fonctionnalités

• Architecture Local-First : Fonctionne entièrement sur la machine de l'utilisateur sans synchronisation automatique dans le cloud, protégeant la confidentialité et le contrôle. :contentReference[oaicite:2]{index=2}
• APIs MCP standardisées : Expose des opérations centrales telles que add_memories, search_memory, list_memories et delete_all_memories pour la gestion persistante de la mémoire. :contentReference[oaicite:3]{index=3}
• Partage de contexte entre clients : Permet au contexte stocké par un outil compatible MCP (ex : Claude Desktop) d'être récupéré par un autre (ex : Cursor). :contentReference[oaicite:4]{index=4}
• Tableau de bord unifié : Interface web intégrée pour parcourir, gérer et contrôler la mémoire et l'accès des clients en temps réel. :contentReference[oaicite:5]{index=5}
• Recherche sémantique : Utilise une recherche vectorielle (via des bases de données comme Qdrant) pour récupérer les mémoires en fonction de leur sens. :contentReference[oaicite:6]{index=6}

Cas d'utilisation

• Mémoire de projet persistante : Stockez les détails clés, préférences ou contexte une seule fois et réutilisez-les entre sessions et outils sans répétition de saisie. :contentReference[oaicite:7]{index=7}
• Collaboration inter-outils : Maintenir un contexte partagé dans des workflows complexes impliquant plusieurs clients IA (ex : planification dans un outil et exécution dans un autre). :contentReference[oaicite:8]{index=8}
• Flux de travail pour développeurs : Les développeurs bénéficient d'un contexte cohérent lorsqu'ils passent d'un environnement ou outil à l'autre, réduisant la charge et améliorant la productivité. :contentReference[oaicite:9]{index=9}

Architecture

OpenMemory MCP utilise des microservices conteneurisés, des bases de données vectorielles pour l'indexation sémantique et des événements serveur (SSE) pour les mises à jour en temps réel entre clients connectés. Il peut être configuré via Docker et interfacé avec les clients MCP via les endpoints REST/SSE du protocole. :contentReference[oaicite:10]{index=10}

Démarrage

Le serveur peut être lancé localement en clonant le dépôt, en satisfaisant les prérequis (Docker, clé API OpenAI pour certaines configurations) et en exécutant les scripts de déploiement fournis. Une fois en fonctionnement, les outils IA prenant en charge MCP peuvent se connecter au endpoint du serveur pour stocker et récupérer les données de mémoire. :contentReference[oaicite:11]{index=11}

Avantages et considérations

Avantages : Toutes les mémoires restent locales et sous contrôle de l'utilisateur ; standardise le partage de mémoire entre outils IA ; évite la surcharge liée à la réinsertion répétée du contexte. :contentReference[oaicite:12]{index=12} Considérations : Nécessite installation et configuration (ex : Docker) ; compatibilité client MCP nécessaire pour l'intégration. :contentReference[oaicite:13]{index=13}

Communauté et contributions

OpenMemory MCP est open-source, avec contributions encouragées via le dépôt GitHub. La documentation, les tableaux de bord et les guides aident les développeurs et utilisateurs avancés à étendre ou personnaliser le système. :contentReference[oaicite:14]{index=14}