Retrouvez vos décisions
Notez pourquoi vous avez choisi une bibliothèque ou modifié l'architecture. Retrouvez l'explication plus tard sans fouiller dans d'anciennes conversations.
MCP Memory Service
Les décisions, préférences et solutions d'un projet devraient rester disponibles d'une session à l'autre. MCP Memory Service enregistre ces connaissances sur votre propre système, pour que Claude Code et d'autres assistants IA puissent les consulter.
Une base de connaissances partagée pour travailler avec des assistants IA, accessible via MCP, l'API REST ou la CLI.
Notez pourquoi vous avez choisi une bibliothèque ou modifié l'architecture. Retrouvez l'explication plus tard sans fouiller dans d'anciennes conversations.
Retrouvez des solutions enregistrées même si vous formulez la question autrement. Les étiquettes permettent de limiter la recherche à un projet ou à un sujet.
Commencez en local avec SQLite et la recherche vectorielle. Cette configuration ne nécessite ni stockage dans le cloud ni API payante pour générer les embeddings.
Il vous faut Python 3.10 ou une version ultérieure, ainsi que Claude Code installé. Vous pouvez aussi connecter d'autres clients via MCP ; le guide en anglais explique comment les configurer.
pip install 'mcp-memory-service[sqlite]'Installez le paquet dans un environnement Python dont les commandes sont accessibles à votre client.
claude mcp add memory -- memory serverLancez la commande depuis le répertoire du projet, puis redémarrez Claude Code. Au premier démarrage, le modèle local d'embeddings est téléchargé.
Demandez à votre client d'enregistrer une préférence du projet et vérifiez que l'appel à l'outil a abouti. Interrogez-le ensuite sur cette préférence dans une nouvelle session : vous confirmez ainsi que l'information est enregistrée puis retrouvée.
Non. Connecter le service via MCP ne suffit pas : votre client doit appeler les outils de mémoire. Les hooks optionnels et l'import de sessions nécessitent leur propre configuration.
Avec la configuration SQLite locale, les souvenirs sont stockés sur votre système et les embeddings sont calculés localement. Les données que votre client IA envoie au fournisseur du modèle dépendent du client lui-même. Le stockage Cloudflare et la synchronisation sont des options qui se configurent séparément.
Non. En plus de MCP, le service propose une API REST et une CLI. Vous pouvez connecter d'autres clients compatibles ainsi que vos propres applications.
Le service est open source et distribué sous licence Apache 2.0. Vous pouvez l'héberger vous-même. Votre client IA, l'hébergement et les services externes optionnels peuvent entraîner des coûts supplémentaires.