MCP-Mem0: Long-Term Memory for AI Agents

MCP-Mem0：AI エージェント向けの長期メモリ

AI エージェントに永続的なメモリ機能を提供するため、Mem0 と統合した Model Context Protocol (MCP) サーバーのテンプレート実装です。

これを参考にして独自の MCP サーバーを構築するか、AI コーディングアシスタントに例として渡し、構造とコードの正確性についてこの例に従うよう指示してください！

概要

このプロジェクトでは、AI エージェントがセマンティック検索を使用してメモリを保存、取得、検索できる MCP サーバーの構築方法を紹介します。Mem0 のみを使用した実用的な例を通じて、独自の MCP サーバーを作成するための実践的なテンプレートを提供します。

この実装は、MCP サーバー構築に関して Anthropic が定めたベストプラクティスに従っており、あらゆる MCP 対応クライアントとシームレスに統合できます。

機能

サーバーは、次の3つの基本的なメモリ管理ツールを提供します。

1. save_memory：セマンティックインデックスを使用して、あらゆる情報を長期メモリに保存します
2. get_all_memories：保存されているすべてのメモリを取得し、包括的なコンテキストを提供します
3. search_memories：セマンティック検索を使用して、関連するメモリを見つけます

前提条件

• Python 3.12+
• Supabase または任意の PostgreSQL データベース（メモリのベクトルストレージ用）
• 選択した LLM プロバイダー（OpenAI、OpenRouter、Ollama）の API キー
• MCP サーバーをコンテナとして実行する場合は Docker（推奨）

インストール

uv を使用する場合

1. uv がインストールされていない場合は、インストールします：

   pip install uv
   

2. このリポジトリをクローンします：

   git clone https://github.com/coleam00/mcp-mem0.git
   cd mcp-mem0
   

3. 依存関係をインストールします：

   uv pip install -e .
   

4. .env.example を基に .env ファイルを作成します：

   cp .env.example .env
   

5. .env ファイルで環境変数を設定します（「設定」セクションを参照）

Docker を使用する場合（推奨）

1. Docker イメージをビルドします：

   docker build -t mcp/mem0 --build-arg PORT=8050 .
   

2. .env.example を基に .env ファイルを作成し、環境変数を設定します

設定

.env ファイルでは、次の環境変数を設定できます。

変数	説明	例
TRANSPORT	トランスポートプロトコル（sse または stdio）	sse
HOST	SSE トランスポートを使用する際にバインドするホスト	0.0.0.0
PORT	SSE トランスポートを使用する際にリッスンするポート	8050
LLM_PROVIDER	LLM プロバイダー（openai、openrouter、または ollama）	openai
LLM_BASE_URL	LLM API のベース URL	https://api.openai.com/v1
LLM_API_KEY	LLM プロバイダーの API キー	sk-...
LLM_CHOICE	使用する LLM モデル	gpt-4o-mini
EMBEDDING_MODEL_CHOICE	使用する埋め込みモデル	text-embedding-3-small
DATABASE_URL	PostgreSQL 接続文字列	postgresql://user:pass@host:port/db

サーバーの実行

uv を使用する場合

SSE トランスポート

# Set TRANSPORT=sse in .env then:
uv run src/main.py

MCP サーバーは基本的に API エンドポイントとして実行されます。以下に示す設定を使用して接続できます。

Stdio トランスポート

stdio の場合、MCP クライアント自体が MCP サーバーを起動できるため、この時点で実行するものはありません。

Docker を使用する場合

SSE トランスポート

docker run --env-file .env -p:8050:8050 mcp/mem0

MCP サーバーは基本的にコンテナ内で API エンドポイントとして実行されます。以下に示す設定を使用して接続できます。

Stdio トランスポート

stdio の場合、MCP クライアント自体が MCP サーバーのコンテナを起動できるため、この時点で実行するものはありません。

MCP クライアントとの統合

SSE の設定

SSE トランスポートでサーバーを起動したら、次の設定を使用して接続できます。

{
  "mcpServers": {
    "mem0": {
      "transport": "sse",
      "url": "http://localhost:8050/sse"
    }
  }
}

Windsurf ユーザーへの注意：設定では url の代わりに serverUrl を使用してください。

{
  "mcpServers": {
    "mem0": {
      "transport": "sse",
      "serverUrl": "http://localhost:8050/sse"
    }
  }
}

n8n ユーザーへの注意：n8n は自身のコンテナーの外にあるホストマシンへアクセスする必要があるため、localhost の代わりに host.docker.internal を使用してください。

そのため、MCP ノードで使用する完全な URL は次のとおりです： http://host.docker.internal:8050/sse

デフォルトの 8050 以外の値を使用する場合は、ポートを忘れずに更新してください。

Stdio を使用する Python の設定

このサーバーを、Claude Desktop、Windsurf、その他の MCP クライアントの MCP 設定に追加してください。

{
  "mcpServers": {
    "mem0": {
      "command": "your/path/to/mcp-mem0/.venv/Scripts/python.exe",
      "args": ["your/path/to/mcp-mem0/src/main.py"],
      "env": {
        "TRANSPORT": "stdio",
        "LLM_PROVIDER": "openai",
        "LLM_BASE_URL": "https://api.openai.com/v1",
        "LLM_API_KEY": "YOUR-API-KEY",
        "LLM_CHOICE": "gpt-4o-mini",
        "EMBEDDING_MODEL_CHOICE": "text-embedding-3-small",
        "DATABASE_URL": "YOUR-DATABASE-URL"
      }
    }
  }
}

Stdio を使用する Docker の設定

{
  "mcpServers": {
    "mem0": {
      "command": "docker",
      "args": ["run", "--rm", "-i", 
               "-e", "TRANSPORT", 
               "-e", "LLM_PROVIDER", 
               "-e", "LLM_BASE_URL", 
               "-e", "LLM_API_KEY", 
               "-e", "LLM_CHOICE", 
               "-e", "EMBEDDING_MODEL_CHOICE", 
               "-e", "DATABASE_URL", 
               "mcp/mem0"],
      "env": {
        "TRANSPORT": "stdio",
        "LLM_PROVIDER": "openai",
        "LLM_BASE_URL": "https://api.openai.com/v1",
        "LLM_API_KEY": "YOUR-API-KEY",
        "LLM_CHOICE": "gpt-4o-mini",
        "EMBEDDING_MODEL_CHOICE": "text-embedding-3-small",
        "DATABASE_URL": "YOUR-DATABASE-URL"
      }
    }
  }
}

独自のサーバーを構築する

このテンプレートは、より複雑な MCP サーバーを構築するための土台となります。独自のサーバーを構築するには、次の手順を実行してください。

1. @mcp.tool() デコレーターを使ったメソッドを作成して、独自のツールを追加します
2. クライアント、データベース接続などの独自の依存関係を追加するために、独自のライフスパン関数を作成します
3. MCP サーバーに必要なヘルパー関数があれば、utils.py ファイルを変更します
4. @mcp.resource() と @mcp.prompt() を使って、プロンプトやリソースを追加することもできます