Memlord

個人利用とチーム向けのセルフホスト可能な MCP メモリサーバー

クイックスタート • 仕組み • MCP ツール • 設定 • 要件 • ライセンス

---

✨ 機能

• 🔍 ハイブリッド検索 — BM25 (全文検索) + ベクトル KNN (pgvector) を Reciprocal Rank Fusion で統合
• 📂 マルチユーザー — 各ユーザーは自分のメモリのみを閲覧できます。チームの共有ナレッジベース用のワークスペースも利用可能
• 🛠️ 11 個の MCP ツール — 保存、取得、呼び出し、一覧表示、タグ検索、取得、更新、削除、移動、ワークスペース一覧表示、dream レポート
• 💤 Dreaming — ガイド付きの統合パス (dream MCP プロンプト + dream_report ツール): ほぼ重複したメモリや競合するメモリを検出し、クライアント LLM によって非破壊的にインサイトへマージします
• 🌐 Web UI — ブラウザでメモリを閲覧、検索、編集、削除できます。JSON のエクスポート/インポートにも対応
• 🔒 OAuth 2.1 — 完全なインプロセス認可サーバーを常時有効化
• 🐘 PostgreSQL — 埋め込みには pgvector、全文検索には tsvector を使用
• 📊 段階的な開示 — 検索はデフォルトでコンパクトなスニペットを返します。必要なものだけに対して get_memory(name) を呼び出すことで、 トークン使用量を削減できます
• 🔁 重複排除 — 保存前にほぼ同一のメモリを自動検出し、ノイズの蓄積を防ぎます

---

🆚 Memlord の比較

	Memlord	OpenMemory	mcp-memory-service	basic-memory
検索	BM25 + ベクトル + RRF	ベクトルのみ（Qdrant）	BM25 + ベクトル + RRF	BM25 + ベクトル
埋め込み	ローカル ONNX、設定不要	デフォルトは OpenAI、Ollama は任意	ローカル ONNX、設定不要	ローカル FastEmbed
ストレージ	PostgreSQL + pgvector	PostgreSQL + Qdrant	SQLite-vec / Cloudflare Vectorize	SQLite + Markdown ファイル
マルチユーザー	✅	❌ 実質シングルユーザー	⚠️ エージェント ID によるスコープ分け、分離なし	❌
ワークスペース	✅ 共有 + 個人、招待リンク	⚠️ 「Apps」名前空間	⚠️ タグ + conversation_id	✅ プロジェクト単位のフラグ
認証	✅ OAuth 2.1	❌ なし（セルフホスト）	✅ OAuth 2.0 + PKCE	❌
Web UI	✅ 閲覧、編集、エクスポート	✅ Next.js ダッシュボード	✅ リッチ UI、グラフ可視化、品質スコア	❌ ローカルのみ、クラウド非対応
MCP ツール	11	5	15+	~20
セルフホスト可能	✅ 単一プロセス	✅ Docker（3 コンテナ）	✅	✅
メモリ入力	手動（明示的な保存）	LLM による自動抽出	手動	手動（Markdown ノート）
メモリの種類	fact / preference / instruction / feedback / decision / insight	自動抽出されたファクト	—	オブザベーション + wiki リンク
時間を考慮した検索	✅ 自然言語の日付	⚠️ REST のみ、MCP ツールでは未対応	—	✅ recent_activity
トークン効率	✅ 段階的な開示	❌	—	✅ build_context トラバーサル
インポート / エクスポート	✅ JSON	✅ ZIP（JSON + JSONL）	—	✅ Markdown（人間が読める形式）
ライセンス	AGPL-3.0 / Commercial	Apache 2.0	Apache 2.0	AGPL-3.0
競合が真に優位に立つ点:

• OpenMemory — 生の会話テキストからメモリを自動抽出します。何を手動で保存するかを決める必要がありません。インポート/エクスポートも良好です
• mcp-memory-service — よりリッチな Web UI(グラフ可視化、品質スコアリング、8 つのタブ)。より寛容なライセンス(Apache 2.0)。複数のトランスポートオプション(stdio、SSE、HTTP)
• basic-memory — メモリは人間が読める Markdown ファイルで、サーバーなしで編集、バージョン管理、閲覧ができます。Wiki スタイルのエンティティリンクがローカルナレッジグラフを形成します。約 20 の MCP ツール

Memlord を選ぶべき場合:

• ゼロ設定のローカル埋め込みが欲しい — ONNX モデルがサーバーに同梱されており、Ollama や外部 API は不要です
• 適切な OAuth 2.1 認証と招待ベースのワークスペースを備えたマルチユーザーチームサーバーを運用している
• 単一マシンの SQLite を超えてスケールする本番グレードのデータベース(PostgreSQL)が欲しい
• メモリを明示的に管理する — LLM が抽出を決めたすべてではなく、重要なものだけを型付けしてタグ付けして保存する
• クラウドサブスクリプションなしで、完全な CRUD と JSON エクスポートを備えたセルフホスト可能な Web UIが欲しい

---

🚀 クイックスタート

🐳 Docker

cp .env.example .env
docker compose up

HTTP サーバー(マルチユーザー、Web UI、OAuth)

# Install dependencies
uv sync --dev

# Download ONNX model (~23 MB)
uv run python scripts/download_model.py

# Run migrations
alembic upgrade head

# Start the server
memlord

Web UI は http://localhost:8000 を開いてください。MCP エンドポイントは /mcp にあります。

---

🔍 仕組み

各検索リクエストは BM25 とベクトル KNN を並列で実行し、Reciprocal Rank Fusion を介して結果をマージします:

flowchart TD
    Q([query]) --> BM25["BM25\nsearch_vector @@ websearch_to_tsquery"]
    Q --> EMB["ONNX embed\nparaphrase-multilingual-MiniLM-L12-v2 · 384d · local"]
    EMB --> KNN["KNN\nembedding <=> query_vector\ncosine distance"]
    BM25 --> RRF["RRF fusion\nscore = 1/(k+rank_bm25) + 1/(k+rank_vec)\nk=60"]
    KNN --> RRF
    RRF --> R([top-N results])

---

⚙️ 設定

すべての設定は MEMLORD_ プレフィックスを使用します。完全なリストは.env.exampleを参照してください。

変数	デフォルト	説明
MEMLORD_DB_URL	postgresql+asyncpg://postgres:postgres@localhost/memlord	PostgreSQL 接続 URL
MEMLORD_PORT	8000	サーバーポート
MEMLORD_BASE_URL	http://localhost:8000	OAuth 用の公開 URL(HTTP モード)
MEMLORD_OAUTH_JWT_SECRET	memlord-dev-secret-please-change	JWT 署名シークレット(HTTP モード)

デプロイ前に MEMLORD_BASE_URL を公開 URL に設定し、MEMLORD_OAUTH_JWT_SECRET を変更してください。

---

🛠️ MCP ツール

ツール	説明
store_memory	メモリを保存します（内容に対して冪等）。ほぼ重複する場合はエラーを発生させます。任意で expires_at を指定できます
retrieve_memory	ハイブリッドなセマンティック検索 + 全文検索。デフォルトではスニペットを返します
recall_memory	自然言語の時間表現で検索します。デフォルトではスニペットを返します
list_memories	型/タグフィルター付きのページネーションされた一覧
search_by_tag	AND/OR タグ検索
get_memory	名前で単一のメモリを完全な内容とともに取得します（期限切れも含む）
update_memory	名前で内容、型、タグ、メタデータ、または有効期限を更新します（任意で名前変更も可能）
delete_memory	名前で削除します
move_memory	メモリを別のワークスペースに移動します
list_workspaces	自分がメンバーであるワークスペース（個人用を含む）を一覧表示します
dream_report	読み取り専用の統合候補：類似するメモリのペア、期限切れおよびまもなく期限切れになるメモリ

dream MCP プロンプトは、クライアント LLM を dream_report の出力に対する完全な統合パスへと導きます：類似するペアを分類し（重複 / 補完 / 競合）、insight メモリへマージし、expires_at によって置き換えられたものを退役させます — 決して破壊的にではなく。

ワークスペースの管理（作成、招待、参加、脱退）は Web UI で行います。

---

💻 システム要件

• Python 3.12
• PostgreSQL ≥ 15（pgvector 拡張機能付き）
• uv — Python パッケージマネージャー

---

👨‍💻 開発

pyright src/           # type check
ruff format .          # format
pytest                 # run tests
alembic-autogen-check  # verify migrations are up to date

---

📄 ライセンス

Memlord はデュアルライセンスです：

• AGPL-3.0 — オープンソースでの使用は無料です。改変したバージョンをネットワークサービスとして実行する場合、ソースコードを公開する必要があります。
• 商用ライセンス — プロプライエタリまたはクローズドソースのデプロイ向けです。購入については [email protected] または [email protected] までお問い合わせください。