superlocalmemory

superlocalmemory

qualixarv4.2.34AGPL-3.0
290 звёзд37 форков
SuperLocalMemory — MCP-сервер, который даёт искусственному интеллекту долговременную память. Он хранит историю диалогов, код, заметки и факты прямо на вашем компьютере — полностью локально, без отправки данных в облачные сервисы. В основе сервера лежит комбинация графов знаний (CozoDB) и векторного поиска (LanceDB). AI-агент не просто ищет по ключевым словам — благодаря графу знаний он понимает связи между разными фрагментами информации. Сервер автоматически встраивает релевантные воспоминания в текущий контекст (Context Injection v2), чтобы модель всегда помнила, что вы обсуждали раньше. Проект создан разработчиком qualixar, опирается на три опубликованные научные работы и доступен бесплатно.
  • Сервер сообщества
  • Локальный запуск (stdio)
  • Python
  • Лицензия AGPL-3.0
  • Обновлён 21 ноября 2026 г.
Подключение

Подключить superlocalmemory

Выберите способ запуска и свой MCP-клиент. Ниже останется одна готовая инструкция, которую можно проверить и скопировать.

1

Способ подключения

2

Куда подключить

3

Скопируйте и проверьте

Claude Desktop / Claude Code

Локальный MCP-сервер запускается этой командой из конфигурации выбранного клиента.

  1. 1.Откройте настройки MCP в Claude.
  2. 2.Добавьте сервер с указанной командой и переменными окружения.
  3. 3.Перезапустите Claude, если сервер не появился автоматически.
json
{
  "mcpServers": {
    "superlocalmemory": {
      "command": "npx",
      "args": [
        "-y",
        "superlocalmemory"
      ]
    }
  }
}

Перед подключением сверьте команду с README проекта, замените шаблонные токены и предоставьте только необходимые права доступа.

Характеристики

Общее

  • СтатусСообщество
  • Разработчикqualixar
  • Версияv4.2.34
  • ЛицензияAGPL-3.0
  • Последний релиз21.11.2026
  • Активность источника21.11.2026

Технологии

  • Языки
    Python
  • Транспорт
    stdio — локальный запуск

Описание

Возможности

  • Гибридный поиск: комбинирует векторные эмбеддинги и графовые связи для точного извлечения информации.
  • Шестиканальная память: сервер одновременно использует несколько каналов (Core Memory, Working Memory, Archival и др.), обеспечивая время отклика менее 1 секунды.
  • Автоматическая инъекция контекста: релевантные воспоминания из прошлых сессий подмешиваются в промпт AI-модели без вашего участия.
  • Явное закрепление (pinning): фиксирует важные факты или инструкции, чтобы они не терялись со временем.
  • Более 17 MCP-инструментов: доступны десятки команд для управления памятью, поиска и анализа.
  • Мультиязычная поддержка: встроенные эмбеддинги корректно работают с 30+ языками, включая русский.
  • Автоматическая миграция: база данных обновляется без ручного вмешательства и без потери хранящихся данных.
  • Два интерфейса: работа через MCP (для Claude, Cursor, Windsurf) и через CLI (для скриптов и терминала).

Как подключить

Установите сервер одной командой через NPM:

npx -y superlocalmemory

Для Python-окружения:

pip install -U superlocalmemory && slm restart

Добавьте сервер в конфигурацию MCP-клиента. Пример для Claude Desktop:

{ "mcpServers": { "superlocalmemory": { "command": "npx", "args": ["-y", "superlocalmemory"] } } }

Перезапустите клиент. Сервер автоматически создаст базу данных и будет готов к работе.

Примеры запросов

  • «Найди в моей памяти информацию по архитектуре микросервисов, которую я сохранял в прошлом месяце».
  • «Запомни: для продакшена мы используем FastAPI, PostgreSQL и Redis. Закрепи этот факт».
  • «Покажи, как related topics по проекту DataPipeline связаны с нашими решениями по инфраструктуре».
  • «Добавь в долговременную память итоги встречи от 15 октября и установи связь с задачами из бэклога».

Технические детали

  • Язык реализации: Python
  • Транспорт: stdio (MCP)
  • Базы данных: CozoDB (графы знаний), LanceDB (векторные эмбеддинги)
  • Лицензия: AGPL-3.0 (открытый исходный код)
  • Совместимые клиенты: Claude Desktop, Claude Code, Cursor, Windsurf, Continue.dev и любые другие MCP-клиенты
  • Статус проекта: активно развивается, 3 опубликованные научные работы

Поделиться