vector-memory
vector-memory — MCP-сервер для семантической памяти документов. Он хранит файлы в векторной базе данных Redis и находит их по смыслу, а не по точному совпадению ключевых слов.
Сервер превращает Redis в долговременную семантическую память для AI-агентов. Разработчики и инженеры используют его, чтобы ассистенты помнили прочитанные документы, извлекали контекст и ссылались на факты из прошлых сессий. Сервер работает через транспорт stdio и подключается к любому MCP-хосту.
Установка
uvx mcp-server-vector-memoryХарактеристики
Общее
- СтатусСообщество
Технологии
- Транспортstdio
Описание
Возможности
- Сохраняет документы в Redis и автоматически создаёт векторные эмбеддинги.
- Ищет документы по семантическому сходству — запрос на естественном языке возвращает самые подходящие файлы.
- Извлекает контент из сохранённых файлов для передачи в контекст AI-модели.
- Удаляет устаревшие документы из векторной базы данных.
- Использует Redis как высокопроизводительное векторное хранилище с быстрым поиском.
- Не требует точного совпадения — поиск работает по смыслу запроса.
- Поддерживает работу через MCP-протокол с любыми совместимыми клиентами.
- Устанавливается одной командой uvx, не нужно настраивать виртуальное окружение.
Как подключить
Установите сервер через uv:
uvx mcp-server-vector-memoryДопишите конфигурацию в настройки MCP-клиента. Пример для Claude Desktop:
{"mcpServers": {"vector-memory": {"command": "uvx", "args": ["mcp-server-vector-memory"], "env": {"REDIS_URL": "redis://localhost:6379"}}}}Укажите адрес Redis в REDIS_URL. Если Redis под паролем или TLS — передайте полную строку подключения.
После добавления конфигурации перезапустите клиент MCP.
Примеры запросов
- «Сохрани файл report.md в память и назови его "годовой отчёт"».
- «Найди документ, который похож на этот текст: "план развития архитектуры"».
- «Покажи все записи, связанные с требованиями к бэкенду».
- «Напомни, что мы обсуждали в документе strategy-2024.md».
Технические детали
Язык: Python
Транспорт: stdio
База данных: Redis Stack (с модулем поиска для векторных эмбеддингов)
Установка: uvx, pip
Лицензия: MIT
Совместимые клиенты: Claude Desktop, VS Code (расширение), Cursor, любой MCP-хост с поддержкой stdio.