Vector Memory

Происхождение не определено
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.
AI и машинное обучениеБазы данныхRedisФайлы
Подключить MCP
Подключение

Подключить Vector Memory

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

Клиент запускает MCP-сервер как локальный процесс.

  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": {
    "vector-memory": {
      "command": "uvx",
      "args": [
        "mcp-server-vector-memory"
      ]
    }
  }
}

Сгенерировано из существующей команды запуска. Желательно сверить с README.

Инструкция собрана из данных карточки и пока не отмечена как проверенная редакцией. Сверьте команду с README источника и не передавайте лишние права или секреты.

Как оценить Vector Memory

Vector Memory относится к AI и машинное обучение, Базы данных, Redis, Файлы. Ниже собраны проверяемые признаки, по которым его можно сравнить с другими серверами каталога.

Происхождение
Проект сообщества
Лицензия
Не указана
Транспорт
stdio

Что проверить перед выбором

  • Запросите ссылку на исходный код или документацию до установки.
  • Проверьте команду установки и зависимости перед запуском в рабочем окружении.
  • Ограничьте доступ MCP-сервера только нужными файлами, API и переменными окружения.

Карточка отредактирована 08.08.2026.

Автоматическая проверка источника ещё не выполнена. Внешних источников в карточке: 0.

Характеристики

Общее

  • СтатусСообщество

Технологии

  • Транспорт
    stdio

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-memory

Допишите 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.

Вопросы и ответы

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.

Vector Memory не отмечен в каталоге как официальный MCP-сервер. Перед установкой проверьте владельца репозитория, лицензию и запрашиваемые разрешения.

В карточке перечислены транспорты: stdio.

В карточке приведена команда установки или запуска: uvx mcp-server-vector-memory. Перед выполнением проверьте источник пакета и требования проекта.

MCP-сервер связан в каталоге с карточкой сервиса redis.

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.

Установите сервер через uv: uvx mcp-server-vector-memory Допишите 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.

Поделиться