---

MCP Memory

MCP Memory 是一个 MCP 服务器，它赋予 MCP 客户端（如 Cursor、Claude 和 Windsurf 等） 在对话中记住用户信息（偏好、行为等）的能力。它使用向量搜索技术根据意义而不是仅基于关键词来查找相关的记忆。它由 Cloudflare Workers、D1、Vectorize (RAG)、持久对象 (Durable Objects)、Workers AI 和 Agents 构建而成。

📺 视频

🚀 尝试一下

https://memory.mcpgenerator.com/

🛠️ 如何部署你自己的 MCP Memory

选项 1：一键部署到 Cloudflare

在 创建 Vectorize 部分选择：

• 维度: 1024
• 度量: 余弦

点击 "创建并部署" 按钮

在 Cloudflare 仪表板中，转到 "Workers & Pages" 并点击访问

选项 2：使用此模板

1. 点击此仓库顶部的 "使用此模板" 按钮
2. 克隆你的新仓库
3. 按照以下设置说明操作

选项 3：通过 CloudFlare CLI 创建

bash npm create cloudflare@latest --git https://github.com/puliczek/mcp-memory

🔧 设置（仅适用于选项 2 和 3）

1. 安装依赖项： bash npm install

2. 创建 Vectorize 索引： bash npx wrangler vectorize create mcp-memory-vectorize --dimensions 1024 --metric cosine

3. 安装 Wrangler： bash npm run dev

4. 部署 worker： bash npm run deploy

🧠 工作原理

1. 存储记忆:

   • 你的文本通过 Cloudflare Workers AI 使用开源 @cf/baai/bge-m3 模型处理以生成嵌入
   • 文本及其向量嵌入被存储在两个地方：
     • Cloudflare Vectorize: 存储用于相似性搜索的向量嵌入
     • Cloudflare D1: 存储原始文本和元数据以保持持久性
   • 一个 持久对象 (MyMCP) 管理状态并确保一致性
   • Agents 框架处理 MCP 协议 通信

2. 检索记忆:

   • 你的查询通过 Workers AI 使用相同的 @cf/baai/bge-m3 模型转换为向量
   • Vectorize 执行相似性搜索以找到相关记忆
   • 结果按相似度得分排名
   • D1 数据库 提供匹配向量的原始文本
   • 持久对象 协调检索过程

这种架构实现了：

• 通过 Vectorize 快速向量相似性搜索
• 通过 D1 实现持久存储
• 通过持久对象实现有状态操作
• 通过 Workers AI 标准化 AI 交互
• 通过 Agents 框架实现协议合规

该系统即使在确切单词不匹配的情况下也能找到概念上相关的的信息。

🔒 安全性

MCP Memory 实施了多种安全措施来保护用户数据：

• 每个用户的记忆都存储在 Vectorize 内的 隔离命名空间 中，以实现数据分离
• 内置 速率限制 防止滥用（每分钟 100 次请求 - 你可以在 wrangler.jsonc 中更改）
• 认证仅基于 userId
  • 虽然由于速率限制这足以提供基本保护
  • 如果需要，可以轻松添加额外的身份验证层（如 API 密钥或 OAuth）
• 所有数据都存储在 Cloudflare 的安全基础设施中
• 所有通信都通过行业标准的 TLS 加密进行保护（由 Cloudflare 的 SSL/TLS 认证自动提供）## 💰 费用信息 - 对大多数用户免费

MCP Memory 在正常使用水平下是免费的：

• 免费层级允许每月存储 1,000 条记忆，约 28,000 次查询
• 使用 Cloudflare 的 Workers、Vectorize、Worker AI 和 D1 数据库的免费配额

有关 Cloudflare 定价的更多详细信息，请参阅：

• Vectorize 定价
• Workers AI 定价
• Workers 定价
• 持久对象定价
• 数据库 D1 定价

❓ 常见问题解答

1. 我可以使用 memory.mcpgenerator.com 存储我的记忆吗？

   • 是的，您可以使用 memory.mcpgenerator.com 存储和检索您的记忆
   • 该服务是免费的
   • 您的记忆将被安全存储，并且只有您自己可以访问
   • 我不能保证该服务始终可用

2. 我可以自行托管吗？

   • 是的，您可以在 Cloudflare 上免费托管自己的 MCP Memory 实例
   • 您需要一个 Cloudflare 账户以及以下服务：
     • Workers
     • Vectorize
     • D1 数据库
     • Workers AI

3. 我可以在本地运行它吗？

   • 是的，您可以为开发目的在本地运行 MCP Memory
   • 使用 wrangler dev 在本地运行 worker
   • 您需要设置 Cloudflare 服务的本地开发凭据
   • 请注意，某些功能（如向量搜索或 Workers AI）需要连接到 Cloudflare 的服务

4. 我可以使用不同的托管服务吗？

   • 不可以，MCP Memory 是专门为 Cloudflare 的基础设施设计的

5. 你为什么构建它？

   • 我想要一个开源解决方案
   • 对我个人数据的控制对我来说很重要

6. 我可以将其用于多个人吗？

   • 是的，MCP Memory 可以集成到您的应用程序中，服务于所有用户
   • 每个用户都有自己的独立记忆空间

7. 我可以用来存储记忆以外的东西吗？

   • 是的，MCP Memory 可以存储任何基于文本的信息
   • 一些实际示例：
     • 知识库：存储技术文档、程序和故障排除指南
     • 用户行为：跟踪用户如何与功能交互以及常见的使用模式
     • 项目笔记：决策和项目更新
   • 向量搜索将帮助找到相关项，无论内容类型如何

🤝 表达支持

来源

• 来源：github
• 链接：https://github.com/d0kwon/mcp-memory