Memvid MCP

memvid mcp

MCP（模型上下文协议）服务器 memvid 的 -AI代理的存储层。

该服务器封装了memvid Rust CLI，提供了40个用于持久内存管理的工具，包括混合搜索（词汇+向量）、时间索引、知识图和RAG功能。

用例

• 代理内存：通过语义搜索和时间感知，为AI代理提供跨会话的持久内存
• 文档智能：通过自动实体提取和事实跟踪摄取文档、代码和网络内容
• 知识库：使用混合词汇/向量搜索和知识图关系构建可搜索的知识库
• 审计与合规：通过引文生成和审计报告跟踪信息来源
• 会话重放：记录和回放代理会话以进行调试和分析

先决条件

• Node.js 18+
• memvid CLI 的 二进制（参见 memvid 的 用于安装）
• 可选的：矢量搜索的嵌入器配置（Embedder.toml）
• 可选的：RAG的LLM配置（LLM.toml）

安装

来源

git clone https://github.com/Tapiocapioca/memvid-mcp.git
cd memvid-mcp
npm install
npm run build

验证安装

# Test the server starts
node dist/index.js
# Should output: "memvid-mcp server started"
# Press Ctrl+C to exit

配置

环境变量

MCP 客户端安装

VS代码（副本）

添加到您的VS Code MCP设置中：

{
  "servers": {
    "memvid": {
      "command": "node",
      "args": ["/path/to/memvid-mcp/dist/index.js"],
      "env": {
        "MEMVID_PATH": "/path/to/memvid"
      }
    }
  }
}

克劳德桌面版

添加到 claude_desktop_config.json:

{
  "mcpServers": {
    "memvid": {
      "command": "node",
      "args": ["/path/to/memvid-mcp/dist/index.js"],
      "env": {
        "MEMVID_PATH": "/path/to/memvid"
      }
    }
  }
}

光标

添加到MCP设置：

{
  "memvid": {
    "command": "node",
    "args": ["/path/to/memvid-mcp/dist/index.js"],
    "env": {
      "MEMVID_PATH": "/path/to/memvid"
    }
  }
}

OpenCode

添加到 opencode.json:

{
  "mcp": {
    "memvid": {
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/memvid-mcp/dist/index.js"],
      "env": {
        "MEMVID_PATH": "/path/to/memvid"
      }
    }
  }
}

安全考虑

路径验证

服务器实现了多层路径安全：

1. 路径横向保护：块 .. 模式
2. 系统路径阻止列表：防止访问敏感目录(/etc/, /proc/, \windows\等等）
3. MCP根验证：尊重客户端提供的根边界（当客户端支持时）

加密

内存文件可以使用AES-256-GCM加密：

memvid_lock { "file": "data.mv2", "output": "data.mv2e", "password": "secret" }
memvid_unlock { "file": "data.mv2e", "output": "data.mv2", "password": "secret" }

建议

• 将内存文件存储在专用目录中
• 使用加密文件(.mv2e)敏感数据
• 在客户端中配置MCP根以限制文件访问
• 为每个项目/上下文使用单独的内存文件

可用工具（40）

生命周期（5个工具）

内容管理（7个工具）

搜索（5个工具）

分析（6个工具）

知识图谱（6个工具）

会话管理（5个工具）

加密（2个工具）

实用工具（4个工具）

示例工作流

基本内存设置

# 1. Create a new memory file
memvid_create { "file": "project.mv2" }

# 2. Ingest documentation
memvid_put { 
  "file": "project.mv2", 
  "input": "./docs", 
  "recursive": true,
  "embed": true  # Generate vector embeddings
}

# 3. Check statistics
memvid_stats { "file": "project.mv2" }

搜索和检索

# Hybrid search (lexical + vector)
memvid_find { 
  "file": "project.mv2", 
  "query": "authentication flow", 
  "mode": "hybrid",
  "limit": 5 
}

# Semantic search only
memvid_vec_search { 
  "file": "project.mv2", 
  "query": "how to handle user sessions" 
}

# RAG question answering
memvid_ask { 
  "file": "project.mv2", 
  "question": "What authentication methods are supported?" 
}

知识图谱操作

# Extract entities from all frames
memvid_enrich { "file": "project.mv2", "all": true }

# Look up an entity
memvid_who { "file": "project.mv2", "query": "OAuth" }

# Follow entity relationships
memvid_follow { 
  "file": "project.mv2", 
  "entity": "AuthService", 
  "hops": 2 
}

审计和导出

# Generate audit report with sources
memvid_audit { 
  "file": "project.mv2", 
  "query": "security requirements",
  "include_snippets": true 
}

# Export for backup
memvid_export { 
  "file": "project.mv2", 
  "output": "backup.json",
  "format": "json" 
}

会话录制

# Start recording a session
memvid_session { "file": "project.mv2", "start": "debug-session-1" }

# ... agent interactions ...

# Stop recording
memvid_session { "file": "project.mv2", "stop": true }

# Replay later
memvid_session { "file": "project.mv2", "replay": "debug-session-1" }

嵌入器配置

对于矢量搜索功能，请创建 ~/.config/memvid/embedder.toml:

[embedder]
provider = "openai"
model = "text-embedding-3-large"
api_key_env = "OPENAI_API_KEY"
dimensions = 3072

或者，对于A4F/OpenRouter兼容的API：

[embedder]
provider = "openai"
model = "provider-3/text-embedding-3-large"
base_url = "https://api.a]4f.co/v1"
api_key_env = "A4F_API_KEY"

性能特征

1. 验证嵌入器配置： memvid_config
2. 使用嵌入物重新摄入： memvid_put { ..., "embed": true }

路径验证错误

服务器根据以下内容验证所有路径：

1. 路径遍历模式(..)
2. 系统目录阻止列表
3. MCP根（如果客户端支持根功能）

确保您的路径在允许的目录内。

许可证

麻省理工学院