MCP Mem AI

MCP文档知识

提供方 maplehilllabs

文档知识 stdio · 本地进程 API Key 社区 / 第三方 Claude DesktopClaude
查看接入方式

一个生产就绪的模型上下文协议(MCP)服务器,为AI助手提供智能访问Mem.ai知识管理平台的能力。

一句话选型结论

按资料字段整理

MCP Mem AI 属于文档知识类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude Desktop、Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类文档知识 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 4 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

文档知识
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

知识管理Python本地部署AI助手笔记管理内容处理生产就绪

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
pip install -e .

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
文档检索问答

在你的文档库里按问题找答案。

知识库读写

把新资料写进知识库,随用随取。

内容整理

把零散资料归纳成结构化笔记。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在文档知识场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Mem AI当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
dify 未标注 stdio · 本地进程 本地部署 有 2026-04-11
open-webui 未标注 stdio · 本地进程 本地部署 有 2026-04-11
JeecgBoot 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Cherry Studio 未标注 未标注 未标注 无 2026-05-17
mempalace 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

文档知识
字段来自项目仓库与公开索引,中文说明由本站标注
提供方maplehilllabs上游标注的维护方 maplehilllabs
分类文档知识本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

7.1 KB
来自项目仓库与上游目录的原文,未做删改

Mem.ai 的 MCP 服务器

一个可投入生产的模型上下文协议(MCP)服务器,为AI助手提供智能访问能力 Mem.ai(可译为“记忆人工智能”或根据具体语境调整为更贴切的表述,但直接保留原英文形式“Mem.ai”在中文中也是可接受的,尤其是在科技或特定领域术语中)的知识管理平台。

✨ 特点/功能

  • 📝(笔记/待办事项的符号,可理解为“记录”或“待办事项”) 笔记管理创建、读取和删除结构化的Markdown笔记
  • 📁 文件夹 集合将笔记组织成可搜索的集合
  • 🔒 表示“锁”或“安全”的符号,常用于表示信息或账户的安全保护状态。 类型安全完整的类型提示和Pydantic验证
  • ⚡(闪电符号,常用于表示快速、迅速或电) 异步/等待(Async/Await)全程高性能异步I/O
  • 🎯 目标 简洁的API简洁直观的AI助手界面
  • 🛡️ 译为中文是“盾牌”。这个符号通常用来表示防御、保护或安全的概念。 已准备好投入生产全面的错误处理和日志记录

📋 前提条件

  • Python 3.10或更高版本
  • Mem.ai API密钥(在这里获取一个)

🚀 快速入门

安装

  1. 克隆仓库:```bash
    git clone https://github.com/yourusername/mcp-mem.ai.git
    cd mcp-mem.ai

2. 安装依赖项:```bash
pip install -e .
  1. 设置您的环境:```bash
    cp .env.example .env

Edit .env and add your MEM_API_KEY


### 运行服务器

#### 本地开发```bash
fastmcp run src/mcp_mem/server.py

与Claude Desktop配合使用

添加到您的Claude桌面配置中(claude_desktop_config.json):```json
{
"mcpServers": {
"mem": {
"command": "python",
"args": ["-m", "mcp_mem.server"],
"env": {
"MEM_API_KEY": "your_api_key_here"
}
}
}
}


#### 与其他MCP客户端配合使用```python
from mcp_mem import mcp

# Run the server
mcp.run()

🛠️ 可用工具

1. mem_it - 智能内容处理

使用AI驱动的组织功能,保存并自动处理任何内容类型。

参数:

  • input (必填):要保存的内容(文本、HTML、Markdown 等)
  • instructions (可选):处理说明
  • context (可选):为组织提供的额外背景信息
  • timestamp (可选):ISO 8601 时间戳

示例:```python
mem_it(
input="Just had a great meeting with the product team about Q1 roadmap...",
instructions="Extract key action items and decisions",
context="Product Planning"
)


### 2. `create_note` - 创建结构化票据

创建一个Markdown格式的笔记,对内容和组织结构进行明确控制。

**参数:**

- `content` (必需):Markdown 格式的内容
- `collection_ids` (可选):集合 UUID 列表
- `collection_titles` (可选):收藏集标题列表

**示例:**```python
create_note(
content="""# Team Standup - Jan 15, 2024

## Completed
- Feature X shipped to production
- Bug fixes for issue #123

## In Progress
- Working on Feature Y
- Code review for PR #456

## Blockers
- Waiting for API access
""",
collection_titles=["Team Meetings", "Engineering"]
)

3. read_note - 阅读便签

通过ID检索笔记的完整内容和元数据。

参数:

  • note_id (必填):笔记的 UUID

示例:```python
read_note("01961d40-7a67-7049-a8a6-d5638cbaaeb9")


### 4. `delete_note` - 删除笔记

按ID永久删除一条笔记。

**参数:**

- `note_id` (必填):笔记的 UUID

**示例:**```python
delete_note("01961d40-7a67-7049-a8a6-d5638cbaaeb9")

5. create_collection - 创建收藏夹

创建一个新集合来整理相关笔记。

参数:

  • title (必填):集合标题
  • description (可选):使用Markdown格式的描述

示例:```python
create_collection(
title="Project Apollo",
description="""# Project Apollo

All notes related to the Apollo project including:
- Meeting notes
- Technical specifications
- Customer feedback
"""
)


### 6. `delete_collection` - 删除集合

删除一个集合(笔记保留,只是不再关联)。

**参数:**

- `collection_id` (必填):集合的UUID

**示例:**```python
delete_collection("5e29c8a2-c73b-476b-9311-e2579712d4b1")

⚙️ 配置

配置是通过环境变量完成的。复制 .env.example to .env 并进行定制:```bash

Required: Your Mem.ai API key

MEM_API_KEY=your_api_key_here

Optional: Custom API endpoint (default: https://api.mem.ai/v2)

MEM_API_BASE_URL=https://api.mem.ai/v2

Optional: Request timeout in seconds (default: 30)

MEM_REQUEST_TIMEOUT=30

Optional: Enable debug logging (default: false)

MEM_DEBUG=false


## 🏗️ 建筑学```
src/mcp_mem/
├── __init__.py      # Package initialization
├── models.py        # Pydantic data models
├── client.py        # Mem.ai API client
└── server.py        # MCP server implementation

关键组件

  • models.py用于请求/响应验证的 Pydantic 模型
  • client.pyMem.ai API的异步HTTP客户端封装
  • server.py带有工具实现的FastMCP服务器

🧪 测试

运行测试套件:```bash

Install dev dependencies

pip install -e ".[dev]"

Run all tests

pytest

Run with coverage

pytest --cov=mcp_mem --cov-report=html

Run specific test file

pytest tests/test_client.py


## 🔍 错误处理

服务器提供了清晰、可操作的错误信息:

- `MemAuthenticationError`API密钥无效或缺失
- `MemNotFoundError`资源(笔记/集合)未找到
- `MemValidationError`无效的请求参数
- `MemAPIError`通用API错误

所有错误都会被记录下来,并连同有用的上下文信息一起返回给AI助手。

## 📚 示例

查看 `examples/` 完整使用示例目录:

- `basic_usage.py`每种工具的简单示例
- `advanced_usage.py`复杂的工作流程和模式

## 🤝 贡献

欢迎贡献!请随时提交拉取请求。

1. 为仓库创建分支(或:克隆仓库)
1. 创建你的特性分支(`git checkout -b feature/amazing-feature`)
1. 提交您的更改(`git commit -m 'Add amazing feature'`)
1. 推送至分支(`git push origin feature/amazing-feature`)
1. 提交一个拉取请求

## 📄 许可证

此项目遵循MIT许可证授权——详见 许可证 详情见文件。

## 🔗 链接

- Mem.ai API 文档
- 模型上下文协议
- FastMCP - MCP服务器框架

## 💡 应用场景

- **会议纪要**自动处理并整理会议记录
- **研究**保存并分类研究论文、文章和研究成果
- **客户反馈**收集并整理客户对话
- **知识库**构建一个可搜索的知识库
- **个人记忆**记录想法、思绪和所学

## 🐛 故障排除

### 认证错误```
MemAuthenticationError: MEM_API_KEY environment variable or api_key parameter is required

解决方案设定你的 MEM_API_KEY 在……中 .env 文件或环境。

连接超时```

httpx.ReadTimeout: timeout


**解决方案**增加 `MEM_REQUEST_TIMEOUT` 在你的 `.env` 文件。

### 无效的UUID```
MemValidationError: invalid UUID format

解决方案确保笔记/收藏ID是来自Mem.ai的有效UUID。


常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
MCP Mem AI 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

MCP Mem AI 怎么在 Claude Desktop、Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Mem AI 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Mem AI 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

MCP Mem AI 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Mem AI 能提供哪些能力?

资料显示能力标签包括 知识管理、Python、Claude、生产就绪。具体工具清单以官方文档为准。

MCP Mem AI 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

MCP Mem AI 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。