mem0 MCP 服务器

“mem0” MCP 服务器能做什么？

mem0 MCP（模型上下文协议）服务器旨在高效管理编码偏好，通过结构化系统将 AI 助手与代码片段及相关开发上下文的存储、检索和搜索相连。作为中间件，它允许 AI 客户端通过标准化工具和端点与外部数据（如代码实现、部署指令、文档与最佳实践）交互。其主要作用是通过语义搜索、编码规范的持久化存储和完整编程模式的检索等功能，优化开发流程，并可集成到 AI IDE 或编码代理中。这不仅提升了个人，也提升了团队的生产力，让最佳实践和可复用代码易于获取。

提示模板列表

仓库或文档未提及任何提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库或文档未列出任何显式 MCP 资源。

工具列表

• add_coding_preference：存储代码片段、实现细节和编码模式，并包含依赖、版本、部署指令和用例等上下文信息。
• get_all_coding_preferences：检索所有已存储的编码偏好，便于分析、审查和完整性检查。
• search_coding_preferences：对已存储的编码偏好进行语义搜索，查找相关实现、解决方案、最佳实践和技术文档。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

MCP 服务器应用场景

• 编码偏好持久化存储：开发者可保存复杂的编码偏好，包括依赖、语言版本和部署指令，确保知识长久留存。
• 代码与模式语义搜索：用户可进行高级搜索，快速定位相关代码片段、部署指南及最佳实践，提升团队一致性和新人入职效率。
• 编码实现的审查与分析：团队可检索所有已保存的编码模式，用于代码评审、模式分析或确保最佳实践的执行。
• 与 AI IDE 集成：可与 Cursor 等工具结合，使 AI agent 能在开发环境中建议、检索或更新编码偏好。
• 文档参考与技术支持：帮助 LLM 或编码代理获取详细文档与用例，简化开发者支持，减少手动检索。

部署指南

Windsurf

1. 确保系统已安装 Python 与 uv。
2. 按照 安装说明 克隆 mem0-mcp 仓库并安装依赖。
3. 在 .env 文件中填写您的 MEM0 API key。
4. 在 Windsurf 配置中添加 mem0 MCP 服务器配置：

{
  "mcpServers": {
    "mem0-mcp": {
      "command": "uv",
      "args": ["run", "main.py"],
      "env": {
        "MEM0_API_KEY": "${MEM0_API_KEY}"
      }
    }
  }
}

5. 保存配置，重启 Windsurf，并确认服务器已运行。

注意： 如上 env 部分所示，请通过环境变量保护您的 API key。

Claude

1. 按仓库安装说明在本地搭建服务器。
2. 找到 Claude 的 MCP 服务器配置文件。
3. 添加 mem0 MCP 服务器，配置示例如下：

{
  "mcpServers": {
    "mem0-mcp": {
      "command": "uv",
      "args": ["run", "main.py"],
      "env": {
        "MEM0_API_KEY": "${MEM0_API_KEY}"
      }
    }
  }
}

4. 保存并重启 Claude 以加载 MCP 服务器。
5. 确认连通性及工具可用性。

注意： 敏感数据请使用环境变量。

Cursor

1. 按 README 克隆并安装 mem0-mcp。
2. 在 .env 文件中设置 MEM0 API key。
3. 通过 uv run main.py 启动服务器。
4. 在 Cursor 里连接 SSE 端点（http://0.0.0.0:8080/sse）。
5. 打开 Cursor Composer 并切换到 Agent 模式。

JSON 配置示例：

{
  "mcpServers": {
    "mem0-mcp": {
      "command": "uv",
      "args": ["run", "main.py"],
      "env": {
        "MEM0_API_KEY": "${MEM0_API_KEY}"
      }
    }
  }
}

注意： 请用环境变量安全存储您的 API key。

Cline

1. 依照安装说明配置 Python 及依赖。
2. 在 .env 文件中填写 MEM0 API key。
3. 在 Cline 的 mcpServers 对象中加入 MCP 服务器配置：

{
  "mcpServers": {
    "mem0-mcp": {
      "command": "uv",
      "args": ["run", "main.py"],
      "env": {
        "MEM0_API_KEY": "${MEM0_API_KEY}"
      }
    }
  }
}

4. 保存并重启 Cline。
5. 确认 mem0 MCP 服务器可访问且正常运行。

注意： API key 管理请用环境变量。

在流程中使用 MCP

在 FlowHunt 中集成 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，首先将 MCP 组件添加到您的流程并连接至 AI agent：

点击 MCP 组件打开配置面板，在系统 MCP 配置区域使用如下 JSON 格式填入服务器信息：

{
  "mem0-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI agent 即可作为工具访问此 MCP 的全部功能。请将 “mem0-mcp” 替换为实际 MCP 服务器名称，并将 url 替换为自己的服务器地址。

概览

根据当前信息，mem0-mcp 工具定义清晰、部署指南详尽，但缺少显式的提示模板和资源定义，也未记录诸如 roots 或采样等高级 MCP 特性。因此，协议实现功能完善但整体较为基础。

MCP 评分