marm-memory MCP
Локальный MCP-сервер памяти для агентов: история сессий, индекс кодовой базы и граф понятий в одной базе SQLite
- 438 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Индексирует код и историю проекта на вашей машине
- Запускает локальный сервер и хранит базу SQLite
Установка
- Работает в
Ручная установка
pip install marm-mcp-serverЛокальный запуск по stdio, нужен Python 3.10.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Индексирует код и историю проекта на вашей машине
- Запускает локальный сервер и хранит базу SQLite
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Сервер дает агентам долговременную память, которая живет на вашей машине без облака. Он объединяет три вещи: историю сессий, индекс кодовой базы и граф связей между понятиями, и хранит все это в SQLite. Агент обращается к памяти обычными формулировками, а не вызовами инструментов напрямую, и получает быстрый доступ к нужному контексту. Работает с Claude Code, Codex, Gemini, VS Code, Cursor и другими клиентами. Запускается локально из PyPI по stdio или как контейнер Docker с доступом по HTTP, поддерживает работу нескольких агентов.
Для кого. Для разработчиков, которым нужна приватная память агента с индексом кода и историей без облака.
Подходит, если
- Нужно, чтобы агент помнил прошлые сессии и решения
- Нужен локальный индекс кодовой базы для быстрого поиска контекста
- Нельзя отправлять контекст в облако по требованиям приватности
Не подходит, если
- Нужна общая память в облаке для распределенной команды
- Не готовы держать локальную базу и сервер
Пример запроса к агенту
Вспомни, что мы решили по схеме базы в прошлой сессии этого проектаMCP
- Транспорт
- stdio, http
- Авторизация
- не нужна
Переменные окружения
MARM_API_KEYсекрет- Ключ для защиты доступа в режиме Docker по HTTP
Ограничения
Память хранится локально в SQLite, между машинами она сама не синхронизируется. Нужен Python 3.10 и, для варианта с HTTP, запуск через Docker, где доступ можно закрыть ключом. Сервер индексирует ваш код и историю на вашей машине, поэтому это не только чтение инструкций.
Как отключить. Уберите сервер marm-memory из конфигурации MCP клиента и удалите пакет: pip uninstall marm-mcp-server или остановите контейнер Docker. Базу SQLite можно удалить вручную.
Частые вопросы
Данные уходят в облако?
Нет, память живет локально в SQLite на вашей машине, проект рассчитан на приватность.
Как подключить по HTTP?
Запустите контейнер Docker и добавьте сервер клиенту по адресу localhost, при желании закрыв доступ ключом MARM_API_KEY.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыai-memory хранит долговременную память ассистентов в локальной SQLite и отдает ее по MCP, через HTTP API и из CLI
LongMemory хранит память проекта в локальной SQLite и отдает ее агенту через MCP: решения, состояние задач, скиллы и граф кода
Самостоятельный MCP-сервер долговременной памяти для агентов: структурированные записи, версии с откатом и визуальная панель
Долговременная память для агентов: удаленный MCP-сервер, плагины для Claude Code, Cursor и Codex и API для своих приложений
iai-memory
iai-memory (Personal Memory Engine)
Локальный MCP-сервер долговременной памяти для агента: хранит разговоры дословно и возвращает нужный контекст в начале сессии
MCP-сервер долгой памяти для агентов: сжимает диалоги в атомарные факты, разрешает местоимения и привязывает время к абсолютным датам
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
Коротко о README
README представляет локальный сервер памяти для агентов, который объединяет историю сессий, индексацию кода и графы понятий в SQLite и работает без облака. Установка идет через pip install marm-mcp-server или Docker, поддерживаются транспорты stdio и HTTP, есть готовые фрагменты конфигурации для клиентов и команда claude mcp add. Описаны набор из шестнадцати инструментов, бенчмарки масштабирования и подход, при котором с памятью общаются обычными словами, а не вызовами инструментов. Проект опубликован в реестре MCP, на PyPI и в Docker Hub. Лицензия Apache 2.0.