TeleMem MCP
Долговременная память для агентов с раздельными профилями персонажей и разбором видео: MCP-сервер и замена Mem0
- 492 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Хранит диалоги и факты о людях на диске и отправляет реплики выбранной языковой модели
- Инструмент delete_all_memories стирает всю память выбранной области
- С настройками по умолчанию отправляет данные в API OpenAI
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add mcp/telememОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Хранит диалоги и факты о людях на диске и отправляет реплики выбранной языковой модели
- Инструмент delete_all_memories стирает всю память выбранной области
- С настройками по умолчанию отправляет данные в API OpenAI
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
TeleMem — слой памяти для диалоговых агентов. Он берет реплики, выделяет из них факты и хранит их так, чтобы агент находил нужное через много ходов беседы. Для каждого персонажа диалога создается отдельный профиль памяти, поэтому в ролевых играх, сценах с несколькими героями и ассистентах-собеседниках факты разных персонажей не смешиваются. Похожие воспоминания сервер сливает через языковую модель: она кластеризует их и убирает дубли. Записи идут пакетами через буфер, а хранилище состоит из индекса FAISS и JSON-метаданных, которые удобно читать глазами. Интерфейс совместим с Mem0: после `import telemem as mem0` методы `add()` и `search()` принимают те же аргументы и возвращают те же структуры. Модуль для видео разбирает ролик на кадры, пишет подписи к фрагментам и собирает векторную базу. Агент задает вопросы по содержанию видео, и ответ строится пошаговым рассуждением в духе ReAct. MCP-сервер дает восемь инструментов: `add_memory`, `search_memories`, `get_memories`, `get_memory`, `update_memory`, `delete_memory`, `delete_all_memories` и `memory_history`. Он работает через stdio или Streamable HTTP, подключается к Claude Desktop, Claude Code и Cursor и запускается без установки командой `uvx telemem`.
Для кого. Для разработчиков агентов с долгими диалогами, ролевыми персонажами и видео, которым нужна память, совместимая с Mem0, и локальный запуск.
Подходит, если
- В диалоге несколько персонажей, и факты каждого должны храниться отдельно
- Код уже использует Mem0, и нужно заменить его без переписывания вызовов add() и search()
- Нужна память на своей машине: конфигурации для Qwen с FAISS и для Ollama работают без облака
- Агент должен отвечать на вопросы по содержимому видео, кроме текста
- Claude Desktop или Cursor нужна долговременная память, которую подключают одной командой через uvx
Не подходит, если
- Нужна память для кода и репозитория: TeleMem запоминает диалоги и граф вызовов не строит
- Нужен общий журнал аудита и разграничение прав между командами: таких средств в проекте нет
- Нет возможности запустить локальную модель, а API OpenAI недоступен: с настройками по умолчанию нужен ключ OpenAI
- Требуется хранилище на внешней базе данных: данные лежат в файлах FAISS и JSON рядом с проектом
Пример запроса к агенту
Запомни, что Марк называет Лену «капитаном», а потом напомни, как Марк обращается к Лене и что он рассказывал о поездкеMCP
- Транспорт
- stdio, http, sse
- Авторизация
- не нужна
Переменные окружения
TELEMEM_CONFIG- Путь к файлу конфигурации YAML или JSON. Без него используются модели OpenAI и локальное хранилище.
OPENAI_API_KEYсекрет- Нужен в конфигурации по умолчанию, а также для эмбеддингов в вариантах с MiniMax и DeepSeek.
TELEMEM_DEFAULT_USER_ID- Область памяти по умолчанию, если вызов инструмента не указывает пользователя, агента или запуск.
Ограничения
С настройками по умолчанию нужен ключ `OPENAI_API_KEY`. API OpenAI из России недоступен, поэтому здесь стоит брать готовые конфигурации под локальный стек: `config/config.yaml` с Qwen и FAISS или `config/config.ollama.yaml` для Ollama. Конфигурации под MiniMax и DeepSeek берут эмбеддинги у OpenAI и тоже требуют его ключ: у DeepSeek нет собственного API эмбеддингов.
Поиск в MCP-сервере возвращает один объединенный текстовый фрагмент: так устроено слияние близких воспоминаний, ранжированного списка строк нет. События беседы лежат под псевдопользователем events. Массовое удаление требует явно указать пользователя, агента или запуск. Если область не указана, чтение и запись используют идентификатор из `TELEMEM_DEFAULT_USER_ID`, по умолчанию telemem-mcp.
Видеомодуль ставится отдельно: `pip install "telemem[video]"`.
Как отключить. Уберите сервер из конфигурации клиента и удалите пакет командой `pip uninstall telemem`. Данные лежат в каталоге `faiss_db/` рядом с проектом и в `.data/samples/video/` для видео, их удаляют вручную.
Частые вопросы
Как подключить TeleMem к Claude Desktop или Cursor?
Поставьте `pip install "telemem[mcp]"` и добавьте в `claude_desktop_config.json` или `mcp.json` сервер telemem с командой `telemem-mcp`. В поле env укажите `TELEMEM_CONFIG` с путем к конфигурации и `OPENAI_API_KEY`, если не используете локальную модель. Без установки сервер стартует командой `uvx telemem`.
Чем TeleMem отличается от Mem0?
Интерфейс совместим, но TeleMem заводит отдельный профиль для каждого персонажа диалога и сливает похожие воспоминания через языковую модель. Записи идут пакетами, данные лежат в FAISS и JSON. Кроме того, TeleMem разбирает видео. На китайском наборе ZH-4O авторы измерили точность 86,33%, на 19% выше, чем у Mem0.
Можно ли запустить TeleMem без облака?
Да. Конфигурация `config/config.yaml` использует Qwen и FAISS на вашем оборудовании, а `config/config.ollama.yaml` работает через Ollama и не требует ключа OpenAI.
Собирает ли TeleMem телеметрию?
Сам проект телеметрию не собирает. Библиотека mem0ai, на которой он построен, отправляет анонимную статистику PostHog, и TeleMem отключает ее при импорте. Чтобы вернуть, задайте `MEM0_TELEMETRY=true`.
Какие инструменты дает MCP-сервер TeleMem?
Восемь: `add_memory`, `search_memories`, `get_memories`, `get_memory`, `update_memory`, `delete_memory`, `delete_all_memories` и `memory_history`. Опасный `delete_all_memories` требует явно указать пользователя, агента или запуск и ничего не стирает по умолчанию.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыMCP-сервер долгой памяти для агентов: сжимает диалоги в атомарные факты, разрешает местоимения и привязывает время к абсолютным датам
Общая локальная память для ИИ-агентов: Claude Code, Codex, Cursor и другие находят в ней договоренности прошлых сессий и записывают новые
Membase хранит одну общую память для ИИ-агентов, и Claude Code, Cursor и Codex читают ее через MCP, SDK или команду membase
Сервер долгой памяти для агентов с API, совместимым с Mem0: гибридный поиск, свой MCP-сервер и запуск в Docker.
Локальная память для агента: хуки сами записывают факты из разговоров, а MCP-сервер возвращает их в новых сессиях из файла SQLite
Долговременная память для Claude Code, Cursor и Codex: агент сохраняет решения и находит их в следующих сессиях
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| TeleMem (эта карточка) | да | не нужна | 492 | |
| Mem0 | нет | 68 887 | оригинальный слой памяти, на котором TeleMem строится: без профилей персонажей и видеопамяти | |
| Graphiti MCP | нет | API-ключ | 32 776 | граф знаний с учетом времени в графовой базе, а TeleMem хранит векторы в FAISS и JSON |
| MCP Memory Service | нет | не нужна | 2 117 | память с графом знаний и REST API на своем сервере, без разбора видео |
Коротко о README
Документация описывает конвейер от краткого пересказа диалога по персонажам до поиска с переранжированием, сравнивает проект с Mem0 и приводит результаты на наборе ZH-4O. Дальше идут быстрый старт, примеры для LangChain и LlamaIndex и структура файлов хранилища. Отдельный документ MCP.md перечисляет инструменты, транспорты и настройку клиентов.