Vector Memory

🚀 ベクトルメモリMCPサーバー

AIアシスタントに、ファイルや自由形式のメモから情報を保存および呼び出す機能を提供するMCPサーバーです。ドキュメントを保存し、後で自然言語を使用して関連情報を取得できる長期記憶システムのように機能します。

📖 完全な使用ガイド | 🔗 PyPIパッケージ | 🌐 MCPレジストリ

✨ 主な機能

• 🧠 意味的記憶：自然言語を使用してテキストを保存および呼び出す
• 📄 複数フォーマット対応：PDF、TXT、およびMarkdownファイル
• ✍️ 自由形式のメモ：ファイルを作成せずに即席のテキストスニペットを保存する
• 🔄 自動更新：ファイルを再保存すると、古いバージョンが自動的に削除される
• 🎯 スマートチャンキング：ファイルタイプに基づいてチャンクサイズを最適化する
• 🔍 意味的検索：正確な単語一致がなくても情報を見つける
• 🗂️ メモリ管理：メモリをリストアップ、検索、およびクリーンアップするための組み込みツール
• 🔒 データ分離：別々のRedisデータベースと名前空間を使用する

📦 インストール

前提条件

• Python 3.12以上
• ローカルでポート6379で実行されているRedisサーバー
• UVパッケージマネージャー

Redisの起動

# Dockerを使用する場合
docker run -d -p 6379:6379 redis:latest

# またはmacOSでHomebrewを使用する場合
brew install redis
brew services start redis

インストール方法

# pipを経由する場合
pip install mcp-server-vector-memory

# uvx（分離環境）を経由する場合
uvx mcp-server-vector-memory

# ソースからインストールする場合
git clone https://github.com/NeerajG03/vector-memory.git
cd vector-memory
uv sync

💻 使用例

基本的な使用法

pipでインストールした後：

# サーバーを起動する
mcp-server-vector-memory

# メモリを管理する
vector-memory-manage list
vector-memory-cleanup stats

ソースから実行する場合：

uv run vector_memory.py
uv run manage_memory.py list
uv run cleanup.py stats

AIクライアントとの統合

Claude Desktop (~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "vector-memory": {
      "command": "uvx",
      "args": ["mcp-server-vector-memory"]
    }
  }
}

Codex CLI (~/.config/codex/mcp_config.toml):

[servers.vector-memory]
command = "uvx"
args = ["mcp-server-vector-memory"]

完全な統合例と高度な設定については、USAGE.md を参照してください。

📚 ドキュメント

設定

環境変数またはvector_memory.pyを編集することで、サーバーをカスタマイズできます。

環境変数

• REDIS_URL: Redis接続文字列（デフォルト: redis://localhost:6379/0）
  • 形式: redis://host:port/db_number
  • 例: redis://localhost:6379/1（データベース1を使用）

コード内の定数

• INDEX_NAME: ベクトルストアインデックス名（デフォルト: mcp_vector_memory）
  • すべてのキーはこの名前空間でプレフィックスが付けられ、衝突を避けます。
• MODEL_NAME: 埋め込みモデル（デフォルト: sentence-transformers/all-MiniLM-L6-v2）

データ分離

サーバーは複数の分離レイヤーを使用しています。

1. データベース番号: デフォルトではRedis DB 0を使用します（URLで設定可能）
2. インデックス名前空間: すべてのキーはmcp_vector_memory:*でプレフィックスが付けられます
3. メタデータタグ付け: 各ドキュメントはソースファイルパスでタグ付けされます

これにより、ベクトルメモリデータが他のRedisアプリケーションと衝突しないことが保証されます。

アーキテクチャ

┌─────────────────┐
│  Claude/Client  │
└────────┬────────┘
         │ MCP Protocol
         │
┌────────▼────────┐
│  Vector Memory  │
│   MCP Server    │
└────────┬────────┘
         │
         ├─────► HuggingFace Embeddings
         │
         └─────► Redis Vector Store

メモリ管理

2つの管理ツールが含まれています。

• vector-memory-manage - 検索と選択的削除機能を備えた対話型ツール
• vector-memory-cleanup - クイッククリーンアップコマンド

完全なドキュメントと例については、USAGE.md を参照してください。

開発

自動リロードで開発モードで実行するには：

uv run --reload vector_memory.py

トラブルシューティング

Redis接続エラー

Redisが実行されていることを確認してください。

redis-cli ping
# 返されるべき内容: PONG

モデルのダウンロード

サーバーを初めて実行すると、埋め込みモデル（約80MB）がダウンロードされます。これは正常な動作で、一度だけ行われます。

ファイルが見つからないエラー

サーバーは絶対パス (/full/path/to/file.txt) と相対パス (./docs/file.txt) の両方を受け入れますが、保存する前にすべてのパスが絶対パスに変換されます。ファイルが見つからない場合は、サーバーが実行されている場所に対するパスが正しいことを確認してください。

パスの処理

• 入力: 絶対パス (/full/path/to/file.txt) と相対パス (./docs/file.txt) の両方を受け入れます
• 保存: すべてのパスはメモリに保存される前に絶対パスに変換されます
• 出力: recall_from_memoryは常にソースファイルの絶対パスを返します

これにより、ファイルが元々メモリに追加された方法に関係なく、一貫したパス参照が保証されます。