MCP-сервер · Файлы и данные
Memory MCP Server
Эталонный MCP-сервер из репозитория modelcontextprotocol/servers, который хранит память агента в виде локального графа знаний: сущности, связи и наблюдения. Позволяет Claude помнить факты о пользователе между разными чатами.
Сверено 21 октября 2026 г.
Что умеет сервер
Knowledge Graph Memory Server опубликован в npm как @modelcontextprotocol/server-memory и входит в набор эталонных серверов репозитория modelcontextprotocol/servers. Память устроена как граф из трёх элементов. Сущность имеет уникальное имя, тип (например, «человек», «организация», «событие») и список наблюдений. Связь направленная и записывается в активном залоге, например «работает в». Наблюдение — отдельный факт строкой, по принципу «один факт на запись».
Инструменты покрывают весь цикл работы с графом: создание сущностей и связей, добавление наблюдений, удаление сущностей, связей и отдельных наблюдений, чтение графа целиком, поиск узлов по запросу (по именам, типам и тексту наблюдений) и открытие конкретных узлов по имени. Весь граф доступен ещё и как ресурс memory://knowledge-graph в формате JSON, а подписанные клиенты получают уведомления об изменениях.
Когда использовать
Подключайте сервер, когда ассистент должен помнить пользователя от чата к чату: предпочтения, контекст проектов, людей и организации, с которыми вы работаете. В README есть пример системного промпта для персонализации: его предлагают вставить в поле Custom Instructions проекта Claude.ai. Промпт определяет, как часто и какие воспоминания создаёт модель, поэтому его стоит подстроить под свою задачу.
Для небольшой личной памяти этого достаточно. Если нужна память, которую вы сами читаете и правите как заметки, посмотрите серверы на основе Markdown-файлов.
Ограничения и безопасность
Авторы репозитория прямо пишут, что их серверы задуманы как эталонные реализации для обучения и демонстрации возможностей протокола, а не как готовые решения для продакшена: требования к безопасности нужно оценивать самостоятельно. Память хранится в локальном файле JSONL. По умолчанию это memory.jsonl в каталоге сервера, а путь меняется переменной окружения MEMORY_FILE_PATH.
Если с одним файлом работают несколько клиентов, каждый запускает собственный процесс сервера. Запись идёт через lock-файл рядом с файлом памяти, и по README записи из разных процессов выстраиваются в очередь. Если блокировку не удалось получить за 60 секунд, операция завершится ошибкой, а не перезапишет файл. Сетевая файловая система без поддержки исключительного создания файла для такого совместного использования не подходит.
Учтите, что delete_entities каскадно удаляет и связи сущности, а create_entities пропускает уже существующие имена и не добавляет к ним наблюдения. Для запуска через npx нужен Node.js 24 или новее.
Установка
Claude Desktop
Добавьте блок в claude_desktop_config.json. Вариант с Docker:
{
"mcpServers": {
"memory": {
"command": "docker",
"args": ["run", "-i", "-v", "claude-memory:/app/dist", "--rm", "mcp/memory"]
}
}
}Вариант с NPX:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
]
}
}
}В Windows запускайте npx через cmd /c:
{
"mcpServers": {
"memory": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-memory"
]
}
}
}Чтобы задать свой файл памяти, добавьте переменную окружения:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
],
"env": {
"MEMORY_FILE_PATH": "/path/to/custom/memory.jsonl"
}
}
}
}VS Code
Откройте палитру команд (Ctrl + Shift + P) и выполните MCP: Open User Configuration либо создайте файл .vscode/mcp.json в рабочей папке. Конфигурация для NPX:
{
"servers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
]
}
}
}Конфигурация для Docker:
{
"servers": {
"memory": {
"command": "docker",
"args": [
"run",
"-i",
"-v",
"claude-memory:/app/dist",
"--rm",
"mcp/memory"
]
}
}
}Сборка образа Docker
docker build -t mcp/memory -f src/memory/Dockerfile .Совместимые клиенты
- Claude Desktop
- VS Code
- Claude.ai