🤝 応援を示してください - 内容が気に入ったら教え⭐️てください

---

MCPメモリー

MCP MemoryはMCPサーバーで、MCPクライアント(カーソル、Claude、Windsurfなど)にユーザー(好み、行動)に関する情報を会話間で記憶する**能力を提供します。ベクトルサーチ技術を用いて、キーワードだけでなく意味に基づいて関連する記憶を見つけます。Cloudflare Workers、D1、Vectorize(RAG)、Durable Objects、Workers AI、Agentsを使って構築されています。

📺 ビデオ

🚀 試してみて

https://memory.mcpgenerator.com/

🛠️ 自分だけのMCPメモリのデプロイ方法

オプション1:ワンクリックで自分のMCPメモリをCloudflareにデプロイ

ベクトル作成セクションで以下を選択してください:

• サイズ:** 1024
• **メートル法:**余弦

クリックボタン**「作成と展開」**

Cloudflareダッシュボードで「ワーカーズ&ページ」に行き、「訪問」をクリックします

オプション2:このテンプレートを使う

1. このリポジトリの上部にある「このテンプレートを使用」ボタンをクリックします
2. 新しいリポジトリのクローン
3. 以下のセットアップ手順に従う

オプション3:CloudFlare CLIで作成

🔧 セットアップ(オプション2と3のみ)

1. 依存関係のインストール:

2. ベクトルインデックスの作成:

3. Wranglerのインストール:

---

MCP Memory

MCP Memory is a MCP Server that gives MCP Clients (Cursor, Claude, Windsurf and more) the ability to remember information about users (preferences, behaviors) across conversations. It uses vector search technology to find relevant memories based on meaning, not just keywords. It’s built with Cloudflare Workers, D1, Vectorize (RAG), Durable Objects, Workers AI and Agents.

📺 Video

🚀 Try It Out

https://memory.mcpgenerator.com/

🛠️ How to Deploy Your Own MCP Memory

Option 1: One-Click Deploy Your Own MCP Memory to Cloudflare

In Create Vectorize section choose:

• Dimensions: 1024
• Metric: cosine

Click button “Create and Deploy”

In Cloudflare dashboard, go to “Workers & Pages” and click on Visit

Option 2: Use this template

1. Click the “Use this template” button at the top of this repository
2. Clone your new repository
3. Follow the setup instructions below

Option 3: Create with CloudFlare CLI

npm create cloudflare@latest --git https://github.com/puliczek/mcp-memory

🔧 Setup (Only Option 2 & 3)

1. Install dependencies:

npm install

2. Create a Vectorize index:

npx wrangler vectorize create mcp-memory-vectorize --dimensions 1024 --metric cosine

3. Install Wrangler:

npm run dev

4. Deploy the worker:

npm run deploy

🧠 How It Works

1. Storing Memories:

   • Your text is processed by Cloudflare Workers AI using the open-source @cf/baai/bge-m3 model to generate embeddings
   • The text and its vector embedding are stored in two places:
     • Cloudflare Vectorize: Stores the vector embeddings for similarity search
     • Cloudflare D1: Stores the original text and metadata for persistence
   • A Durable Object (MyMCP) manages the state and ensures consistency
   • The Agents framework handles the MCP protocol communication

2. Retrieving Memories:

   • Your query is converted to a vector using Workers AI with the same @cf/baai/bge-m3 model
   • Vectorize performs similarity search to find relevant memories
   • Results are ranked by similarity score
   • The D1 database provides the original text for matched vectors
   • The Durable Object coordinates the retrieval process

This architecture enables:

• Fast vector similarity search through Vectorize