Продвинутый MCP-сервер для памяти с поддержкой RAG через граф знаний с возможностями vector search. Этот сервер расширяет основные концепции памяти с помощью семантического поиска, обработки документов и гибридного поиска для более интеллектуального управления памятью.

** Вдохновлено:** Сервером памяти графа знаний из проекта Model Context Protocol.

Примечание: Этот сервер предназначен для локальной работы вместе с клиентами MCP (например, Claude Desktop, VS Code) и требует локального доступа к файловой системе для хранения данных.

Ключевые особенности

** Память Графа Знаний**: Постоянные сущности, отношения и наблюдения *** Векторный поиск**: Поиск семантического сходства с помощью преобразования предложений ** - Обработка документов**: RAG-совмещение и встраивание документов Гибридный поиск**: Комбинирует векторное сходство с графовым обходом ** SQLite Backend**: Быстрое локальное хранилище с квлитом-веком для векторных операций

• ** ity Добыча имущества**: Автоматическое извлечение термина из документов

Инструменты

Этот сервер обеспечивает комплексное управление памятью через протокол Model Context Protocol (MCP):

###Управление документами

• [[Т0]]: Хранить документы с метаданными для обработки

rag-memory-mcp

An advanced MCP server for RAG-enabled memory through a knowledge graph with vector search capabilities. This server extends the basic memory concepts with semantic search, document processing, and hybrid retrieval for more intelligent memory management.

Inspired by: Knowledge Graph Memory Server from the Model Context Protocol project.

Note: This server is designed to run locally alongside MCP clients (e.g., Claude Desktop, VS Code) and requires local file system access for database storage.

✨ Key Features

• 🧠 Knowledge Graph Memory: Persistent entities, relationships, and observations
• 🔍 Vector Search: Semantic similarity search using sentence transformers
• 📄 Document Processing: RAG-enabled document chunking and embedding
• 🔗 Hybrid Search: Combines vector similarity with graph traversal
• ⚡ SQLite Backend: Fast local storage with sqlite-vec for vector operations
• 🎯 Entity Extraction: Automatic term extraction from documents

Tools

This server provides comprehensive memory management through the Model Context Protocol (MCP):

📚 Document Management

• storeDocument: Store documents with metadata for processing
• chunkDocument: Create text chunks with configurable parameters
• embedChunks: Generate vector embeddings for semantic search
• extractTerms: Extract potential entity terms from documents
• linkEntitiesToDocument: Create explicit entity-document associations
• deleteDocuments: Remove documents and associated data
• listDocuments: View all stored documents with metadata

🧠 Knowledge Graph

• createEntities: Create new entities with observations and types
• createRelations: Establish relationships between entities
• addObservations: Add contextual information to existing entities
• deleteEntities: Remove entities and their relationships
• deleteRelations: Remove specific relationships
• deleteObservations: Remove specific observations from entities

🔍 Search & Retrieval

• hybridSearch: Advanced search combining vector similarity and graph traversal
• searchNodes: Find entities by name, type, or observation content
• openNodes: Retrieve specific entities and their relationships