Каталог MCP
mcasdfgf/mcp-roo-memory

mcasdfgf/mcp-roo-memory

Name: mcasdfgf/mcp-roo-memory
Availability: InStock
Author: mcasdfgf

MCP-сервер для долговременной графовой памяти AI-агентов. Хранит знания в виде фрактального графа, поддерживает семантический поиск на 50+ языках и управляет контекстным окном через горячие, холодн...

Github Сайт сервера

README

Инструменты и схема сервера

Версии

Установить сервер

MCP Roo Memory

Persistent, graph-based memory for Roo Code via the Model Context Protocol (MCP).

LLMs have a short memory. Every new conversation starts from scratch — context windows overflow, past decisions fade, and reasoning chains disappear.

MCP Roo Memory gives your AI agent a structured, persistent brain:

Graph memory — knowledge is not a flat dump, but a fractal graph of tasks, entities, facts, and decisions
Semantic search — find what matters by meaning, not keywords (50+ languages)
Context window control — hot/cold/archive tiers so you don't drown in tokens
Knowledge evolution — decisions can be superseded, facts can be updated, stale data gets archived
Temporal awareness — time as first-class citizen: chronological walks, session timelines, temporal vector filters

⚠️ Disclaimer

This is an experimental project — a search for form and architecture. It works, it has tests, but treat it as a Proof of Concept (PoC). The software is provided "AS IS", without any warranty of any kind. Use it at your own risk. See LICENSE for details.

У этого сервера пока нет списка инструментов.

Выберите клиент, чтобы установить mcasdfgf/mcp-roo-memory:

Любой клиент

Конфиг добавления MCP сервера стандартный, обычно он не меняется вообще, поэтому подходит практически к любому ИИ клиенту, поддерживающему MCP.

{
  "mcpServers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

Cursor

Перейдите по ссылке и сервер автоматически будет добавлен в Cursor. Либо откройте/создайте файл ~/.cursor/mcp.json(%USERPROFILE%\.cursor\mcp.json на Windows) и добавьте конфиг сервера:

{
  "mcpServers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

VS Code

Создайте .vscode/mcp.json в проекте (ключ верхнего уровня — servers):

{
  "servers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

Либо добавьте сервер через терминал:

code --add-mcp "{\"name\":\"mcasdfgf-mcp-roo-memory-fd9t96pcg3\",\"type\":\"stdio\",\"command\":\"docker\",\"args\":[\"exec\",\"-i\",\"cortex-mcp\",\"python3\",\"-m\",\"src.cortex\"]}"

Claude Desktop

Откройте Settings → Developer → Edit Config — это откроет файл claude_desktop_config.json:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

Впишите сервер и полностью перезапустите Claude Desktop:

{
  "mcpServers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

Claude Code

Добавьте сервер одной командой в терминале:

claude mcp add mcasdfgf-mcp-roo-memory-fd9t96pcg3 -- docker exec -i cortex-mcp python3 -m src.cortex

Либо через JSON-конфиг:

claude mcp add-json mcasdfgf-mcp-roo-memory-fd9t96pcg3 "{\"command\":\"docker\",\"args\":[\"exec\",\"-i\",\"cortex-mcp\",\"python3\",\"-m\",\"src.cortex\"]}"

Codex

Добавьте сервер командой в терминале:

codex mcp add mcasdfgf-mcp-roo-memory-fd9t96pcg3 -- docker exec -i cortex-mcp python3 -m src.cortex

Либо вручную в ~/.codex/config.toml(%USERPROFILE%\.codex\config.toml на Windows):

[mcp_servers.mcasdfgf-mcp-roo-memory-fd9t96pcg3]
command = "docker"
args = ["exec", "-i", "cortex-mcp", "python3", "-m", "src.cortex"]

Perplexity

MCP доступен подписчикам Perplexity Pro / Max / Enterprise. Локальные серверы — только в приложении для macOS.

Откройте Настройки аккаунта → Connectors.
Установите вспомогательное приложение PerplexityXPC (один раз).
Нажмите Add Connector → вкладка Simple.
В поле Server Name укажите mcasdfgf/mcp-roo-memory, а в поле команды запуска — строку ниже:

docker exec -i cortex-mcp python3 -m src.cortex

Нажмите Save и дождитесь статуса Running.

Windsurf

Откройте Windsurf Settings → Cascade → MCP Servers или отредактируйте файл ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

Cline

В панели Cline нажмите иконку MCP Servers → Configure → Configure MCP Servers (или отредактируйте ~/.cline/mcp.json) и добавьте сервер:

{
  "mcpServers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ],
      "disabled": false,
      "autoApprove": []
    }
  }
}

Continue

Создайте файл в .continue/mcpServers/ (например mcasdfgf-mcp-roo-memory-fd9t96pcg3.yaml) или добавьте блок в config.yaml. MCP работает только в режиме agent:

mcpServers:
  - name: mcasdfgf-mcp-roo-memory-fd9t96pcg3
    command: docker
    args:
      - "exec"
      - "-i"
      - "cortex-mcp"
      - "python3"
      - "-m"
      - "src.cortex"

Zed

Выполните agent: add context server или откройте настройки (zed: open settings file) и добавьте сервер в объект context_servers:

{
  "context_servers": {
    "mcasdfgf-mcp-roo-memory-fd9t96pcg3": {
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "cortex-mcp",
        "python3",
        "-m",
        "src.cortex"
      ]
    }
  }
}

Конфиг для установки сервера

{
  "command": "docker",
  "args": [
    "exec",
    "-i",
    "cortex-mcp",
    "python3",
    "-m",
    "src.cortex"
  ]
}

Информация о сервере

Номер в рейтинге: #197
Звезд на Github: 1
Форков на Github: 0
Язык реализации: Python
Лицензия: MIT
Официальный сервер: Нет
Дата обновления данных: 18.10 в 21:49
Идентификатор: acysQP-ltaJphOc0
Категории: Знания и память

Похожие MCP-сервера

penfieldlabs/penfield-mcp

от penfieldlabs

MCP-сервер Penfield для долговременной памяти AI-агентов. Сохраняет решения, предпочтения и контекст между сессиями, строит граф знаний. Работает с Claude, Cursor, Windsurf и любыми MCP-инструментами.

n24q02m/mnemo-mcp

от n24q02m

MCP-сервер для долговременной памяти AI-агентов: гибридный поиск (FTS5 + векторы), временной граф знаний и зашифрованная синхронизация между машинами. Полезен разработчикам, создающим автономных ас...

stevepridemore/graph-memory

от stevepridemore

Персональный граф знаний для Claude, работающий между сессиями и устройствами. На основе Neo4j и семантических эмбеддингов хранит факты, решения и связи с временной меткой. Полезен разработчикам, и...

elvismdev/mem0-mcp-selfhosted

от elvismdev

Self-hosted MCP сервер для долговременной памяти в Claude Code. Использует Qdrant, Neo4j и Ollama, поддерживает Anthropic или Ollama как LLM. 11 инструментов: добавление, поиск, удаление, граф связей.

Cartisien/engram-mcp

от cartisien

MCP-сервер для постоянной семантической памяти AI-агентов. Хранит воспоминания в SQLite, ищет по смыслу через локальные эмбеддинги Ollama — без облака и API-ключей. Пять инструментов: remember, rec...

pomazanbohdan/memory-mcp-1file

от pomazanbohdan

Высокопроизводительный MCP-сервер на Rust для AI-агентов. Обеспечивает семантическую память, граф знаний и индексацию кода. Работает полностью локально — один бинарник без внешних БД и облака. Подх...