OpenMemory MCP
Mem0 · 程式設計
OpenMemory MCP 是 Mem0 推出的本機 AI 記憶伺服器，讓支援 MCP 的客戶端共享持續的上下文，你的助理因此能記住偏好並延續對話。
關於 OpenMemory MCP
About
什麼是 OpenMemory MCP
OpenMemory MCP 是 Mem0 為支援模型上下文協定（MCP）的客戶端打造的私有記憶伺服器。它不讓每個 coding 助理從零開始，而是把你交代的內容保存下來，再把同一份記憶交給 Cursor、Claude、Windsurf、Cline 等工具。道理很簡單：偏好講一次，之後每個連上的助理都讀得到。
這套服務跑在你自己的機器上。記憶存在你掌控的向量資料庫裡，形成一座本機 AI 記憶，資料不會傳到外部伺服器。當你的筆記涉及私有程式碼、內部文件，或不能交給雲端廠商的客戶專案時，這一點就格外重要。
動手之前有一件事得先知道。Mem0 已停止 OpenMemory 的主動開發，改為引導使用者轉向自架記憶伺服器，儀表板、每位使用者的金鑰與稽核日誌都由它接手。原始專案還找得到，但新架設應該走自架這條路。
開始使用
- 在要存放記憶的機器上安裝 Docker 與 Docker Compose。
- 為負責擷取記憶的模型設定 OpenAI API 金鑰，可以設成全域環境變數，也可以當作腳本參數傳入。
- 用一行指令啟動整套系統，它會帶起 MCP 伺服器、Qdrant 向量資料庫與儀表板。
- 打開儀表板，選你慣用的客戶端，複製它產生的連線指令。
- 把指令貼進你的 MCP 客戶端並重新啟動，助理就能開始讀寫記憶。
產品資訊
快速了解 OpenMemory MCP 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 在 Cursor、Claude、Windsurf 之間來回切換的開發者：共享記憶省下每次換編輯器都要重新交代的工夫。
- 在意隱私、不想把專有工作放上雲端的工程師：記憶留在自己的硬體上，誰能讀由你決定。
- 共用同一個專案的小團隊：幾個人指向同一台伺服器，就能共用專案慣例，前提是你信任每個人手上的金鑰。
任務
- 維持一致的程式偏好：語言與風格設定一次，之後每個連上的助理都會照做，不必再提醒。
- 把專案脈絡帶到不同工具：描述你的架構決策，各客戶端在處理這個 repo 時都能回想起來。
- 彙整研究與筆記：把找到的資料丟進記憶，讓代理依語意而非字面關鍵字去搜尋。
情境
- 把任務從規劃推進到實作：先在一個助理裡畫出藍圖，再把同一份上下文交給另一個助理寫程式。
- 中斷後重新接上進度：下一個工作階段會記得你在做什麼，而不是要你重新介紹整個專案。
- 評估本機記憶是否合用：先在備用機器上試跑，觀察日常提問方式怎麼改變，再決定要不要擴大使用。
主要功能
跨客戶端共享記憶
同一套 AI 記憶層服務每一個你連上的 MCP 相容客戶端。跟一個助理講過的代理記憶，另一個之後讀得到。換工具不再需要重新自我介紹，這正是這個專案存在的理由。
完全本機部署
整套系統以 Docker 執行，搭配 Postgres 與 Qdrant 向量資料庫，全部跑在你自己的硬體上。除非你另外設定外部模型供應商來做擷取，否則資料不出機器。對資料規範嚴格的團隊來說，這正好拿掉了常見的雲端顧慮。
語意記憶檢索
搜尋靠向量嵌入，因此是依語意比對，不只比對字面詞。你問起某個過去的決定，即使換了說法，伺服器仍能找出相關的記憶。這種行為比關鍵字比對更適合長期專案。
存取控制與稽核日誌
你可以暫停或撤銷某個客戶端對特定記憶的存取，伺服器也會把每一次讀寫記進日誌。儀表板會顯示哪些應用碰過哪些記憶、發生在何時，共用的伺服器因此仍然可追溯。
記憶管理儀表板
網頁儀表板讓你瀏覽、搜尋、新增與刪除記憶，並產生各客戶端的連線指令。就是把背景服務變成你真正能檢視與清理的東西的那一塊。
記憶中介資料與標籤
每筆記憶帶有主題、情緒、時間戳等中介資料，整理與搜尋都更省事。你拿到的不是一串平鋪的文字，這套結構在記憶量變大時特別有用。
優缺點
優點
- 完全跑在自己的硬體上，私有程式碼與筆記不經過第三方雲端。
- 在 Cursor、Claude、Windsurf 等 MCP 客戶端之間共用同一份記憶，減少重複設定。
- 語意搜尋依意義找回記憶，在長期專案上比關鍵字比對更可靠。
- 存取控制與稽核日誌讓你看到並限制誰能讀取已存的上下文。
- 開源，可以自行檢視程式碼並調整架設方式。
缺點
- Mem0 已停止 OpenMemory 的主動開發，新功能改在自架的 Mem0 伺服器上推出。
- 架設預設你會用 Docker 與命令列，非技術使用者容易卡住。
- 擷取需要 OpenAI 之類的外部模型金鑰，因此無法一裝好就完全離線運作。
- 只有懂 MCP 的客戶端能受益，尚未採用該協定的工具就用不到。
常見問題
它讓支援 MCP 的 AI 客戶端共用一份持久的記憶。工具不必在每次對話後忘掉你的偏好與專案細節，而是能讀取你存下的內容，接著上一個助理的進度繼續走。
相關內容
探索與 OpenMemory MCP 相關的工具、技能與文章。
OpenMemory MCP 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。