Mem0 veröffentlicht OpenMemory MCP: Speicher für KI-Agenten

OpenMemory MCP hat sich schnell zu einem zentralen Tool für KI-Entwickler entwickelt, die eine nahtlose, private Speicherverwaltung über mehrere Assistenten-Clients hinweg anstreben. Der am 13. Mai 2025 von Mem0 angekündigte OpenMemory MCP Server führt eine lokale Speicherschicht ein, die mit dem Model Context Protocol (MCP) kompatibel ist und die dauerhafte Kontextfreigabe zwischen Tools wie Cursor, Claude Desktop, Windsurf und anderen ermöglicht.

Innerhalb von 48 Stunden nach seinem Debüt auf Product Hunt am 15. Mai sammelte es über 200 positive Bewertungen, was auf das große Interesse der Community an einer einheitlichen, datenschutzorientierten Speicherinfrastruktur hindeutet. Erste technische Berichte von Apidog und Dev.to lobten die vektorbasierte Suche und das integrierte Dashboard, während AIbase und TheUnwindAI die praktische Anwendbarkeit in Multitool-KI-Workflows hervorhoben. Das Nutzerfeedback auf Reddit unterstreicht die intuitive Dashboard-Steuerung und das Versprechen einer unterbrechungsfreien Kontextübergabe und festigt damit den Status von OpenMemory MCP als Lösung der nächsten Generation für privates KI-Speichermanagement.

Einführung und Übersicht

Der OpenMemory MCP Server wurde am 13. Mai 2025 offiziell über einen Mem0-Blogbeitrag von Taranjeet Singh eingeführt und als „privater, lokaler Speicherserver“ positioniert, der vollständig auf dem Computer des Benutzers ausgeführt wird.
Es entspricht dem offenen Model Context Protocol (MCP) und bietet standardisierte APIs –add_memories, search_memory, list_memories und delete_all_memories– für persistente Speichervorgänge.
Durch die Beseitigung von Cloud-Abhängigkeiten werden Dateneigentum und Datenschutz gewährleistet, wodurch ein kritisches Problem in KI-Workflows gelöst wird, bei denen Token-Kosten und Kontextverlust ständige Herausforderungen darstellen.

Hauptfunktionen

Lokale Persistenz: Alle Erinnerungen werden lokal gespeichert, ohne automatische Cloud-Synchronisierung, wodurch die volle Kontrolle des Benutzers über den Datenspeicherort gewährleistet ist.
Clientübergreifende Kontextfreigabe: Speicherobjekte – komplett mit Themen, Emotionen und Zeitstempeln – können in einem MCP-kompatiblen Client erstellt und in einem anderen abgerufen werden, ohne dass eine erneute Eingabeaufforderung erforderlich ist.
Einheitliches Dashboard: Eine integrierte Web-Benutzeroberfläche unter http://localhost:3000 ermöglicht es Benutzern, in Echtzeit zu suchen, hinzuzufügen, zu löschen und Clientzugriff auf Erinnerungen zu gewähren oder zu widerrufen
Vektorgestützte Suche: OpenMemory nutzt Qdrant für die semantische Indizierung und gleicht Abfragen nach Bedeutung statt nach Schlüsselwörtern ab, wodurch der relevante Speicherabruf beschleunigt wird.
Mit Metadaten erweiterte Datensätze: Jeder Speichereintrag enthält angereicherte Metadaten – Themen-Tags, emotionalen Kontext und genaue Zeitstempel – für eine detaillierte Filterung und Verwaltung.

Technische Architektur

Unter der Haube kombiniert OpenMemory MCP:

Dockerisierte Microservices: Separate Container für den API-Server, die Vektordatenbank und die MCP-Serverkomponenten, orchestriert über make up).
Modellkontextprotokoll (MCP): Eine REST+SSE-Schnittstelle, an die sich jeder MCP-Client anschließen kann, indem er das MCP-Client-Paket installiert und darauf verweist http://localhost:8765/mcp/<client>/sse/<username> .
Vektordatenbank (Qdrant): Speichert Einbettungen von Memory-Text, um eine schnelle Suche nach semantischer Ähnlichkeit zu ermöglichen und die Token-Verwendung bei großen Kontextsuchen zu minimieren.
Server‑Sent Events (SSE): Ermöglicht Echtzeitaktualisierungen im Dashboard und sofortige Speicherverfügbarkeit auf allen verbundenen Clients.

Installation und Einrichtung

Klonen und Erstellen:

git clone https://github.com/mem0ai/mem0.git cd openmemory make build make up

Umgebung konfigurieren:

Erstellen Sie ein .env Datei unter api/ mit OPENAI_API_KEY=your_CometAPI_key_here .

CometAPI bietet eine einheitliche REST-Schnittstelle, die Hunderte von KI-Modellen – einschließlich der ChatGPT-Familie – unter einem einheitlichen Endpunkt aggregiert, mit integrierter API-Schlüsselverwaltung, Nutzungskontingenten und Abrechnungs-Dashboards. Anstatt mit mehreren Anbieter-URLs und Anmeldeinformationen zu jonglieren, lesen Sie bitte Lernprogramm.

Erhalten Sie Ihre CometAPI-Anmeldeinformationen:

Melde dich bei dir anCometAPI Instrumententafel.
Navigieren API-Tokensund klicken auf Token hinzufügen. Kopieren Sie das neu erstellte Token (zB sk-abc...) und notieren Sie sich Ihre Basis-URL (sie wird angezeigt als https://api.cometapi.com).
Halten Sie diese beiden Informationen für die Cursor-Konfiguration bereit.

OpenMemory MCP

Frontend starten:

cp ui/.env.example ui/.env make ui The dashboard becomes available at http://localhost:3000 .

MCP-Clients verbinden:

Installieren Sie das MCP-Clientpaket und registrieren Sie Ihren Client:

npx install-mcp i "http://localhost:8765/mcp/<client>/sse/$(whoami)" --client <client>

Ökosystem und Kundensupport

OpenMemory MCP ist mit jedem Tool kompatibel, das MCP implementiert, einschließlich:

Cursor-KI
Claude Desktop
Windsurf
Cline
Zukünftige MCP-fähige Plattformen .

Je mehr KI-Assistenten MCP einsetzen, desto wertvoller wird eine gemeinsam genutzte Speicherinfrastruktur, die umfassendere Erfahrungen mit verschiedenen Tools ermöglicht.

Anwendungsfälle aus der Praxis

Forschungsagenten: Kombinieren Sie Browser-Scraping und Zusammenfassungsagenten über verschiedene Tools hinweg; speichern Sie die Ergebnisse in OpenMemory, um bei der Berichterstellung konsistente Referenzen zu erhalten.
Entwicklungspipelines: Behalten Sie den Debugkontext beim Wechseln zwischen Code-Editoren und REPL-Umgebungen bei, wodurch die Einrichtungszeit und die kognitive Belastung reduziert werden.
Persönliche Assistenten: Behalten Sie Benutzereinstellungen und frühere Abfragen für alle täglichen Aufgaben bei, um personalisiertere und kontextbezogenere Antworten zu ermöglichen.

Zukünftige Roadmap

Das Mem0-Team hat auf Funktionen zur „vollständigen Speicherkontrolle“ hingewiesen, mit denen Benutzer Ablaufrichtlinien und detaillierte Zugriffsberechtigungen pro Client festlegen können.

Zu den laufenden Entwicklungen gehören Plugin-Architekturen für benutzerdefinierte Speicherfilter und Cloud-Backup-Optionen für hybride Workflows. Einzelheiten werden im offiziellen Blog veröffentlicht, sobald sie ausgereift sind.

Dank der schnellen Akzeptanz und des Open-Source-Entwicklungsmodells ist OpenMemory MCP auf dem besten Weg, die De-facto-Speicherschicht für die nächste Generation von KI-Assistenten zu werden.