Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Mit Google anmelden, um Bewertungen zu schreiben.Prototyp · alle 30 Min. aktualisiert
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

DeepMem

von deepmemteamVersion 0.1.0i★ 114iLäuft in der CloudOffizielle Website ↗
Name in der Registryio.github.deepmemteam/deepmem

So installierst du es

What it does

Mem0-compatible persistent memory for AI agents: write facts once, recall them semantically.

  • Connects Läuft in der Cloud
  • Account or key Needs Authorization
  • Category Suche & KI-Gedächtnis

Zusammen nutzen mit

Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem

timesfm

TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.

von google-research★ 35.6051 Skills

Skill · Anleitung

Shadowbroker

Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…

von BigBodyCobain★ 11.5841 Skills

Skill · Anleitung

google-maps-scraper

scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place

von gosom★ 8.1341 Skills

Skill · Anleitung

Warum es hier steht

Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert

Beliebtheit25/80GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20
Aktualität7/12Volle Punkte für Release oder Codeänderung in 30 Tagen
Antwortet noch0/8Der Cloud-Endpoint antwortete bei der letzten Prüfung
Nutzungswert32/100

Qualität: 3/4 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

3/4 Prüfungen bestanden · Läuft auf deinem Computer

Wir haben einen Teil der Befehle ausgeblendet

Per URL verbinden: die Server-Adresse hat bei der Prüfung nicht geantwortet

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie · Anleitung des Autors · Andere in dieser Kategorie

Zuerst: Welche KI nutzt du?

Wähle deine App, dann erscheinen die Schritte unten.

Claude kann DeepMem noch nicht verbinden

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

ChatGPT kann DeepMem noch nicht verbinden

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

Das kannst du stattdessen tun

B · Andere in Suche & KI-Gedächtnis, die mit ChatGPT funktionieren

Aus den meistgenutzten derselben Kategorie, nur solche, die per Adresse ohne Schlüssel verbinden

Claude Code kann DeepMem noch nicht verbinden

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

Cursor kann DeepMem noch nicht verbinden

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

VS Code kann DeepMem noch nicht verbinden

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

Noch kein Installationsweg hat die Prüfung bestanden. Sieh dir die Anleitung des Autors an oder wähle einen anderen Server dieser Kategorie

Hängst du fest? Frag Leute, die DeepMem nutzen💬 Diskussion →
Für Entwickler: Terminal-Befehle und JSON-Einstellungen

Werte, die du selbst einträgst

  • Authorization geheim erforderlich HTTP header
    API-Schlüssel von https://deepmem.dev (beginnt mit dm_live_). Wird als 'Bearer ' gesendet.
    Englisches Original anzeigenAPI key from https://deepmem.dev (starts with dm_live_). Send as 'Bearer '.

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Auf einen Blick

Downloads pro Wochei
Nicht auf npm/PyPI
Verbindung
Läuft in der Cloud
Transport
streamable-http
Neueste Versioni
0.1.0
In der Registry veröffentlichti
20. Aug. 2026
Code zuletzt geänderti
17. Aug. 2026
Zuletzt geprüft
16. Nov. 2026
Entwickler
deepmemteam
Registry-Status
Aktiv

Welche Apps ihn nutzen können

Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.

Verbinden sich über das Internet in

GooseLM StudioMsty StudioCherry StudioVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast

Alle Apps, mit Vor- und Nachteilen →

Was er kann

Der Server hat bei unserer letzten Prüfung nicht geantwortet, deshalb konnten wir seine Tools nicht lesen.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 17. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto deepmemteam bestätigt, dem das Repo gehört

  • ✓ Bestanden

    Wird noch gepflegt

    Code zuletzt geändert: vor 3 Monaten

  • ✓ Bestanden

    Hat eine Lizenz

    Nutzt MIT

  • ✕ Nicht bestanden

    Endpunkt antwortet

    Hat bei unserer Prüfung nicht innerhalb von 6 Sekunden geantwortet

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Hat bei unserer Prüfung nicht innerhalb von 6 Sekunden geantwortet

  • … Noch nicht geprüft

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Noch nicht geprüft; wir lesen die Tool-Liste, wenn wir den Endpunkt prüfen

Was wir prüfen → · JSON

Entwickler: neue Prüfung anfordern oder falsche Angaben melden
Für Anbieter: Badge ins README

Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/deepmemteam-deepmem.svg)](https://mcp.popnx.com/en/servers/deepmemteam-deepmem)

Diskussion

Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.

Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.

Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.

Anmelden, um zu posten

Nutzerbewertungen

Noch keine Bewertungen

Anmelden, um eine Bewertung zu schreiben

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

  • Mehr Sterne als 98 % der anderen 6274 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 29 % der anderen 6274 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 51 % der anderen 6274 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist DeepMem sicher?

Er hat 3 von 4 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Das musst du eintragen: Authorization

Läuft er auf meinem Computer oder in der Cloud?

Er läuft in der Cloud des Entwicklers. Du verbindest dich übers Internet, ohne etwas zu installieren, aber was du sendest, läuft über die Server des Entwicklers.

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt vor 3 Monaten geändert, und die neueste Version (0.1.0) kam vor 3 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Er verbindet sich per URL und funktioniert daher auch in Apps mit Remote-MCP, etwa ChatGPT im Web (volles MCP ab Business; Pro nur lesend).

Was kann ich stattdessen nutzen?

In derselben Kategorie: OpenSEO, Exa, Mockserver, Microsoft Learn MCP, Docs

Ähnliche Alternativen

Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.

So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

OpenSEO

Keyword research, site audits, rank tracking and AI visibility for your AI agent.

von every-appWeit verbreitet★ 27.908Aktualisiert vor 3 Tagen

Läuft in der Cloud✓ everyapp.com

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

von exa-labsWeit verbreitet★ 5238Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ vom Dienst · exa.aiVom PopNx-Team ausprobiert

Mockserver

Mock, record/replay, verify and chaos-test any HTTP, REST, gRPC or LLM dependency over MCP.

von mock-serverWachsend★ 5011Aktualisiert vor 21 Tagen

Läuft auf deinem Computer✓ vom Dienst · mock-server.com

Microsoft Learn MCP

Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.

von MicrosoftDocsWeit verbreitet★ 1993Aktualisiert vor 12 Monaten

Läuft in der Cloud✓ vom Dienst · microsoft.comVom PopNx-Team ausprobiert

Docs

Search and read Empryo's documentation. Read-only, no auth, no local access.

von proxysoulWachsend★ 1618Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ empryo.com
Im Vergleich mit ähnlichen
Dieser
DeepMem
OpenSEOExaMockserverMicrosoft Learn MCPDocs
Läuft woLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationWird auf deinem Rechner installiertLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine Installation
Braucht SchlüsselJaNeinNeinNeinNeinNein
Mit + in Claude hinzufügenNeinJaJaNeinJaNein
Basisprüfungen3/45/52/43/34/44/4
LizenzMITMITMITApache-2.0CC-BY-4.0NOASSERTION
PreisKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im Register

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

DeepMem Drop-in AI memory layer with 2× faster response and 10× lower cost.

Fully compatible with Mem0 API. Migrate in 5 minutes - one import line. Self-hostable. No auth, no payment, no lock-in. Or use the managed cloud at deepmem.dev .

Cloud · Self-host · Benchmarks · Reproduce them


Migrate from Mem0 in one line - same MemoryClient, same method signatures:

# Before - Mem0

from mem0 import MemoryClient client = MemoryClient(api_key="m0-...")

After - DeepMem (only the import changes)

from deepmem import MemoryClient client = MemoryClient(api_key="dm_live-...") # get a key at deepmem.dev

pip install deepmem-client

Turn conversations into searchable long-term memory: a FastAPI HTTP API in front of a Qdrant vector store, with LLM fact extraction, hybrid retrieval (vector + BM25 + entity boost + time-decay), semantic caching, async batched distillation, GDPR controls, and a built-in MCP server. It runs in open mode - no API key, no user registration - so you can deploy it for your own agents in minutes. Multi-tenant isolation is driven by user_id in the request body.

Prefer not to self-host? DeepMem Cloud is the managed version of

this exact engine at [deepmem.dev](https://deepmem.dev) - same API, no

infra. Sign up, grab a key (dm_live_...), point your base URL at

https://deepmem.dev, done. The cloud and the open-source server speak the

same Mem0-compatible API, so client code is identical.

Migrate from Mem0

Already using Mem0? Switch to DeepMem cloud in one line. The deepmem-client package mirrors mem0.MemoryClient - same class name, same method signatures, same filters={"user_id": ...} style - so everything after the import stays untouched.

pip install deepmem-client
# before (Mem0)

from mem0 import MemoryClient client = MemoryClient(api_key="m0-...") client.add(messages, user_id="alex") client.search("What can Alex cook?", filters={"user_id": "alex"})

after (DeepMem cloud) - change one import line

from deepmem import MemoryClient client = MemoryClient(api_key="dm_live_...") # key at https://deepmem.dev client.add(messages, user_id="alex") # identical calls client.search("What can Alex cook?", filters={"user_id": "alex"})

Behavioral notes

  • `add(infer=True)` (the default) is asynchronous on DeepMem cloud - it returns pending=True with results=[] and extracted facts land a few seconds later. (Mem0 cloud's add is async too - it returns PENDING.) Pass infer=False for synchronous raw-text storage that's immediately searchable.
  • No graph relations - DeepMem uses hybrid vector retrieval (vector + BM25
  • time-decay), so relations is always []. Mem0's graph features aren't replicated.
  • `reset` differs - Mem0's is account-wide; DeepMem's is per-user_id with a confirm guard.

Pricing

DeepMem Cloud is 10x cheaper than Mem0 at every paid tier - the same shape of plans, a tenth of the price.

TierDeepMemMem0 cloud
HobbyFreeFree
Starter$1.9/mo$19/mo
Growth$7.9/mo$79/mo
Professional$24.9/mo$249/mo

Self-host instead and it's $0 - you pay only your own LLM/embedding provider (the same LLM cost Mem0 charges on top of its plan price), with no memory-service markup. Batched distillation also cuts LLM calls ~80%, so even your provider bill is smaller than per-message extractors.

Plans and limits: deepmem.dev · mem0.ai.

Benchmarks

No cherry-picked headline. The scripts and workload ship in /benchmarks - run them yourself. Here's what we measured and the exact config that produced it:

MetricDeepMem self-hosted ¹DeepMem cloudMem0 cloud
Search p5073 ms643 ms653 ms
Search p9586 ms811 ms710 ms
Search hits (40 queries)-19584
Add p50 (raw store)899 ms ²792 ms695 ms ³

¹ BGE-M3 on a GTX 1070 GPU (2016-era), local file Qdrant, infer=False,

100 ops, concurrency 1. ² Dominated by local-file Qdrant I/O - a Qdrant

server cuts this sharply. ³ Mem0 has no raw-store mode; add always runs

LLM extraction, so this row isn't apples-to-apples.

  • Self-hosted is where intrinsic latency lives - no internet RTT, your embedder, your Qdrant. 73 ms p50 search on an old consumer GPU.
  • DeepMem cloud beats Mem0 cloud on search p50 (643 ms vs 653 ms) and returns ~2.3x more candidates per search (195 vs 84 hits across 40 queries).
  • Cloud latency is RTT-dominated - both cloud columns were measured through a proxy from mainland China; run-to-run jitter is ~±10%. Run /benchmarks from a low-RTT location for your own numbers.

Why DeepMem

Agent frameworks keep re-discovering that they need persistent, retrievable memory. The hosted options bill per call and send your data to someone else's cloud. DeepMem is the self-hostable alternative: the same Mem0-shaped API you can drop in, but it runs on your box, with your embedder, your LLM key, and your Qdrant - and the code is right here to verify it.

How does DeepMem compare to other Mem0 alternatives? Most are hosted-only or layer memory on top of someone else's vector DB. DeepMem combines three things at once: it's self-hostable (your data stays on your box - $0 beyond your own LLM key), MCP-native (Claude Desktop / Cursor read and write memories directly as tools), and fully open-source - and the managed cloud runs the exact same engine, so cloud and self-host are one API, not two products.

Without DeepMemWith DeepMem
Re-explain who you are and what you're working on every sessionThe agent recalls identity, projects, and preferences automatically
Lose debugging and research context between sessionsPast root causes, dead ends, and findings are recalled, so work isn't repeated
Manually restate preferences every sessionPreferences persist across sessions, agents, and projects
Hosted memory services that bill per call and hold your dataSelf-host on your infra, or use the cloud - your call, same API
What it is (honestly)
  • Hybrid retrieval, not a knowledge graph. Search fuses vector similarity, BM25 keyword match, entity boost, and time-decay scoring. There is no temporal graph layer; if that's what you need, look at Zep.
  • Stores preferences, not code dumps. Large fenced code blocks are stripped before LLM extraction, so the store fills with durable user/project facts instead of pasted implementations.
  • BYOK, multi-provider. Bring your own LLM (OpenAI / Anthropic / any OpenAI-compatible endpoint) and embedding (BGE-M3 / Google / OpenAI-compatible).
  • MCP-native. Ships an MCP server so Claude Desktop / Cursor can read and write memories directly.

Quick start

Three ways to run. All speak the same Mem0-compatible API.

1. Cloud (zero ops)
export DEEPMEM_API_KEY=dm_live_...      # from https://deepmem.dev

curl https://deepmem.dev/v1/memories \ -H "Authorization: Bearer $DEEPMEM_API_KEY" -H "Content-Type: application/json" \ -d '{"messages":[{"role":"user","content":"I am Pat, I live in Lisbon."}],"user_id":"pat","infer":false}' curl https://deepmem.dev/v1/memories/search \ -H "Authorization: Bearer $DEEPMEM_API_KEY" -H "Content-Type: application/json" \ -d '{"query":"Where does Pat live?","user_id":"pat"}'

2. Docker (one command)
cp .env.example .env          # add an LLM key

docker compose up --build # DeepMem (HTTP :8000 + MCP :8001) + Qdrant sidecar curl http://localhost:8000/health

Or pull the published image:

docker pull langdeepmem/deepmem:latest

docker run -p 8000:8000 -p 8001:8001 -e DEEPSEEK_API_KEY=sk-... langdeepmem/deepmem:latest

The image exposes `:8000` (HTTP) and `:8001` (MCP). The Dockerfile and docker-compose.yml cover the GPU variant (CUDA torch + BGE_DEVICE=cuda) and BGE-M3 model-download options (HF mirror, proxy, or local mount).

3. From source
git clone https://github.com/deepmemteam/deepmem.git && cd deepmem

pip install -r requirements.txt cp .env.example .env # add an LLM key + embedder config python server/start.py # HTTP :8000 + MCP :8001

Write and search in three lines:

import httpx

httpx.post("http://localhost:8000/v1/memories", json={"messages":[{"role":"user","content":"I'm Pat, I live in Lisbon."}], "user_id":"pat"}) print(httpx.post("http://localhost:8000/v1/memories/search", json={"query":"Where does Pat live?","user_id":"pat"}).json()["results"])

user_id is optional (defaults to "default"); send different user_ids

to isolate end-users. infer: false stores raw text immediately

(test-friendly); the default infer: true queues for LLM fact extraction.

Feature highlights

Multi-provider by config, not code. Both layers switch on env vars:

LayerOptionsSelector
LLM (fact extraction)OpenAI · Anthropic (native SDK) · any OpenAI-compatible (DeepSeek / vLLM / Ollama / Groq / LM Studio)LLM_PROVIDER + LLM_API_KEY / ANTHROPIC_API_KEY / DEEPSEEK_API_KEY
EmbeddingsBGE-M3 (local, GPU/CPU) · Google Gemini · any OpenAI-compatibleEMBEDDING_PROVIDER + BGE_M3_PATH / GOOGLE_API_KEY / OPENAI_API_KEY

BGE_DEVICE=auto|cpu|cuda picks GPU when available, else CPU (force cpu on small-VRAM cards to avoid multi-process contention). BYOK overrides the LLM per-request.

Hybrid retrieval. Vector similarity + BM25 keyword + entity boost + time-decay, fused into one score. Over-fetch, re-rank, return.

Async batched distillation. Writes queue behind a silence window and are extracted in batches - ~80% fewer LLM calls than per-message extraction.

Semantic cache. Repeat adds/searches hit a similarity-gated cache and return cached facts without re-embedding or re-querying Qdrant.

Stores preferences, not code. extraction_filter strips large fenced code blocks before LLM extraction, so the store fills with durable facts, not pasted implementations.

MCP server. deepmem_write / deepmem_search / deepmem_delete tools for Claude Desktop, Cursor, and any MCP client.

GDPR. Soft-delete with retention window, hard-delete reset, SHA-256 id masking in logs, export/import for portability.

API

MethodPathDescription
POST/v1/memoriesWrite messages; LLM-extract facts (infer=false stores raw)
POST/v1/memories/searchSemantic search (vector + BM25 + entity + time-decay)
GET/v1/memoriesList all for a user_id (paginated)
GET/v1/memories/{id}Get one by ID
PUT/v1/memories/{id}Update one memory's text
DELETE/v1/memories/{id}Soft-delete one
DELETE/v1/memoriesSoft-delete all for a user_id (GDPR)

| GET | `/v1/

Nur der Anfang wird gezeigt; den Rest findest du im Repo