Memograph

Name: Memograph
Author: Indhar01

de Indhar01versión 0.4.0i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.Indhar01/memograph

Instalar

Resumen

Descripción del creador (original en inglés)

Graph-based memory system for LLMs with knowledge graphs and semantic search.

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiMuy nuevo↓ 30/sem · ★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Búsqueda y memoria de IA
Debes completar: MEMOGRAPH_VAULT, ANTHROPIC_API_KEY, OPENAI_API_KEY

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
Debes completar tú: MEMOGRAPH_VAULT, MEMOGRAPH_READONLY, MEMOGRAPH_PROVIDER, MEMOGRAPH_MODEL, ANTHROPIC_API_KEY, OPENAI_API_KEY, OLLAMA_HOST

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

{
  "mcpServers": {
    "memograph": {
      "command": "uvx",
      "args": [
        "memograph",
        "memograph-mcp"
      ],
      "env": {
        "MEMOGRAPH_VAULT": "your-value",
        "MEMOGRAPH_READONLY": "your-value",
        "MEMOGRAPH_PROVIDER": "your-value",
        "MEMOGRAPH_MODEL": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "OLLAMA_HOST": "your-value"
      }
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add memograph --env MEMOGRAPH_VAULT=your-value --env MEMOGRAPH_READONLY=your-value --env MEMOGRAPH_PROVIDER=your-value --env MEMOGRAPH_MODEL=your-value --env ANTHROPIC_API_KEY=your-value --env OPENAI_API_KEY=your-value --env OLLAMA_HOST=your-value -- uvx memograph memograph-mcp

Completa los valores vacíos antes de ejecutarlo.

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

{
  "mcpServers": {
    "memograph": {
      "command": "uvx",
      "args": [
        "memograph",
        "memograph-mcp"
      ],
      "env": {
        "MEMOGRAPH_VAULT": "your-value",
        "MEMOGRAPH_READONLY": "your-value",
        "MEMOGRAPH_PROVIDER": "your-value",
        "MEMOGRAPH_MODEL": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "OLLAMA_HOST": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "memograph": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "memograph",
        "memograph-mcp"
      ],
      "env": {
        "MEMOGRAPH_VAULT": "your-value",
        "MEMOGRAPH_READONLY": "your-value",
        "MEMOGRAPH_PROVIDER": "your-value",
        "MEMOGRAPH_MODEL": "your-value",
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "OLLAMA_HOST": "your-value"
      }
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Valores que debes completar

MEMOGRAPH_VAULT obligatorio env
Path to your MemoGraph vault directory (created if missing).
MEMOGRAPH_READONLY env
Set to 'true' to block destructive MCP tools (delete_memory, update_memory, bulk_create, batch_delete, batch_update). Recommended for shared or untrusted clients.
MEMOGRAPH_PROVIDER env
Optional LLM provider for query_with_context tool. Only needed if you want AI-generated answers.
MEMOGRAPH_MODEL env
Optional LLM model name (e.g. 'claude-sonnet-4-6'). Used together with MEMOGRAPH_PROVIDER.
ANTHROPIC_API_KEY secreto env
API key for Anthropic Claude. Required when MEMOGRAPH_PROVIDER=claude or when using the [anthropic] extra.
OPENAI_API_KEY secreto env
API key for OpenAI. Required when using the [openai] extra (embeddings or LLM).
OLLAMA_HOST env
Base URL for a local Ollama server (default http://localhost:11434). Only needed when MEMOGRAPH_PROVIDER=ollama or the [ollama] extra is installed.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 8 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub Indhar01, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Búsqueda y memoria de IAi

Más estrellas que el 0% de los otros 5717 servidores de esta categoría
Publicado en el registro más recientemente que el 19% de los otros 5717 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 5717 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Memograph?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: MEMOGRAPH_VAULT, ANTHROPIC_API_KEY, OPENAI_API_KEY

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.4.0) llegó al registro hace 5 meses.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Context7, Codebase Memory, Exa

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Context7

Up-to-date docs for AI agents

de upstashMuy usado↓ 972,7 mil/sem★ 64,2 milActualizado anteayer

Computadora o nube

Instalar

Codebase Memory

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

de DeusDataMuy usado↓ 18 mil/sem★ 48,1 milActualizado hace 22 días

Se ejecuta en tu computadora

Instalar

Exa

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

de exa-labsMuy usado★ 5,2 milActualizado hace 2 meses

Se ejecuta en la nube✓ exa.ai

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

MemoGraph 🧠

MemoGraph turns a folder of markdown notes into a queryable, AI-ready knowledge graph. It solves the LLM memory problem — your AI assistants forget last Tuesday's decision, can't find a related note across two projects, and re-derive the same insight again and again — by giving them a persistent, navigable, attribution-friendly memory layer that lives in plain markdown files you control.

You write notes the way you already do. MemoGraph indexes them, builds a graph from [[wikilinks]], ranks them by salience, and serves them back to your LLM (or your team) on demand.

⚡ Try it in 60 seconds

pip install memograph

memograph quickstart

That's it. The quickstart command drops a small, interconnected sample vault on your disk (15 notes about Python development, with real wikilinks between them), ingests it, and runs three live demo queries so you can see the graph + hybrid retrieval working before you decide whether to commit. Try this query in particular:

memograph --vault ~/memograph-quickstart search "FastAPI dependency injection"

The vault contains a note titled FastAPI dependencies (about Depends(...)) — the words "dependency" and "injection" never appear in any note's title. MemoGraph still finds it, because hybrid retrieval understands "dependency injection" semantically and the wikilink graph stitches related notes together. That's the product, demonstrated in one query.

Re-run memograph quickstart --force any time to reset to a fresh demo. When you're ready, point MemoGraph at your real notes: memograph --vault ~/your-notes ingest.

What you get

As a solo user / knowledge worker

A vault of human-readable markdown files — nothing proprietary, no lock-in. Your notes outlive any tool.
Hybrid retrieval that combines keyword search, semantic similarity, and graph traversal so you find the right note even when you don't remember the exact words.
AI-assisted tagging, link suggestions, and gap detection that grow your knowledge base instead of letting it rot.
A CLI and a web UI for browsing, editing, and visualizing the graph.

As an AI agent / IDE user

A first-class Model Context Protocol (MCP) server with 30+ tools, working out of the box with Claude Desktop, Claude Code, Cursor, Cline, Windsurf, Continue, Zed, VS Code, Goose, Gemini CLI, OpenAI Codex CLI, and others.
Autonomous "auto-save" hooks that capture decisions and context from your AI conversations into the vault automatically.
Per-conversation memory recall — your assistant can pull "what did we decide last week about X" without you copy-pasting context every time.

As an enterprise / SaaS operator

Multi-tenant deployment with filesystem-level isolation per tenant, end-to-end isolation tests, and a warm-LRU kernel cache.
OIDC + API-key authentication with JWKS support (Auth0, Clerk, WorkOS, Keycloak, Azure AD, Okta), restrictive CORS, request-size caps, and rate limiting.
GDPR-compliant scheduled deletion: tombstone-with-grace-period flow, automatic final backups, daily reaper, and an audit log of every deletion.
Observability built in: OpenTelemetry traces + Prometheus /metrics, structured JSON logging with request IDs, and a separate /healthz / /readyz for orchestration.
Operations runbooks shipped with the code: install, SSO setup, RBAC, backup-restore, and GDPR procedures.

How consumers benefit

You want to…	MemoGraph gives you…
Stop your AI assistant from forgetting context across conversations	Persistent vault + MCP server, plus optional auto-save hooks
Find a note across thousands when you only half-remember it	Hybrid retrieval (keyword + semantic + graph) with salience ranking
Connect related ideas without manual cross-linking	AI link suggestions, backlink graph, BFS traversal
Discover what's missing in your knowledge base	Gap detector + topic clustering + learning-path suggestions
Self-host a memory backend for a team or product	Web UI, FastAPI HTTP API, OpenAPI v1 contract, Docker compose
Ship MemoGraph to multiple paying customers	Multi-tenant kernel registry, OIDC, quotas (roadmap), GDPR runbook
Survive an SOC 2 audit conversation	Audit log with user + tenant binding, observability, security workflow, compliance roadmap doc

✨ Capabilities at a glance

Core memory engine

Graph-based memory — bidirectional [[wikilinks]] build a navigable knowledge graph automatically.
Hybrid retrieval — keyword + semantic embeddings + graph traversal, combined and re-ranked.
Memory types inspired by cognitive science: episodic, semantic, procedural, fact.
Salience scoring (0–1) that decays over time and boosts on access.
Smart indexing — mtime-cached, only re-parses changed files.
Context compression — token-budget-aware windowing for LLM prompts.
Markdown-native vault — every memory is a .md file with YAML frontmatter; no proprietary format.

AI features

Smart Auto-Organization Engine — extract topics, people, action items, decisions, questions, sentiment, risks, ideas, and timeline events from memories.
AutoTagger — suggest tags via semantic analysis, structure detection, and pattern learning.
LinkSuggester — propose [[wikilinks]] to related notes; bidirectional opportunities included.
GapDetector — surface missing topics, weak coverage, isolated notes, and unmade links.
Knowledge analysis — vault stats, topic clustering, learning paths, connection analysis.

Interfaces

Python API — MemoryKernel with sync, async, and batch variants.
CLI — 24+ commands for ingest, search, batch ops, import, export, backup, and AI features.
MCP server — 30+ tools, stdio transport, drop-in for any MCP-compatible client.
Web UI — React + D3 graph visualization, search, and editing (FastAPI backend + Vite frontend).
HTTP API — versioned /api/v1/, OpenAPI snapshot in CI, ready for service-to-service integration.

Enterprise & SaaS readiness

Multi-tenancy with filesystem-isolated tenants, an LRU registry of warm kernels, per-tenant audit logs, and end-to-end isolation tests gating release.
Authentication via OIDC (JWKS) or hashed API keys; per-route auth scope; identity bound into the audit log.
Web hardening — restrictive CORS, slowapi rate limiting, request-size caps, structured JSON logging with request IDs, info-leak-free 500 handler.
Storage hardening — path-traversal-safe vault writes, vault size soft/hard caps, schema-versioned cache files.
Scheduled deletion for GDPR Art. 17: tombstone with configurable grace period, automatic final backup, daily reaper script, cancel-before-grace endpoint.
Observability — OpenTelemetry FastAPI/asyncio auto-instrumentation, Prometheus /metrics, OTLP export.
Reliability — concurrency audit, stress tests for concurrent writes, versioned backup format with integrity checks.
Distribution — pinned-and-locked dependencies, Docker compose for self-host, security workflow (bandit + pip-audit).

See docs/INSTALL_ENTERPRISE.md, docs/SSO_SETUP.md, docs/GDPR_RUNBOOK.md, docs/BACKUP_RESTORE_RUNBOOK.md, docs/OBSERVABILITY_GUIDE.md, and docs/RBAC_GUIDE.md for the operator-facing details.

🚀 Quick Start

Hosting it yourself? docs/HOSTING_GUIDE.md

covers four genuinely-free paths — Oracle Free Tier, Cloudflare

Tunnel + your hardware (recommended for most), GCP always-free

stitch, and GitHub-repo-as-vault. Workspace identity via OIDC and

Drive-as-portability-backup are documented in

docs/GOOGLE_WORKSPACE_SETUP.md.

Installation

pip install memograph

Install with optional dependencies:

# For OpenAI support

pip install memograph[openai]

For Anthropic Claude support

pip install memograph[anthropic]

For Ollama support

pip install memograph[ollama]

For embedding support

pip install memograph[embeddings]

Install everything

pip install memograph[all]

Python Usage

from memograph import MemoryKernel, MemoryType

Initialize the kernel attached to your vault path

kernel = MemoryKernel("~/my-vault")

Ingest all notes in the vault

stats = kernel.ingest() print(f"Indexed {stats['indexed']} memories.")

Programmatically add a new memory

kernel.remember( title="Meeting Note", content="Decided to use BFS graph traversal for retrieval.", memory_type=MemoryType.EPISODIC, tags=["design", "retrieval"] )

Retrieve context for an LLM query

context = kernel.context_window( query="how does retrieval work?", tags=["retrieval"], depth=2, top_k=8 )

print(context)

🔌 MCP Server (Model Context Protocol)

MemoGraph includes a full-featured MCP server for seamless integration with AI assistants like Cline and Claude Desktop.

📖 New to MemoGraph MCP? See the [MCP User Guide](docs/MCP_USER_GUIDE.md) for practical usage instructions and examples!

🚨 Having connection issues? See [Setup & Troubleshooting Guide](docs/MCP_SETUP_TROUBLESHOOTING.md) - Common fixes for "cannot connect" errors!

19 Available Tools

Category	Tools	Description
Search	`search_vault`, `query_with_context`	Semantic search and context retrieval
Create	`create_memory`, `import_document`	Add memories and import documents
Read	`list_memories`, `get_memory`, `get_vault_info`	Browse and retrieve memories
Update	`update_memory`	Modify existing memories
Delete	`delete_memory`	Remove memories by ID
Analytics	`get_vault_stats`	Vault statistics and insights
Discovery	`list_available_tools`	List all available tools
Autonomous	`auto_hook_query`, `auto_hook_response`, `configure_autonomous_mode`, `get_autonomous_config`	Autonomous memory management
Graph	`relate_memories`, `search_by_graph`, `find_path`	Graph-native linking and traversal
Bulk	`bulk_create`	Create multiple memories in one call

Supported Clients

MemoGraph's MCP server is a stdio server — it runs alongside any MCP-compatible agentic CLI or editor. The full setup cookbook (config-file paths, format quirks, verification steps) lives in [docs/MCP_CLIENTS.md](docs/MCP_CLIENTS.md):

Client	Format	Quick reference

| Claude Code (CLI) | mcpServers | [claude_code_config.json](memograph/mcp/

Solo se muestra el principio; lee el resto en el repo

Memograph

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Búsqueda y memoria de IAi

Preguntas frecuentes

Alternativas

Context7

Codebase Memory

Exa

README del creador

MemoGraph 🧠

⚡ Try it in 60 seconds

What you get

As a solo user / knowledge worker

As an AI agent / IDE user

As an enterprise / SaaS operator

How consumers benefit

✨ Capabilities at a glance

Core memory engine

AI features

Interfaces

Enterprise & SaaS readiness

🚀 Quick Start

Installation

For Anthropic Claude support

For Ollama support

For embedding support

Install everything

Python Usage

Initialize the kernel attached to your vault path

Ingest all notes in the vault

Programmatically add a new memory

Retrieve context for an LLM query

🔌 MCP Server (Model Context Protocol)

19 Available Tools

Supported Clients