MemVault - Local-First Agent Memory

Name: MemVault - Local-First Agent Memory
Author: dreamor

제작자: dreamor버전 0.7.0i★ 2i내 컴퓨터에서 실행

레지스트리 이름io.github.dreamor/memvault

설치 방법

What it does

Local-first memory for AI agents: save, recall, dedupe, and share across MCP clients.

Connects 내 컴퓨터에서 실행
Account or key No key needed
Category 검색 및 AI 기억

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

검사 3/3 통과 · 내 컴퓨터에서 실행돼요

먼저: 어떤 AI를 쓰시나요?

Claude웹 · 앱 · 모바일ChatGPT웹Claude Code터미널Cursor코드 에디터VS Code코드 에디터기타다른 앱

쓰는 앱을 고르면 아래에 단계가 나옵니다.

Claude에 연결할 수 있지만 먼저 준비가 필요해요

먼저 컴퓨터에 Docker를 설치하세요 (한 번만) · 컴퓨터용 Claude 앱(Windows 또는 Mac)에서만 되고 웹이나 모바일은 안 돼요

Docker 설치
한 번만 하면 Docker가 필요한 모든 서버에 쓸 수 있어요
Docker 다운로드 페이지 열기 ↗
완료
컴퓨터용 Claude 앱 설정 파일 열기
SettingsDeveloperEdit Config
완료

이 설정을 붙여 넣고 저장

{
  "mcpServers": {
    "memvault": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/dreamor/memvault:v0.7.0"
      ]
    }
  }
}

완료

Claude를 끄고 다시 열기
완료
해 보기
MemVault - Local-First Agent Memory을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐
✓ Claude가 MemVault - Local-First Agent Memory을 쓰고 있다고 하거나 답에 MemVault - Local-First Agent Memory 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

ChatGPT는 아직 MemVault - Local-First Agent Memory에 연결할 수 없어요

MemVault - Local-First Agent Memory는 내 컴퓨터에 설치해서 쓰지만 ChatGPT는 웹에서 도는 서버만 연결할 수 있어요

대신 이렇게 할 수 있어요

A · MemVault - Local-First Agent Memory에 연결되는 앱 쓰기

Claude 단계 보기 →먼저 컴퓨터에 Docker를 설치하세요 (한 번만) · 컴퓨터용 Claude 앱(Windows 또는 Mac)에서만 되고 웹이나 모바일은 안 돼요
Claude Code 단계 보기 →먼저 컴퓨터에 Docker를 설치하세요 (한 번만)
Cursor 단계 보기 →먼저 컴퓨터에 Docker를 설치하세요 (한 번만)
VS Code 단계 보기 →먼저 컴퓨터에 Docker를 설치하세요 (한 번만)

B · 검색 및 AI 기억에서 ChatGPT에 연결되는 다른 서버

같은 분류에서 많이 쓰는 것 중 키 없이 주소만으로 연결되는 것을 골랐어요

Context7✓ ChatGPT
AIHOT✓ ChatGPT
Sui Knowledge Base (kapa.ai)✓ ChatGPT

Claude Code에 연결할 수 있지만 먼저 준비가 필요해요

먼저 컴퓨터에 Docker를 설치하세요 (한 번만)

Docker 설치
한 번만 하면 Docker가 필요한 모든 서버에 쓸 수 있어요
Docker 다운로드 페이지 열기 ↗
완료
터미널 열기
Mac: Command+스페이스를 누르고 Terminal 입력 · Windows: PowerShell 열기
완료

이 명령을 붙여 넣고 Enter

claude mcp add --scope user memvault -- docker run -i --rm ghcr.io/dreamor/memvault:v0.7.0

완료

Claude Code에서 /mcp 입력
MemVault - Local-First Agent Memory이 목록에 있고 연결됨으로 보이면 돼요
완료
해 보기
MemVault - Local-First Agent Memory을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐
✓ Claude Code가 MemVault - Local-First Agent Memory을 쓰고 있다고 하거나 답에 MemVault - Local-First Agent Memory 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Cursor에 연결할 수 있지만 먼저 준비가 필요해요

먼저 컴퓨터에 Docker를 설치하세요 (한 번만)

Docker 설치
한 번만 하면 Docker가 필요한 모든 서버에 쓸 수 있어요
Docker 다운로드 페이지 열기 ↗
완료
이 버튼으로 Cursor 열기
Cursor에서 열기
Cursor가 설치를 확인하면 Install을 누르세요
완료
Cursor에서 AI 채팅을 Agent 모드로 열기
완료
해 보기
MemVault - Local-First Agent Memory을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐
✓ Cursor가 MemVault - Local-First Agent Memory을 쓰고 있다고 하거나 답에 MemVault - Local-First Agent Memory 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Cursor 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

VS Code에 연결할 수 있지만 먼저 준비가 필요해요

먼저 컴퓨터에 Docker를 설치하세요 (한 번만)

Docker 설치
한 번만 하면 Docker가 필요한 모든 서버에 쓸 수 있어요
Docker 다운로드 페이지 열기 ↗
완료
이 버튼으로 VS Code 열기
VS Code에서 열기
VS Code가 설치를 확인하면 Install을 누르세요
완료
VS Code에서 AI 채팅을 Agent 모드로 열기
완료
해 보기
MemVault - Local-First Agent Memory을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐
✓ VS Code가 MemVault - Local-First Agent Memory을 쓰고 있다고 하거나 답에 MemVault - Local-First Agent Memory 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 VS Code 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Windsurf, Zed, Gemini CLI 같은 다른 MCP 앱은 추가 방법이 저마다 달라요. 앱 목록에서 확인하세요

MCP를 쓰는 앱 모두 보기 →

JSON 설정은 아래 “개발자용”에 있어요

막혔나요? MemVault - Local-First Agent Memory을 쓰는 사람에게 물어보세요💬 토론 →

개발자용: 터미널 명령과 JSON 설정

컴퓨터에 설치

Claude Code

claude mcp add --scope user memvault -- docker run -i --rm ghcr.io/dreamor/memvault:v0.7.0

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "memvault": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/dreamor/memvault:v0.7.0"
      ]
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "memvault": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/dreamor/memvault:v0.7.0"
      ]
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "memvault": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/dreamor/memvault:v0.7.0"
      ]
    }
  }
}

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

한눈에 보기

GitHub 스타 i: 2
주간 다운로드i: npm/PyPI에 없음
라이선스 i: MIT
연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
최신 버전i: 0.7.0
카테고리i: 검색 및 AI 기억
레지스트리 공개i: 2026년 11월 7일
코드 마지막 변경i: 2026년 11월 11일
제작자: dreamor
패키지: oci: ghcr.io/dreamor/memvault:v0.7.0
저장소: dreamor/MemVault
웹사이트: github.com
레지스트리 상태: 활성

어떤 앱에서 쓸 수 있나요

이 서버의 연결 방식과 각 앱의 공식 문서를 바탕으로 했어요. 2026년 11월 10일 확인.

내 컴퓨터에서 실행하는 앱

Claude Goose LM Studio Msty Studio Cherry Studio Cursor VS Code + GitHub Copilot Visual Studio Windsurf (Devin Desktop)Zed Kiro Cline Continue JetBrains AI Assistant Claude Code Codex CLI Gemini CLI OpenCode nodecode Warp LibreChat Raycast

모든 앱과 장단점 →

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 12일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 dreamor 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
✓ 통과
계속 관리되고 있음
코드 마지막 변경: 어제
✓ 통과
라이선스 있음
MIT 사용
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

토론

질문하고, 팁을 나누고, 안 되는 점을 알려 주세요. "도움이 됨"이 많은 순서예요.

아직 글이 없어요. 처음으로 질문하거나 공유해 보세요.

이곳의 글은 사용자가 쓴 것으로, PopNx 팀의 글이 아니에요.

Google로 로그인하고 글쓰기

사용자 리뷰

아직 리뷰가 없어요

Google로 로그인하고 리뷰 쓰기

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 5989개 중 82%보다 스타가 많아요
이 카테고리의 다른 서버 5989개 중 87%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 5989개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

MemVault - Local-First Agent Memory, 안전한가요?

해당하는 기본 점검 3개 중 3개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 어제 변경됐고, 최신 버전(0.7.0)은 5일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Docker도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Context7, Codebase Memory, Ruflo

같은 카테고리의 다른 것

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:↓ 주간 다운로드i★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Context7

Up-to-date docs for AI agents

제작자: upstash널리 사용됨↓ 125만/주★ 6.5만3일 전 업데이트

컴퓨터 또는 클라우드

설치

Codebase Memory

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

제작자: DeusData널리 사용됨↓ 1.7만/주★ 4.9만26일 전 업데이트

내 컴퓨터에서 실행

설치

Ruflo

Agent teams, swarms, memory and hooks for Claude Code and Codex, served over MCP.

제작자: ruvnet널리 사용됨↓ 7.4만/주★ 8.1만 저장소 전체의 별어제 업데이트

내 컴퓨터에서 실행

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

MemVault

The Shared Memory Layer for Every AI Agent You Run

Not "agent learns to search memory" — memory finds the agent.

MCP Native · Hybrid Retrieval · Auto-Injection · Zero-Config Sync

Open Source · Self-Hosted · Private · MIT Licensed

English · 简体中文

If MemVault solves a real problem for you, a star helps others find it.

[⭐ Star on GitHub](https://github.com/dreamor/memvault) · [Report Bug](https://github.com/dreamor/memvault/issues/new)

curl -fsSL https://raw.githubusercontent.com/dreamor/memvault/master/scripts/install.sh | bash

Every AI agent session starts from scratch. Claude Desktop doesn't know what Cursor just learned. DeepSeek Harness (dsh) doesn't know what you told Claude Code yesterday. Whatever agent you're running — international or domestic, IDE plugin or CLI harness — it forgets your preferences every time you start a new conversation.

You've been manually repeating context — project conventions, personal preferences, past decisions — across agents that should already know. This isn't a limitation of the models. It's a missing infrastructure layer.

MemVault is that layer. A lightweight, self-hosted memory router that sits between your agents and their context. It speaks plain MCP — no MemVault-specific SDK, no per-agent API integration. Any MCP-compatible agent, from any vendor, automatically shares the same persistent memory the moment it connects.

Who it's for:

Anyone running an MCP-capable agent — Claude Code, Claude Desktop, Cursor, Cline, Continue, DeepSeek Harness (dsh), or any other MCP client, domestic or international — who wants preferences, project context, and past decisions to persist across sessions without repeating yourself
Multi-agent power users running several of the above side by side, on different models, from different vendors — all sharing the same memory without configuration
Platform teams deploying AI-assisted workflows where consistency matters across a mixed agent fleet: code review conventions, architecture decisions, project-specific preferences
Anyone tired of telling their AI the same thing twice — MemVault works the way your brain should: you say it once, it's there when you need it, no matter which agent is asking

[Quick Start](#quick-start) · [How It Works](#how-it-works) · [What MemVault Gives You](#what-memvault-gives-you) · [Why MemVault](#why-memvault) · [MCP Server](#mcp-server) · [CLI Reference](#cli-reference) · [Integrations](#integrations) · [Architecture](#architecture) · [Project Status](#project-status) · [Testing](#testing) · [Documentation](#documentation) · [Contributing](#contributing) · [License](#license)

Quick Start

Don't install MemVault by hand — paste this one prompt into Claude Code, Codex, Cursor, dsh, or any other MCP-capable agent. It points the agent at a machine-readable install guide, so the agent does the whole setup itself:

Install MemVault as your long-term memory and wire it into this agent. Fetch and follow https://raw.githubusercontent.com/dreamor/memvault/master/docs/AGENT-INSTALL.md — install the binaries, register MemVault as an MCP server for this host, and verify recall works. Then keep saving my preferences, project decisions, and lessons from each session so my next agent starts with them instead of from scratch.

Or install manually:

# Install (Linux / macOS): official script, auto-verifies SHA-256

curl -fsSL https://raw.githubusercontent.com/dreamor/memvault/master/scripts/install.sh | bash export PATH="$HOME/.memvault/bin:$PATH"

Windows (PowerShell):

powershell -ExecutionPolicy Bypass -File scripts\install.ps1

Homebrew (Apple Silicon):

brew install dreamor/tap/memvault

Or from crates.io:

cargo install memvault-cli memvault-mcp

The installers auto-start the local REST backend (host of the Web

Dashboard). Open it, or start it on demand:

memvault-cli dashboard

Save a MUST-level preference (injected as instruction, agent must follow)

memvault-cli save --content "User prefers Python" --priority MUST --type preference \ --instruction "Use Python for code, not Java" --tags "coding,python"

Search across all memory (hybrid: keyword + semantic when embedding is enabled)

memvault-cli search --query "Python"

See what context gets injected when a specific agent connects

memvault-cli session-start --agent-id claude-desktop --context "Help me write code"

Extract structured memories from free text

memvault-cli extract --text "I prefer dark mode. Our project uses Rust." --save

Auto-generate agent instruction files from memory

memvault-cli sync

All in one: dedup, decay, archive stale memories

memvault-cli dedup && memvault-cli decay

System requirements:

- Prebuilt Linux binaries (install script / GitHub release): glibc ≥ 2.39 + GLIBCXX_3.4.31 (GCC 13-era runtime — Ubuntu 24.04+ / Fedora 40+ / Arch). Release builds are pinned to Ubuntu 24.04 runners, and the release workflow gates the highest glibc/GLIBCXX symbol version every binary may require plus a startup smoke test, so this floor cannot silently drift upward (0.6.9 shipped x86_64 binaries requiring glibc 2.43 that way). TLS is rustls, so no OpenSSL dependency. Ubuntu 22.04 / RHEL or EL8/EL9 users: use the Docker image (dreamor/memvault) or build from source.

- Building from source (cargo install / cargo build): links fastembed's prebuilt ONNX Runtime static library and needs a GCC 13-class toolchain. Older toolchains (e.g. GCC 8, CentOS 7/8-era libstdc++) fail at link time with missing C++20/23 stdlib symbols (std::format, std::to_chars). macOS / Windows (MSVC) / Homebrew / Docker are unaffected.

Verify your install in 5 seconds:

memvault-cli --version

memvault 0.6.12

sanity check: list saved memories (verifies DB is healthy)

memvault-cli list

Local Ollama Demo (Zero Cost, Stays on Your Machine)

MemVault is plug-and-play with a local Ollama: unconfigured LLM extraction (full-text understanding / failure reflection / relation extraction) auto-detects a local Ollama; embeddings use the local model with the ollama or auto provider.

# 1. Install and start Ollama

brew install ollama && brew services start ollama # or the official installer

2. Pull models

ollama pull nomic-embed-text # embeddings, 768-dim (default for ollama/auto) ollama pull qwen2.5:3b-instruct # chat: LLM extraction/reflection (default qwen2.5:7b, use 3b on small machines)

3. (Optional) Pin the providers explicitly — persist them in ~/.memvault/.env

(shell exports also work — env vars take precedence over the file — but the file survives reboots)

mkdir -p ~/.memvault cat >> ~/.memvault/.env <<'EOF' MEMVAULT_EMBEDDING_PROVIDER=ollama MEMVAULT_LLM_EXTRACTION_PROVIDER=ollama MEMVAULT_LLM_EXTRACTION_MODEL=qwen2.5:3b-instruct EOF

4. Verify

memvault-cli status # Embedding provider: configured and reachable memvault-cli save --content "Build server IP is 10.20.30.40" # output (embedded int8) memvault-cli outcome --task "Deploy trading service" --status failure --cause "Disk space insufficient" --task-type deploy

→ Lesson (Llm): ... means failure reflection ran through the local LLM (not the rule-based fallback)

With no configuration at all (neither env vars nor ~/.memvault/.env), LLM extraction auto-detects a local Ollama and enables itself (default model qwen2.5:7b; pull it in advance with ollama pull qwen2.5:7b, or point MEMVAULT_LLM_EXTRACTION_MODEL at an installed model). Embeddings still default to the in-process native embedder; set MEMVAULT_EMBEDDING_PROVIDER=auto in ~/.memvault/.env to prefer Ollama and fall back to native when it isn't running. The native model's first launch downloads the weights from HuggingFace silently in the background — the server/dashboard come up immediately and hot-swap to semantic search once the download finishes, so a fresh install never blocks on it (set MEMVAULT_EMBEDDING_PROVIDER=none to run pure keyword and skip the download).

How It Works

MemVault is a pipeline, not a single script. Every stage below is a shipping module:

Agent connects (MCP stdio/SSE)

│ ▼ ┌───────────────────┐ │ Agent Router │ ← match agent type/tag → filter relevant memory │ (Agent Registry) │ └────────┬──────────┘ │ ▼ ┌───────────────────┐ │ Memory Retrieval │ ← keyword (BM25) + vector (embedding) + RRF fusion │ (3 search modes) │ synonym expansion · scoring · soft filtering └────────┬──────────┘ │ ▼ ┌───────────────────┐ │ Auto-Injection │ ← MUST-level → instruction prompt │ │ REFERENCE → context resource │ │ NORMAL → search result └────────┬──────────┘ │ ▼ Agent receives context ──→ makes better decisions

Storage: SQLite with bundled FTS5 (full-text search); embeddings stored int8-quantized (~1/4 the size of f32 at near-identical ranking quality, legacy f32 rows still readable)
Retrieval: BM25 keyword search over FTS5 with CJK bigram tokenization (Chinese two-character words match correctly) and tiered match fallback (strict → relaxed unigram → synonym OR; relaxations are reported, never silent), local-first embedding (in-process native by default — switch to local Ollama or any OpenAI-compatible model), RRF fusion with per-result recall provenance (kw#2/vec#5), synonym expansion, relevance scoring, soft intent filtering
Pipeline: Automatic entity extraction, delta-write on save (near-duplicates skipped, similar memories absorb only the residual), semantic deduplication, time-based decay, archive of stale memories
Sync: Zero-invasion file generation — memvault-cli sync produces CLAUDE.md, AGENTS.md, etc. directly from database contents

What MemVault Gives You

Auto-Injected Context: Session start automatically pulls relevant memory by agent identity — MUST-level rules land as instructions, not just chat history
Hybrid Retrieval: BM25 + vector + RRF fusion with synonym expansion, relevance scoring, and per-result provenance (which path recalled each memory, at what rank) — available via CLI, MCP tool, and REST API
Explainable Injection: every candidate dropped on the way into an agent's context is recorded with a reason (budget, caps, intent/type penalties) — "why didn't the agent get this memory?" always has an answer
MUST Enforcement: MUST-priority memories are never filtered or truncated. Always in context, always obeyed — trust comes from provenance (human-authored/r

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

MemVault - Local-First Agent Memory

What it does

설치

Docker 설치

컴퓨터용 Claude 앱 설정 파일 열기

이 설정을 붙여 넣고 저장

Claude를 끄고 다시 열기

해 보기

대신 이렇게 할 수 있어요

Docker 설치

터미널 열기

이 명령을 붙여 넣고 Enter

Claude Code에서 /mcp 입력

해 보기

Docker 설치

이 버튼으로 Cursor 열기

Cursor에서 AI 채팅을 Agent 모드로 열기

해 보기

Docker 설치

이 버튼으로 VS Code 열기

VS Code에서 AI 채팅을 Agent 모드로 열기

해 보기

컴퓨터에 설치

한눈에 보기

어떤 앱에서 쓸 수 있나요

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

토론

사용자 리뷰

검색 및 AI 기억 카테고리의 다른 서버와 비교i

자주 묻는 질문

같은 카테고리의 다른 것

Context7

Codebase Memory

Ruflo

제작자의 README

MemVault

The Shared Memory Layer for Every AI Agent You Run

Quick Start

Windows (PowerShell):

powershell -ExecutionPolicy Bypass -File scripts\install.ps1

Homebrew (Apple Silicon):

brew install dreamor/tap/memvault

Or from crates.io:

cargo install memvault-cli memvault-mcp

The installers auto-start the local REST backend (host of the Web

Dashboard). Open it, or start it on demand:

Save a MUST-level preference (injected as instruction, agent must follow)

Search across all memory (hybrid: keyword + semantic when embedding is enabled)

See what context gets injected when a specific agent connects

Extract structured memories from free text

Auto-generate agent instruction files from memory

All in one: dedup, decay, archive stale memories

memvault 0.6.12

sanity check: list saved memories (verifies DB is healthy)

Local Ollama Demo (Zero Cost, Stays on Your Machine)

2. Pull models

3. (Optional) Pin the providers explicitly — persist them in ~/.memvault/.env

(shell exports also work — env vars take precedence over the file — but the file survives reboots)

4. Verify

→ Lesson (Llm): ... means failure reflection ran through the local LLM (not the rule-based fallback)

How It Works

What MemVault Gives You