Memograph

Name: Memograph
Author: Indhar01

제작자: Indhar01버전 0.4.0i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.Indhar01/memograph

설치

개요

제작자가 쓴 설명(영어 원문)

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

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아주 새로움↓ 30/주 · ★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 검색 및 AI 기억
입력해야 할 값: MEMOGRAPH_VAULT, ANTHROPIC_API_KEY, OPENAI_API_KEY

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
직접 입력할 값: MEMOGRAPH_VAULT, MEMOGRAPH_READONLY, MEMOGRAPH_PROVIDER, MEMOGRAPH_MODEL, ANTHROPIC_API_KEY, OPENAI_API_KEY, OLLAMA_HOST

비밀로 표시된 값은 내 계정의 열쇠예요. 절대 다른 사람과 공유하거나 채팅에 붙여 넣지 마세요.

필요한 것

PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "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"
      }
    }
  }
}

터미널에서 이 명령어를 실행하세요

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

실행하기 전에 빈 값을 채워 주세요.

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "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"
      }
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "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"
      }
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

직접 입력할 값

MEMOGRAPH_VAULT 필수 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 비밀 env
API key for Anthropic Claude. Required when MEMOGRAPH_PROVIDER=claude or when using the [anthropic] extra.
OPENAI_API_KEY 비밀 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.

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

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 8일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 Indhar01 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 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

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 5696개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 5696개 중 19%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 5696개 중 100%와 같거나 더 좋아요

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

자주 묻는 질문

Memograph, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

입력해야 할 값: MEMOGRAPH_VAULT, ANTHROPIC_API_KEY, OPENAI_API_KEY

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 – 변경됐고, 최신 버전(0.4.0)은 5개월 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Context7, Codebase Memory, Exa

대안

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↓ 97.3만/주★ 6.4만그저께 업데이트

컴퓨터 또는 클라우드

설치

Codebase Memory

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

제작자: DeusData널리 사용됨↓ 1.8만/주★ 4.8만22일 전 업데이트

내 컴퓨터에서 실행

설치

Exa

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

제작자: exa-labs성장 중★ 5.2천2개월 전 업데이트

클라우드에서 실행✓ exa.ai

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.

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/

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Memograph

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

직접 입력할 값

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

검색 및 AI 기억 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Context7

Codebase Memory

Exa

제작자의 README

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