MCP Servers

MCP Memory Server

Provides long-term memory for AI coding agents, enabling them to remember, search, and organize information across sessions and platforms like Claude Code, ChatGPT, and Cursor.

README

MCP Memory Server

Long-term memory for AI coding agents — works with Claude Code, ChatGPT, Cursor, Gemini CLI, VS Code Copilot, Windsurf, Claude Desktop, Codex CLI. Deploy once to Cloudflare Workers (free tier), use everywhere.

讓你的 AI coding agent 擁有跨 session 的長期記憶。一次部署，所有 MCP 平台通用。

解決什麼問題

AI coding agent（Claude Code、ChatGPT、Cursor 等）每次對話都從零開始。你上次的架構決策、踩過的坑、偏好的工作方式 — 全部忘光。

這個 server 讓你的 AI agent 可以：

記住 — AI 主動判斷並儲存對話中的重要發現、決策、偏好
回想 — 用自然語言搜尋，不是關鍵字比對
整理 — 自動歸檔過期記憶、去重、合併相似內容
保護 — 重要知識標記為「絕對真理」，永遠不被自動清理

使用前 vs 使用後

使用前	使用後
每次都要重新解釋專案架構	Agent 自動載入相關記憶
同樣的 bug 踩兩次	踩坑教訓被記住，下次自動避開
「上次那個問題怎麼修的？」→ 翻對話紀錄	語意搜尋秒找到
換平台（Claude → ChatGPT）就失去所有 context	所有平台共享同一份記憶
記憶越積越多，找不到有用的	每日自動整理：過期歸檔、重複去除、AI 判斷相關性

為什麼用 Cloudflare

特點	說明
免費	Workers Free 方案包含 D1、Vectorize、Workers AI — 個人使用不花錢
全球部署	邊緣節點，哪裡用就哪裡快
Serverless	不用管 server、不用 Docker、不用 VPS
安全	OAuth 2.1 認證 + API 密鑰 + CORS 白名單
AI 內建	Workers AI 直接用 — embedding + 文字生成，不需要另外接 OpenAI

部署（三步）

前置條件： Cloudflare 帳號（免費）+ Node.js 18+ + Wrangler CLI（npm install -g wrangler）

# 1. 登入 Cloudflare（只需做一次）
wrangler login

# 2. Clone
git clone https://github.com/beach55607-max/mcp-memory-server.git
cd mcp-memory-server

# 3. 自動設定 + 部署
bash setup.sh

setup.sh 會自動完成：安裝依賴 → 建立 D1/Vectorize/KV → 產生 wrangler.toml → 設定 API 密鑰 → 執行 migration → 部署。

部署完成後你會看到：

你的 server 已上線：https://mcp-memory-server.你的子網域.workers.dev
MCP 端點：https://mcp-memory-server.你的子網域.workers.dev/mcp

部署後必做

設定 ALLOWED_ORIGINS，指定哪些網站可以連你的 server：

# 在 Cloudflare Dashboard → Workers → 你的 Worker → Settings → Variables
# 或直接改 wrangler.toml 後重新部署
ALLOWED_ORIGINS = "https://claude.ai,https://chatgpt.com"

記憶怎麼存入

什麼	自動程度	原理
對話開始載入記憶	自動	system prompt 指示 AI 呼叫 `memory_auto_inject`
對話中存重要發現	AI 判斷	system prompt 定義觸發條件，AI 自己決定要不要存
使用者說「記住」	使用者觸發	AI 收到指令後呼叫 `memory_save`，confidence=1.0
每日清理/去重/合併	全自動	Cron job（UTC 03:00），不需人工
Session 結束存入	不保證	靠 hook 或 AI 主動，平台限制多

主要機制是 AI 主動存（需在 system prompt 設定觸發條件）。不是「裝好就自動存」— AI 需要被告知什麼時候該存。

詳細四層架構：

層級	機制	平台	說明
1	AI 主動存	所有平台	AI 在對話中判斷什麼重要，主動呼叫 `memory_save`。靠 system prompt 驅動
2	Push hook	Claude Code	`git push` 後提示 AI 回顧並存入（PostToolUse command hook）
3	Stop hook	Claude Code	session 結束時提示 AI 存入（command type，不保證觸發）
4	Codex wrapper	Codex CLI	bash script 在 Codex 結束後透過 REST API 存入。僅限 Codex 獨立運行且無 workspace 記憶指示時需要；有 AGENTS.md 的 workspace 中 Codex 走 Layer 1

Supersede 保護：source=auto-extract 的記憶不可取代其他來源的記憶，確保弱 AI 判斷不會覆蓋強 AI 或人類的決定。

連接你的 AI 客戶端

以下範例中，請把 你的子網域 替換成你的 Cloudflare Workers 子網域，你的密碼 替換成你在 setup.sh 設定的 API_SECRET。

Claude.ai（Web + 手機）

重要： 先在網頁版設定 → 手機自動可用。

claude.ai → Settings → Integrations
新增 remote MCP server
貼上 https://mcp-memory-server.你的子網域.workers.dev/mcp
打開手機 Claude — memory tools 已可使用

ChatGPT（Web + 手機）

重要： 先在網頁版開啟 Developer Mode → 手機自動可用。

chatgpt.com → Settings → Connectors → Advanced
開啟 Developer Mode
Connectors → 新增 MCP server → 貼上 https://mcp-memory-server.你的子網域.workers.dev/mcp
打開手機 ChatGPT — memory tools 已可使用

需要 Pro / Plus / Business / Enterprise / Education 方案。

Claude Code（CLI）

方式 A：遠端連接（Streamable HTTP） — 直接連你的 Worker：

// ~/.claude.json 或 .claude/settings.json
{
  "mcpServers": {
    "memory": {
      "type": "url",
      "url": "https://mcp-memory-server.你的子網域.workers.dev/mcp"
    }
  }
}

方式 B：stdio proxy — 透過本地 proxy 轉發到 REST API：

CLI 一行加入（注意 -e 和 -s 要在 name 之前，command 用 -- 隔開）：

claude mcp add \
  -e MCP_MEMORY_API=https://mcp-memory-server.你的子網域.workers.dev \
  -e MCP_MEMORY_API_KEY=你的密碼 \
  -s user \
  memory -- node /path/to/mcp-memory-server/src/mcp-stdio-proxy.mjs

或手動編輯 ~/.claude.json：

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": ["/path/to/mcp-memory-server/src/mcp-stdio-proxy.mjs"],
      "env": {
        "MCP_MEMORY_API": "https://mcp-memory-server.你的子網域.workers.dev",
        "MCP_MEMORY_API_KEY": "你的密碼"
      }
    }
  }
}

Codex CLI

codex mcp add memory \
  --env MCP_MEMORY_API=https://mcp-memory-server.你的子網域.workers.dev \
  --env MCP_MEMORY_API_KEY=你的密碼 \
  -- node /path/to/mcp-memory-server/src/mcp-stdio-proxy.mjs

Gemini CLI

~/.gemini/settings.json：

{
  "mcpServers": {
    "memory": {
      "uri": "https://mcp-memory-server.你的子網域.workers.dev/mcp"
    }
  }
}

Cursor

Settings → MCP → Transport: streamable-http → URL: https://mcp-memory-server.你的子網域.workers.dev/mcp

或 .cursor/mcp.json：

{
  "mcpServers": {
    "memory": {
      "transport": "streamable-http",
      "url": "https://mcp-memory-server.你的子網域.workers.dev/mcp"
    }
  }
}

VS Code + GitHub Copilot

.vscode/mcp.json：

{
  "servers": {
    "memory": {
      "type": "http",
      "url": "https://mcp-memory-server.你的子網域.workers.dev/mcp"
    }
  }
}

需要 VS Code 1.99+ 搭配 GitHub Copilot extension。

Windsurf / JetBrains

Settings → MCP → 加入 https://mcp-memory-server.你的子網域.workers.dev/mcp。

其他 stdio-only 客戶端

MCP_MEMORY_API=https://mcp-memory-server.你的子網域.workers.dev \
MCP_MEMORY_API_KEY=你的密碼 \
  node src/mcp-stdio-proxy.mjs

使用指南

日常使用

連上之後，你的 AI agent 會多出 7 個工具。你不需要手動呼叫 — 大多數場景 AI 會自己判斷何時使用。

對話開始時（自動）： Agent 呼叫 memory_auto_inject 載入相關記憶。「絕對真理」一定會被載入。

對話中（按需）：

你告訴 agent「記住這個」→ agent 呼叫 memory_save
你問「上次那個問題怎麼解的」→ agent 呼叫 memory_search
你覺得某條記憶很重要永遠不能忘 → 告訴 agent「promote 這條」→ memory_promote

對話結束時（最佳做法）： Agent 主動呼叫 memory_save 存入本次重要發現。memory_extract 仍可手動使用，但主要機制是 AI 主動存，不依賴 session 結束時的自動萃取。

背景自動（每日 UTC 03:00）： Cron 自動整理：90 天沒確認的歸檔、重複的去除、AI 判斷不相關的清掉、相似的合併。

記憶類型怎麼選

類型	什麼時候用	範例
`knowledge`	技術知識、架構決策	「D1 不支援 JOIN，要用 batch query」
`feedback`	你的偏好、工作風格	「不要用 emoji、回答要簡潔」
`session`	這次做了什麼	「修了 auth bug，改了 3 個檔案」
`project`	專案狀態、截止日	「v2.0 要在 4/15 前完成」

絕對真理

memory_promote 可以把一條記憶升級為「絕對真理」（confidence=1.0）。效果：

每次對話開始一定會被載入（不受數量限制）
不會被自動清理（cron 衰減、去重、合併全跳過）
衝突時永遠贏
只有 active 狀態的記憶才能被 promote

適合用在：公司規定、團隊約定、永遠不能搞錯的事實。

7 個 MCP 工具詳細

工具	說明	全部參數
`memory_save`	儲存記憶（自動摘要、scope 推斷、衝突偵測、去重）	`title`, `content`, `type`*, `tags?`, `repo?`, `source?`, `session_id?`, `scope?`, `platform?`, `confidence?`
`memory_search`	語意搜尋（摘要模式、衝突自動解決）	`query`*, `limit?`, `type?`, `repo?`, `scope?`, `include_legacy?`, `full_content?`
`memory_list`	列出記憶（cursor 分頁）	`type?`, `repo?`, `status?`, `scope?`, `limit?`, `cursor?`, `offset?`
`memory_delete`	刪除記憶（向量清理 + 反向引用清理）	`id`*
`memory_promote`	升級為絕對真理（僅 active 可升級）	`id`*
`memory_auto_inject`	載入相關記憶（絕對真理強制注入）	`context`*, `repo?`, `platform?`, `limit?`
`memory_extract`	從對話萃取記憶（含查重、高信心自動存入）	`conversation`*, `repo?`, `platform?`

* = 必填，? = 選填

架構

客戶端（Claude / ChatGPT / Cursor / ...）
  │
  ├── MCP Streamable HTTP ──→ /mcp (OAuth 2.1)
  │
  └── REST API ──────────────→ /api/* (API_SECRET)
                                 │
                    ┌────────────┼────────────┐
                    │            │            │
                ┌───┴───┐  ┌────┴────┐  ┌────┴────┐
                │  D1   │  │Vectorize│  │Workers AI│
                │(SQLite)│  │(向量)   │  │bge-m3   │
                └───────┘  └─────────┘  │llama-3.1│
                                        └─────────┘
                    │
                ┌───┴───┐
                │  KV   │
                │(OAuth)│
                └───────┘

Cron（每日 UTC 03:00）──→ 衰減 → 去重 → AI 判斷 → 自動合併

Cloudflare 資源用量（免費額度）

資源	用途	免費額度
Workers	HTTP server + cron	100K requests/天
D1	記憶儲存	5M rows 讀、100K rows 寫/天
Vectorize	語意向量索引	30M queried、10M stored dimensions/月
Workers AI	bge-m3 embedding + llama-3.1-8b 文字生成	10K neurons/天（共享）
KV	OAuth token	100K reads、1K writes/天

AI 功能超額時 graceful 降級 — 跳過摘要/判斷，不影響核心 CRUD。

安全性

層級	機制
MCP 端點	OAuth 2.1（PKCE S256，scope 白名單：`memory:read`, `memory:write`）
REST API	`API_SECRET` 共享密鑰（生產環境必須設定）
CORS	Origin 白名單（不使用 wildcard `*`），需設定 `ALLOWED_ORIGINS`
Input	消毒 script/iframe/object/embed/event handlers/javascript: URI

重要提醒：

API_SECRET 必須設定（wrangler secret put API_SECRET）
DEV_MODE 永遠不要在生產環境開啟
建議加 Cloudflare Rate Limiting
詳見 SECURITY.md

環境變數

核心

變數	預設	說明
`MCP_ENABLED`	`"true"`	總開關
`WRITE_ENABLED`	`"true"`	寫入開關
`ALLOWED_ORIGINS`	`""`	CORS 允許的來源（逗號分隔）
`DEV_MODE`	`"false"`	開發模式 — 生產環境永遠不要開

AI 功能

變數	預設	說明
`CRON_ENABLED`	`"true"`	每日治理 cron
`SUMMARY_ENABLED`	`"true"`	AI 摘要（消耗 neurons）
`SUPERSEDE_ENABLED`	`"true"`	自動取代相似記憶

Cron 調參（免部署）

變數	預設	範圍	說明
`DECAY_DAYS`	90	1-365	幾天未確認就歸檔
`AI_SAMPLE_SIZE`	20	1-100	每次 cron AI 判斷幾筆
`ARCHIVE_CAP`	50	1-500	每次 cron 最多歸檔幾筆
`CONSOLIDATION_SIM`	0.85	0.5-1.0	合併相似度門檻

密鑰

變數	設定方式
`API_SECRET`	`wrangler secret put API_SECRET`

REST API

Method	Endpoint	說明	認證
POST	`/api/save`	儲存記憶	X-API-Key
POST	`/api/search`	語意搜尋	X-API-Key
POST	`/api/list`	列出記憶	X-API-Key
POST	`/api/delete`	刪除記憶	X-API-Key
POST	`/api/promote`	升級為絕對真理	X-API-Key
POST	`/api/auto-inject`	載入相關記憶	X-API-Key
POST	`/api/extract`	從對話萃取	X-API-Key
POST	`/api/exists`	檢查 ID 是否存在	X-API-Key
POST	`/api/exists-session`	檢查 session 是否存在	X-API-Key
GET	`/health`	健康檢查	公開

工具腳本

# 批次匯入知識庫
MCP_MEMORY_API=https://mcp-memory-server.你的子網域.workers.dev \
MCP_MEMORY_API_KEY=你的密碼 \
  node scripts/batch-import.mjs

# Embedding 品質驗證
CLOUDFLARE_ACCOUNT_ID=xxx CLOUDFLARE_API_TOKEN=xxx \
  node scripts/eval-embedding.mjs

# Structural test（38 項檢查）
npm run test:check

已知限制

Codex CLI exec 模式下 MCP tool call 會失敗

影響版本：codex-cli 0.117.0（2026-04-05 確認）

Codex CLI 的非互動模式（codex exec --full-auto、codex:codex-rescue）對 MCP tool call 強制要求 user approval。非互動模式下無人批准 → 自動 cancel，顯示 user cancelled MCP tool call。

這不是 MCP Memory Server 的問題，是 Codex CLI 的已知限制。

使用方式	MCP memory tools	狀態
`codex`（互動模式）	手動批准後正常	OK
`codex exec --full-auto`	自動 cancel	不可用
從 Claude Code 呼叫 Codex	記憶由 Claude Code 負責	OK

Workaround：

互動模式下手動批准 MCP 呼叫
在有 workspace instructions（AGENTS.md / CLAUDE.md）的環境中，Codex 互動模式會自己判斷何時存記憶
codex exec --dangerously-bypass-approvals-and-sandbox 可繞過，但風險高，不建議日常使用

更新紀錄

版本	日期	變更
v2.1	2026-04-05	記憶存入機制重設計：四層架構（AI 主動存為主）、supersede source 保護、Stop hook 改 command type、Codex wrapper script
v2.0	2026-04-05	Phase 2 公開發布：記憶治理 + 自動化 13 項功能、OAuth 2.1、6 平台支援
v1.0	2026-04-02	初版：7 MCP 工具、D1 + Vectorize、基礎 CRUD

English Summary

What Is This

A semantic memory server for AI coding agents. Deploy once to Cloudflare Workers (free tier), use from any MCP-compatible client. Your AI remembers across sessions, platforms, and projects.

The problem: AI agents start fresh every conversation. Architecture decisions, debugging lessons, your preferences — all forgotten.

The solution: This server gives your AI agent persistent semantic memory with automatic governance: decay stale memories, deduplicate, AI-judge relevance, consolidate similar entries.

Why Cloudflare

Feature	Details
Free	Workers Free plan includes D1, Vectorize, Workers AI — personal use costs nothing
Global	Edge deployment, fast from anywhere
Serverless	No Docker, no VPS, no server management
Secure	OAuth 2.1 + API key + CORS allowlist
AI built-in	Workers AI for embedding + text generation — no external API keys needed

Deploy (3 steps)

wrangler login                    # one-time Cloudflare auth
git clone https://github.com/beach55607-max/mcp-memory-server.git && cd mcp-memory-server
bash setup.sh                     # auto: install → create resources → config → migrate → deploy

After deploy, set ALLOWED_ORIGINS to specify which websites can access your server:

ALLOWED_ORIGINS = "https://claude.ai,https://chatgpt.com"

7 MCP Tools

Tool	Description	Parameters
`memory_save`	Save with auto-summary, scope inference, conflict detection, dedup	`title`, `content`, `type`*, `tags?`, `repo?`, `source?`, `session_id?`, `scope?`, `platform?`, `confidence?`
`memory_search`	Semantic search with summary-only mode and conflict auto-resolution	`query`*, `limit?`, `type?`, `repo?`, `scope?`, `include_legacy?`, `full_content?`
`memory_list`	List with filters, cursor pagination	`type?`, `repo?`, `status?`, `scope?`, `limit?`, `cursor?`, `offset?`
`memory_delete`	Delete with vector cleanup + reverse reference cleanup	`id`*
`memory_promote`	Promote to Absolute Truth (confidence=1.0). Active entries only	`id`*
`memory_auto_inject`	Load relevant memories at conversation start. Absolute Truths always included	`context`*, `repo?`, `platform?`, `limit?`
`memory_extract`	AI extracts memories from conversation. Auto-saves high confidence (with dedup)	`conversation`*, `repo?`, `platform?`

* = required, ? = optional

How Memories Are Saved

What	Automation Level	How
Load memories at conversation start	Automatic	System prompt instructs AI to call `memory_auto_inject`
Save important findings during conversation	AI judgment	System prompt defines triggers; AI decides when to save
User says "remember this"	User-triggered	AI calls `memory_save` with confidence=1.0
Daily cleanup / dedup / consolidation	Fully automatic	Cron job (UTC 03:00), no human intervention
Save at session end	Not guaranteed	Depends on hooks or AI initiative; platform limitations apply

The primary mechanism is AI proactive save (requires system prompt configuration). It's not "install and it auto-saves" — AI needs to be told when to save.

4-layer architecture:

Layer	Mechanism	Platform	Description
1	AI proactive save	All platforms	AI decides what's important and calls `memory_save`. Driven by system prompt
2	Push hook	Claude Code	After `git push`, prompts AI to review and save (PostToolUse command hook)
3	Stop hook	Claude Code	On session end, prompts AI to save (command type, not guaranteed)
4	Codex wrapper	Codex CLI	Bash script saves session summary via REST API. Only needed when Codex runs standalone without workspace memory instructions; in workspaces with AGENTS.md, Codex uses Layer 1

Supersede protection: memories with source=auto-extract cannot supersede memories from other sources. This ensures weak AI judgments don't overwrite decisions made by strong AI or humans.

Connect Your AI Client

In the examples below, replace YOUR_SUBDOMAIN with your Cloudflare Workers subdomain, and your-secret with the API_SECRET you set during setup.

Claude.ai (Web + Mobile)

Important: Set up on the web version first. Once configured, it automatically works on the iOS / Android app.

Go to claude.ai → Settings → Integrations
Add a new remote MCP server
Enter: https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp
Open Claude on your phone — memory tools are now available

ChatGPT (Web + Mobile)

Important: Enable Developer Mode on the web version first. Once configured, it works on the mobile app.

Go to chatgpt.com → Settings → Connectors → Advanced
Toggle on Developer Mode
Go to Connectors → Add MCP server → Enter: https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp
Open ChatGPT on your phone — memory tools are now available

Requires Pro, Plus, Business, Enterprise, or Education plan.

Claude Code (CLI)

Option A: Remote (Streamable HTTP) — connect directly to your Worker:

// ~/.claude.json or .claude/settings.json
{
  "mcpServers": {
    "memory": {
      "type": "url",
      "url": "https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp"
    }
  }
}

Option B: stdio proxy — local proxy forwarding to REST API:

claude mcp add \
  -e MCP_MEMORY_API=https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev \
  -e MCP_MEMORY_API_KEY=your-secret \
  -s user \
  memory -- node /path/to/mcp-memory-server/src/mcp-stdio-proxy.mjs

Note: -e and -s must come before the name, command is after --.

Codex CLI

codex mcp add memory \
  --env MCP_MEMORY_API=https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev \
  --env MCP_MEMORY_API_KEY=your-secret \
  -- node /path/to/mcp-memory-server/src/mcp-stdio-proxy.mjs

Gemini CLI

~/.gemini/settings.json:

{
  "mcpServers": {
    "memory": {
      "uri": "https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp"
    }
  }
}

Cursor

Settings → MCP → Transport: streamable-http → URL: https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp

VS Code + GitHub Copilot

.vscode/mcp.json:

{
  "servers": {
    "memory": {
      "type": "http",
      "url": "https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp"
    }
  }
}

Requires VS Code 1.99+ with GitHub Copilot extension.

Windsurf / JetBrains

Settings → MCP → Add https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev/mcp.

Other stdio-only clients

MCP_MEMORY_API=https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev \
MCP_MEMORY_API_KEY=your-secret \
  node src/mcp-stdio-proxy.mjs

Security

OAuth 2.1 on MCP endpoint (PKCE S256, scope whitelist: memory:read, memory:write)
API_SECRET required for REST API in production (wrangler secret put API_SECRET)
CORS origin allowlist (no wildcard *). Configure ALLOWED_ORIGINS
Input sanitization: strips script/iframe/object/embed/event handlers/javascript: URI
DEV_MODE: never enable in production (bypasses API_SECRET, allows localhost CORS)
Rate limiting: configure Cloudflare Rate Limiting Rules after deployment
See SECURITY.md

Scripts

# Batch import knowledge files
MCP_MEMORY_API=https://mcp-memory-server.YOUR_SUBDOMAIN.workers.dev \
MCP_MEMORY_API_KEY=your-secret \
  node scripts/batch-import.mjs

# Embedding quality evaluation
CLOUDFLARE_ACCOUNT_ID=xxx CLOUDFLARE_API_TOKEN=xxx \
  node scripts/eval-embedding.mjs

# Structural test (38 checks)
npm run test:check

ai-dev-toolkit — AI engineering governance skills (boundary-first, spec planning, adversarial review)

Known Limitations

Codex CLI exec mode: MCP tool calls fail

Affected version: codex-cli 0.117.0 (confirmed 2026-04-05)

Codex CLI's non-interactive mode (codex exec --full-auto, codex:codex-rescue) requires user approval for MCP tool calls. In non-interactive mode, no one can approve → auto-cancel with user cancelled MCP tool call.

This is a Codex CLI limitation, not a Memory Server issue.

Usage	MCP memory tools	Status
`codex` (interactive)	Manually approve → works	OK
`codex exec --full-auto`	Auto-cancel	Broken
Called from Claude Code	Claude Code handles memory	OK

Workarounds:

Use interactive mode and approve MCP calls manually
In workspaces with AGENTS.md / CLAUDE.md, Codex interactive mode will proactively save via Layer 1
codex exec --dangerously-bypass-approvals-and-sandbox bypasses all approval (use with caution)

Version History

Version	Date	Changes
v2.1	2026-04-05	Memory save redesign: 4-layer architecture (AI proactive save as primary), supersede source protection, Stop hook changed to command type, Codex wrapper script
v2.0	2026-04-05	Phase 2 public release: memory governance + 13 automation features, OAuth 2.1, 6-platform support
v1.0	2026-04-02	Initial release: 7 MCP tools, D1 + Vectorize, basic CRUD

License

MIT

Recommended Servers

playwright-mcp

A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.

Official

Featured

TypeScript

Magic Component Platform (MCP)

An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.

Audiense Insights MCP Server

Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official

Featured

Local

graphlit-mcp-server

The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.

Official

Featured

TypeScript

Kagi MCP Server

An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

Official

Featured

Python

E2B

Using MCP to run code via e2b.

Official

Featured

Neon Database

MCP server for interacting with Neon Management API and databases

Official

Featured

Exa Search

A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.

Official

Featured

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official

Featured

MCP Memory Server

README

MCP Memory Server

解決什麼問題

使用前 vs 使用後

為什麼用 Cloudflare

部署（三步）

部署後必做

記憶怎麼存入

連接你的 AI 客戶端

Claude.ai（Web + 手機）

ChatGPT（Web + 手機）

Claude Code（CLI）

Codex CLI

Gemini CLI

Cursor

VS Code + GitHub Copilot

Windsurf / JetBrains

其他 stdio-only 客戶端

使用指南

日常使用

記憶類型怎麼選

絕對真理

7 個 MCP 工具詳細

架構

Cloudflare 資源用量（免費額度）

安全性

環境變數

核心

AI 功能

Cron 調參（免部署）

密鑰

REST API

工具腳本

已知限制

Codex CLI exec 模式下 MCP tool call 會失敗

更新紀錄

相關專案

English Summary

What Is This

Why Cloudflare

Deploy (3 steps)

7 MCP Tools

How Memories Are Saved

Connect Your AI Client

Claude.ai (Web + Mobile)

ChatGPT (Web + Mobile)

Claude Code (CLI)

Codex CLI

Gemini CLI

Cursor

VS Code + GitHub Copilot

Windsurf / JetBrains

Other stdio-only clients

Security

Scripts

Related

Known Limitations

Codex CLI exec mode: MCP tool calls fail

Version History

License

Recommended Servers