目標先講清楚：
用 OpenMemory MCP，讓 Mem0 記憶「一次設定、到處可用」

特色

1. Follow MCP的統一配置方式
2. 本機優先與隱私：記憶資料預設存在本機，後端向量庫採 Qdrant；Docker 一鍵帶起 API、UI 與 DB。
3. 自動拆解語意內容
4. 提供score的向量檢索記憶
5. 跨平台共享記憶-包含Claude Desktop, cursor, 任何支援mcp的框架

OpenMemory MCP 提供四個標準化工具

• add_memories：儲存新的記憶體物件
• search_memory：檢索相似/相關記憶
• list_memories：查看所有已儲存記憶
• delete_all_memories：一鍵清空記憶庫

1) Follow MCP的統一配置方式

起好服務後，有提供各應用的安裝指令

也有提供MCP Link給支援MCP的框架使用；以langGraph的框架為例

from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient(
    {
        "openmemorymcp": {
            "transport": "sse",
            # 貼上MCP Link
            "url": "http://host.docker.internal:8765/mcp/openmemory/sse/xxxx",
        }
    }
)

2) 本機優先與隱私

記憶資料預設存在本機，後端向量庫採 Qdrant；Docker 一鍵帶起 API、UI 與 DB。

3) 自動拆解語意內容

在使用 add_memories 過程會呼叫 LLM 將一句話拆成多個可檢索的事實/偏好（例如：姓名、職稱、公司、喜好等），方便後續的語意檢索與個別更新。
輸入：「我叫王大明，是 A 公司採購，喜歡紅眼班機。」
被拆為：a) 使用者姓名是 王大明、b) 在 A 公司任職採購、c) 偏好 紅眼班機。

在Dashboard也可以對這些記憶進行修改

4) 記憶的向量語意檢索

OpenMemory MCP 的 search_memories 走的是向量相似度檢索，這讓「用戶當下問題」能與「歷史記憶」做語意比對，而非只看關鍵字。
當詢問問題-「誰喜歡紅眼班機」，除了提供正確答案，還可以看到分數

5) 跨平台共享記憶

當你在LangGraph增加的記憶，也可以在claude Desktop調用OpenMemory MCP拿到資料

(在langGraph服務寫入的記憶）

(在claude desktop進行記憶調用）

這個功能，如果一個系統有不同的agent的框架，可以方便共享記憶，讓跟使用者的互動更順利

接下來要做什麼

會再回到mem0，探討為什麼事實記憶（Facts）是搭配向量資料庫，而情節記憶（Episodic / History）是搭配SQL資料庫

參考資源

1. mem0-openmemory-mcp
2. Openmemory for mem0 from official github
3. OpenMemory MCP - 你的AI大脑，多AI应用共享记忆
4. langgraph-memory-example