Remem MCP Server

社区

本地优先的编码代理持久记忆，自动捕获、提炼与召回。

分类: 开发工具第 38 / 438
Stars: ★ 34 热门
传输方式: stdio（本地进程）
运行环境: Node.js · Rust · 预编译二进制
凭据: 无需凭据
许可证: MIT
最近提交: 8 天前
工具数: 6

66FMRS · C

一个功能完善、审计导向的本地编码代理记忆系统，单一 Rust 二进制覆盖 hooks、MCP、CLI 和 REST；亮点是可审计召回、项目隔离与治理能力。Cursor 支持仍为部分功能，性能声明标注为方向性而非公开结论。适合重视数据本地化与可追溯性的重度代理用户。

最强项 · 文档质量 18/20 最弱项 · 可靠性 9/20

可靠性

9/20

安全与权限

12/20

维护活跃度

14/20

文档质量

18/20

安装易用性

13/20

查看各项评分依据

可靠性 9/20: server.json 仅声明单一 npm 包（@remem-ai/remem，stdio 传输，位置参数 'mcp'），未提供任何 MCP 工具的输入/输出 schema；工具列表（search、get_observations、save_memory、workstreams、timeline 等）仅见于 README 散文描述，无法据此静态核实声明行为与实际实现是否一致。README 提到 CI 徽章和多条 cargo test / eval-e2e 命令，但本次评审未见到实际的 CI 工作流文件或测试文件内容，只是文本引用，按静态核查规则不能视为可验证的执行证据，因此不给予高分。项目本身版本号极其密集（0.5.109 到 0.6.90 间有大量小版本），说明功能仍在快速变动，进一步降低对当前行为稳定性的信心。
安全与权限 12/20: 本地优先存储、可选 SQLCipher 加密、0700/0600 权限位、REST API 仅绑定 127.0.0.1 并要求 Bearer token，这些是积极信号。危险操作（PreToolUse Bash 规则的 block 模式）默认是 warn，block 需要显式逐条规则授权，规则编译产物缺失或损坏时'fail open'而非阻断，这是可见但未完全弥补的风险点。自动捕获管线会把会话/终端内容通过后台摘要流程发送给已配置的模型执行器（如 codex-cli、Anthropic 等），README 未明确说明自动捕获路径本身有强制脱敏/密钥过滤（脱敏扫描仅明确用于 export/import pack 及部分用户上下文自动提升场景），存在潜在的数据边界不完整问题。未发现红线级问题（无恶意代码、无强制不可逆操作、无虚假身份或测试结果、无明文密钥示例），故不落入 0-4 区间，但风险面披露不完整，扣分。
维护活跃度 14/20: manifest 版本 0.6.90，README 中散布大量细粒度源码版本号（0.5.109 至 0.6.6 等）及对应 GH issue 编号（GH-671、GH-823、GH-825、GH-880），显示持续、高频的开发活动。发布渠道覆盖 Homebrew、crates.io、npm、GitHub Releases 与源码构建，MIT 许可证明确存在，仓库未归档。但 star 数（23）和 open issue 数（29）显示项目规模尚小，看似单一维护者主导，README 中未见 SECURITY.md/安全响应渠道或 CONTRIBUTING 治理文档的说明，因此在'持续维护但治理规范尚有缺口'区间评分。
文档质量 18/20: README 覆盖安装（多渠道）、hooks/MCP/REST 配置、命令全集、JSON 输出字段表、基准测试方法论及其局限性声明（如明确标注 'directional_only_no_public_claim'，坦承内部基准早于公开 fixture、需要重新生成）、安全说明、架构文档指引，文档层次分明、示例充分且主动披露限制，质量优秀。扣分项：MCP 工具本身缺少正式参数 schema（仅工具名称的散文列举），REST/CLI 某些高级特性（如 user-context 治理、rules 编译）文字量很大但缺少可交叉验证的独立测试或示例输出用于核实文档准确性。
安装易用性 13/20: 提供 Homebrew、curl 安装脚本、npm、cargo、手动二进制下载和源码构建等多种安装路径，并有 'remem install --target' 与 'remem doctor' 辅助校验，指引较完整。但整体流程并非一键式：需要先安装二进制，再运行单独的 'remem install --target <host>' 命令生成 hooks/MCP 配置，manifest 本身也未给出典型 MCP 客户端（如 Claude Desktop）的 mcpServers JSON 配置示例；macOS ARM 手动安装还需额外 codesign 步骤，且文档专门提示多重 remem 二进制共存/PATH 冲突问题，反映路径存在一定脆弱性。按静态评审规则，没有可执行证据验证安装路径成功率，故设置分数上限并居中评定。

静态评测 · 未实际运行收录于 2026-09-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件连接数据库

适合谁

长期使用 Claude Code 或 Codex CLI 的开发者
需要记忆可搜索、可审计、项目隔离的团队
希望数据留在本地（SQLite/SQLCipher）的用户

不适合谁

Cursor 用户（v1 不支持会话初始化注入和自动捕获）
需要托管/团队共享记忆服务的场景
希望零配置、无需安装本地二进制的用户

所需权限

读写用户主目录下 ~/.remem/ 数据目录与加密数据库
修改 Claude Code / Codex / Cursor 的配置文件以注册钩子与 MCP 服务器
后台调用所配置的 LLM API 进行摘要与提炼（产生令牌费用）
可选本地 REST API 仅绑定 127.0.0.1 并需 Bearer 令牌认证

风险与副作用

记忆摘要调用外部 LLM 会产生持续的后台令牌成本
Cursor 集成为 v1：自动捕获与 session-init 未启用，且配置更新非跨文件原子事务
存储的是项目与用户上下文信息，若密钥类内容意外进入需依赖内置脱敏扫描与抑制机制
命令强制（block 模式）仅限 Claude Code，Codex 上明确不支持

安装接入

准备工作

运行环境：Node.js · Rust · 预编译二进制

OPENAI_API_KEY 可选密钥仅当 embeddings provider 设为 api 时需要，在 OpenAI 平台获取；本地/feature-hash 模式不需要。

其他可选配置项（4 个）

REMEM_EMBEDDINGS_API_KEY_ENV 可选指定存放 embeddings API key 的环境变量名，在 ~/.remem/config.toml 的 [embeddings] 中设置。

REMEM_DATA_DIR 可选覆盖 remem 数据目录（默认 ~/.remem），eval 沙盒等场景使用。

REMEM_CONFIG 可选覆盖配置文件路径（默认 ~/.remem/config.toml）。

REMEM_INSTALL_BINARY 可选安装 hooks/MCP 配置时指定 remem 二进制的绝对路径，例如 Homebrew 安装路径。

1) 通过 Homebrew（brew install majiayu000/tap/remem）、npm（npm install -g @remem-ai/remem）、Cargo（cargo install remem-ai --bin remem）、安装脚本或源码编译安装 remem 二进制（macOS ARM 需 codesign 签名）。2) 运行 remem install --target claude / codex / all（Cursor 为 --target cursor，仅 macOS/Linux）。3) 重启代理，运行 remem status 和 remem search 验证；出现钩子问题时用 remem install --target claude --repair，排障用 remem doctor。

验证是否装好

安装后重启客户端，工具列表中应出现 search、save_memory、get_observations、workstreams、timeline、search_raw；可运行 remem doctor 或用 search 工具查询一条已知记忆来确认连接。

常见排障

运行 remem doctor 检查 Schema、密钥、数据库及各主机钩子/MCP 状态
出现 Claude Hook Integrity Warning 时执行 remem install --target claude --repair
PATH 上存在多个 remem 二进制时按 doctor 提示统一安装路径
更换二进制后需重跑 remem install 以更新钩子命令
验证 ~/.claude/settings. 与 ~/.codex/hooks. 中 SessionStart 钩子命令是否正确

试试这样问

连接成功后，可以直接对 AI 助手这样说：

搜索一下我们上次关于数据库加密的决定
把这条项目约定保存到记忆里：非测试代码不要用 expect()
显示这个项目当前的工作流（workstreams）和时间线
查一下上个月的原始会话记录里关于部署决定的内容

工具能力 6

search 只读

全文加向量融合搜索项目记忆，支持分支、类型、多跳等过滤。

get_observations 只读

获取按主机/项目/会话归组的观察记录。

save_memory 写入

显式保存一条记忆到本地存储。

workstreams 只读

查看项目工作流的持续状态。

timeline 只读

按时间线浏览记忆与事件。

search_raw 只读

在原始会话记录归档中执行时间窗口分页搜索，返回与 CLI raw search 相同的 JSON 结构。

使用场景

跨会话自动召回上次的决策、缺陷根因与待办

可搜索、可审计的工程记忆替代手工维护的 MEMORY.md/CLAUDE.md

通过 hooks/MCP/CLI/REST 共享同一记忆存储

令牌用量与背景成本追踪

支持客户端

Claude Code

OpenAI Codex CLI

Cursor部分支持

依据项目文档列出，未经本站实测。

详细介绍

remem 是一个用 Rust 编写的单二进制工具，为 Claude Code 和 OpenAI Codex / Codex CLI 提供本地优先的持久化记忆。它通过钩子（hooks）、MCP 服务器、CLI 和本地 REST API 自动在会话开始时注入项目记忆，并在会话结束时在后台总结决策、缺陷修复理由、项目模式和偏好。数据存储在本地 SQLite，可选 SQLCipher 加密，无需外部数据库或托管服务。检索采用多通道倒数排名融合（RRF），结合 FTS5 BM25、实体索引、时间语义、LIKE 回退和受信任图谱扩展，支持中英文同义词扩展。它还提供记忆审计（remem why）、抑制/反馈治理、令牌用量与成本报告、用户上下文治理等能力。