SSD Nodes Learn Hosting plans →
Panduan Matt ConnorOleh Matt Connor

Memmy: Memori Bersama Agen AI di VPS

Pelajari Memmy 1.2.2, bangun dari source di Ubuntu, jalankan layanan pada 127.0.0.1:18960, dan simpan catatan semua agen dalam satu database SQLite lokal.

Verified Every command ran end-to-end on a fresh Ubuntu 24.04 server, July 31, 2026.

Apa itu Memmy dan data yang disimpannya

Memmy adalah pusat memori lokal untuk agen AI yang berjalan di VPS (virtual private server) milik Anda sendiri. Memmy menyimpan satu database SQLite berisi hal-hal yang telah dipelajari agen Anda, dan setiap agen pada server tersebut membaca serta menulis ke penyimpanan yang sama. Proyek ini memmy-agent dari MemTensor, berlisensi MIT, dengan versi 1.2.401 per 1 November 2026; Memory memiliki penomoran versi independen pada 2.1.7.

Hanya sebagian komponennya yang relevan di server. Memmy menyediakan memory service yang melakukan listening pada http://127.0.0.1:18960, antarmuka baris perintah (CLI) memmy-memory yang berkomunikasi dengan service tersebut, serta desktop workbench. Workbench hanya tersedia dalam paket untuk macOS dan Windows. Oleh karena itu, pada VPS Linux Anda menjalankan service dan CLI. Keduanya cukup untuk memberikan memori bersama kepada Claude Code, Codex, dan Cursor.

Memmy mengelompokkan data yang disimpannya ke dalam empat lapisan. Capture terlebih dahulu menyimpan Raw Turn secara terpisah, lalu menulis satu item L1 Trace untuk setiap langkah yang direkam, termasuk request, response, pemanggilan tool, dan hasilnya. L2 Policy adalah prosedur yang diturunkan dari trace yang terbukti bermanfaat. L3 World Model adalah pengetahuan stabil tentang suatu proyek atau lingkungan. Skill adalah prosedur yang dapat dipanggil dan dibentuk dari sebuah policy. Capture membuat trace L1, background job mengembangkan lapisan yang lebih tinggi, dan penulisan eksplisit dapat memilih lapisan tertentu. Jika perbedaan ini masih terasa abstrak, memory merupakan salah satu tahap lanjutan dalam alur bertahap untuk belajar membangun agen, dan lapisan-lapisan tersebut akan lebih mudah dipahami setelah Anda menulis sendiri agent loop sederhana lalu melihatnya melupakan semua hal di antara setiap proses berjalan.

Perubahan yang dibawa hub memori bersama dibandingkan memori per alat

Saat ini, setiap agen menyediakan memorinya sendiri. Claude Code menyimpan file instruksi di repositori. Cursor menyimpan aturan di database workspace-nya. Codex menyimpan log sesi di bawah ~/.codex. Setiap penyimpanan hanya dimiliki satu alat. Karena itu, fakta yang Anda ajarkan pada hari Senin melalui satu alat tidak diketahui alat lain pada hari Selasa. Anda membayar dua kali untuk kondisi ini: pertama, dalam token yang digunakan untuk menjelaskan ulang proyek yang sama; kedua, dalam pekerjaan yang keliru ketika agen bertindak berdasarkan asumsi yang sudah Anda koreksi di tempat lain.

Hub memindahkan penyimpanan tersebut keluar dari alat. Memmy juga membaca penyimpanan yang sudah ada, sehingga Anda tidak memulai dari database kosong. Pemindainya mengenali sepuluh sumber bawaan: Claude Code di ~/.claude/projects/**/*.jsonl, Codex di ~/.codex/sessions/<YYYY>/<MM>/<DD>/rollout-*.jsonl, OpenCode di ~/.local/share/opencode/opencode.db, file state.vscdb milik Cursor, database SQLite OpenClaw di bawah ~/.openclaw, Hermes di bawah ~/.hermes, DeepSeek Harness di bawah ~/.dsh/sessions, WorkBuddy di bawah ~/.workbuddy/projects, Pi di bawah ~/.pi/agent/sessions, dan QwenWork di bawah ~/.qwenworkcn/projects. Workbench desktop dapat menambahkan agen lain berdasarkan nama. Workbench tersebut hanya meminta path riwayat jika tidak dapat menemukan agen itu sendiri. Pemindai sisi server tidak memiliki sumber khusus. Karena itu, pada VPS headless Anda hanya mendapatkan sumber bawaan.

Jumlah yang diimpor tidak akan sama, dan hal itu memang diharapkan. Pemindai mengelompokkan pesan berdasarkan sumber dan percakapan, lalu menulis satu memori L1 untuk setiap giliran yang lengkap. Sebuah giliran dianggap lengkap jika memiliki konten pengguna yang tidak kosong dan diakhiri pesan assistant yang tidak kosong. Karena itu, giliran yang belum lengkap tidak berkontribusi apa pun sampai sinkronisasi berikutnya dapat melengkapinya. Pesan dideduplikasi menggunakan checkpoint percakapan dan ID giliran yang stabil. Jumlah yang dipindai, jumlah pesan yang diimpor, dan jumlah memori baru akan berbeda dalam eksekusi yang sama.

Bagian ini melengkapi cara Claude Code mengelola konteks dalam satu sesi. Pengelolaan konteks menentukan konten yang dapat dimuat dalam satu jendela. Hub memori menentukan konten yang tetap tersedia setelah jendela tersebut ditutup.

Kebutuhan pada VPS

  • Node.js 22 atau yang lebih baru. Dokumentasi Memmy mewajibkannya, sedangkan Ubuntu 24.04 menyediakan Node 18.
  • git dan toolchain build karena better-sqlite3 adalah modul native yang mungkin dikompilasi selama instalasi.
  • RAM untuk instalasi root workspace dan rantai build frontend-nya.
  • Ruang disk kosong untuk node_modules dan database.
sudo apt update
sudo apt install -y git build-essential python3 curl ca-certificates sqlite3
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
node --version

node --version harus menampilkan v22 atau yang lebih baru untuk source build yang didokumentasikan. Nilai v18 di sini berarti langkah NodeSource tidak berhasil diterapkan. Default npm untuk engine-strict adalah false, sehingga deklarasi engine yang tidak kompatibel biasanya menghasilkan peringatan, bukan langsung menggagalkan instalasi.

Instal Memmy dari sumber pada Ubuntu 24.04

git clone https://github.com/MemTensor/memmy-agent.git
cd memmy-agent
cp .env.example .env
npm install
npm run memory:build

npm run memory:build mengompilasi workspace @memmy/memory menjadi Memory/dist. Proses ini juga membangun AgentSourceCore, penampil memori, dan aset integrasi yang diperlukan oleh workspace tersebut. Periksa apakah modul native berhasil dimuat:

node -e "const Database = require('better-sqlite3'); const db = new Database(':memory:'); db.close(); console.log('better-sqlite3 loads')"

Jika baris tersebut menghasilkan error, bukan output, baca error itu untuk mengidentifikasi kegagalan pemuatan atau inisialisasi database. Jika terjadi ketidakcocokan modul native, jalankan npm rebuild better-sqlite3. Perintah ini sama persis dengan yang dijalankan oleh skrip start milik proyek sebelum memulai proses apa pun.

README mendokumentasikan bash scripts/dev-start.sh sebagai perintah untuk memulai semuanya. Jangan jalankan perintah tersebut pada VPS tanpa antarmuka grafis. Perintah itu memulai shell desktop Electron dan server pengembangan Vite pada port 19000 di samping memory service. Electron memerlukan display. Karena itu, pada server tanpa sesi grafis, skrip tersebut akan macet atau keluar.

Rilis terbaru juga menyediakan memmy-agent-linux-cli.tar.gz dan install.sh untuk Linux x64 dan arm64. Installer memerlukan Node.js 22.23.4+ dalam seri 22.x, 24.22.1+ dalam seri 24.x, atau 26.12.1+ dalam seri 26.x, serta sesi pengguna systemd. Versi mayor lainnya akan ditolak. Installer menempatkan launcher memmy dan memmy-memory di ~/.local/bin, lalu menjalankan memory service sebagai unit pengguna pada 127.0.0.1:18960. Panduan ini tetap menggunakan build dari sumber karena melalui cara ini Anda dapat membaca setiap skrip sebelum skrip tersebut dijalankan.

Mulai service memory dan periksa responsnya

npm run memory:serve:dev

Itulah cara yang didokumentasikan untuk menjalankan service memory dari source code. Service ini mengikat 127.0.0.1:18960, menyimpan database di ~/.memmy/memory-service/memory.sqlite, dan membaca konfigurasi dari ~/.memmy/config.yaml. Server menerima nilai yang sama sebagai flag jika Anda ingin menentukannya secara eksplisit:

npm run memory:serve:dev -- \
  --host 127.0.0.1 --port 18960 \
  --db ~/.memmy/memory-service/memory.sqlite \
  --config ~/.memmy/config.yaml

Dari shell kedua, tanyakan apakah service masih aktif:

curl -sS http://127.0.0.1:18960/api/v1/health

Pemeriksaan health tidak memerlukan token, sehingga tepat digunakan sebagai probe. Jika curl keluar dengan kode 7 dan pesan Failed to connect to 127.0.0.1 port 18960, koneksi gagal. Hal itu saja belum membuktikan apakah ada listener. Periksa alamat, port, dan firewall lokal, lalu baca terminal yang menjalankan service untuk mencari error saat startup. ss -lntp | grep 18960 mengonfirmasi socket setelah service aktif.

API HTTP lainnya (application programming interface) berada di bawah /api/v1.

  • POST /api/v1/memory/add menulis memory, sedangkan POST /api/v1/memory/search menjalankan query.
  • GET /api/v1/memory/:id dan DELETE /api/v1/memory/:id membaca serta menghapus satu entri.
  • POST /api/v1/sessions/open dan POST /api/v1/sessions/:sessionId/close mengapit satu sesi agent.
  • POST /api/v1/turns/start dan POST /api/v1/turns/:turnId/complete mencatat satu giliran.
  • GET /api/v1/panel/overview, /api/v1/panel/analysis, dan /api/v1/panel/items mengirimkan data ke dashboard.

Memmy menyediakan sejumlah port, tetapi dalam mode headless Anda hanya menggunakan port pertama: 18960 untuk memory, 18970 untuk health gateway, 18980 untuk UI web dan HTTP admin, 18990 untuk API yang kompatibel dengan OpenAI yang dijalankan oleh memmy serve, lalu 19000 untuk Vite dev server frontend desktop dan 19001 untuk socket hot reload. Halaman port proyek masih mencantumkan 19010 untuk hot reload, tetapi konfigurasi Vite menetapkan 19001. Jika salah satu port tersebut sudah digunakan pada sistem Anda, halaman itu adalah tempat untuk memeriksanya.

Asal perintah memmy-memory

Di sinilah instalasi pertama biasanya gagal. Karena itu, baca definisinya dari paket, bukan dengan menebak. Nama perintah tidak berkaitan dengan nama repository. Nama tersebut berasal dari field bin pada workspace yang mendefinisikannya:

node -p "JSON.stringify(require('./Memory/package.json').bin)"

Perintah tersebut mencetak {"memmy-memory":"./dist/src/cli/index.js"}. Jadi, entry point yang telah dibangun adalah Memory/dist/src/cli/index.js. File itu hanya ada setelah npm run memory:build karena proses build membuat dist dan menandai file tersebut sebagai executable. Jalankan file itu secara langsung:

node Memory/dist/src/cli/index.js health

Jika Anda ingin menggunakan nama singkat pada PATH, buat tautan ke file yang sama:

sudo ln -s "$PWD/Memory/dist/src/cli/index.js" /usr/local/bin/memmy-memory
memmy-memory health

CLI tersebut secara default menggunakan http://127.0.0.1:18960 dan menerima --url, --token, --config, --source, dan --user-id. Subperintahnya adalah init, health, search, add, get, dan delete, serta pemanggilan session dan turn yang digunakan agent, bukan pengguna, dan install, upgrade, service, serta stop untuk mengelola service itu sendiri. memmy-memory search "deploy steps" dan memmy-memory add "staging migrates on deploy" adalah dua perintah yang paling sering dijalankan oleh agent.

Bagaimana cara menghubungkan Claude Code ke Memmy?

Memmy tidak mendaftarkan dirinya sebagai server di dalam Claude Code. Memmy terhubung melalui file yang sudah dibaca Claude Code, dan cakupan integrasinya bergantung pada memmy-memory yang Anda jalankan. Dari source checkout, memmy-memory init --agent claude menulis Skill memmy-memory ke ~/.claude/skills/ dan blok memori bertanda ke ~/.claude/CLAUDE.md. Setelah itu, Claude Code menjalankan memmy-memory sebagai perintah shell biasa ketika instruksi tersebut memintanya. Launcher yang dipasang installer Linux di ~/.local/bin memiliki cakupan lebih luas: perintah yang sama juga mendaftarkan hook di ~/.claude/settings.json untuk SessionStart, UserPromptSubmit, Stop, PostCompact, dan SessionEnd. Hook tersebut menyisipkan memori yang relevan dan menyimpan setiap giliran yang selesai tanpa model harus memutuskan untuk melakukannya.

Tulis instruksinya secara manual sekali agar Anda mengetahui dengan tepat apa yang diberikan kepada agent. Claude Code membaca CLAUDE.md dari root proyek pada awal setiap sesi. Karena itu, bagian seperti berikut sudah cukup untuk integrasi melalui source path:

## Memory

Before starting a task, run `memmy-memory search "<topic>"` and read what comes back.
When a task is done, run `memmy-memory add "<what you learned>"` for anything that will matter next session.

Pahami manfaatnya secara jelas. Tanpa hook, integrasi ini hanya berada pada tingkat instruksi. Integrasi tersebut berjalan ketika model memutuskan untuk menjalankan perintah, dan tidak berjalan jika model tidak mengambil keputusan itu. Tidak ada mekanisme yang memaksa pemanggilan tersebut. Jika sesi berakhir tanpa add, instruksi itu sendiri tidak menyimpan apa pun. Pemindaian riwayat berikutnya tetap dapat mengimpor giliran yang sudah selesai. Ini merupakan trade-off yang sama seperti file memori milik Claude Code sendiri, dengan satu perbedaan: penyimpanannya digunakan bersama, sehingga catatan tersebut juga tersedia bagi Codex dan Cursor pada mesin yang sama. Hook menutup celah tersebut tanpa hanya mengandalkan instruksi. Karena itu, memori yang persisten berada bersama batas anggaran dan aturan izin di antara plugin DeepSeek Harness yang layak dipasang.

Arah sebaliknya tidak memerlukan konfigurasi apa pun. Pemindai Memmy sudah membaca ~/.claude/projects/**/*.jsonl, yaitu lokasi Claude Code menulis transkrip sesinya. Jalankan Memmy pada server yang sama dengan server tempat Anda menjalankan Claude Code di dalam sesi tmux, lalu pekerjaan kemarin akan menjadi memori tanpa konfigurasi tambahan.

Apakah Memmy berfungsi sebagai server MCP untuk Claude Code?

Tidak. Memahami arahnya dapat menghemat waktu. MCP (model context protocol) memiliki klien dan server. Memmy adalah klien. Memmy terhubung ke server MCP dan menyediakan alatnya untuk runtime agennya sendiri. Memmy tidak memublikasikan endpoint MCP yang dapat dituju oleh claude mcp add. Satu-satunya bridge MCP di repositori ini adalah milik integrasi Composio di dalam local API desktop. API tersebut melakukan bind ke port acak pada 127.0.0.1 dengan header x-memmy-mcp-token miliknya sendiri.

Sisi klien dikonfigurasi di ~/.memmy/config.yaml, yaitu file yang ditunjuk oleh MEMMY_CONFIG, di bawah tools.mcpServers:

tools:
  mcpServers:
    example:
      type: stdio
      command: npx
      args:
        - "-y"
        - "your-mcp-server"
      toolTimeout: 30
      enabledTools:
        - "*"

type menerima stdio, sse, dan streamableHttp. Server stdio berjalan sebagai proses anak Memmy. Artinya, command tersebut harus tersedia di komputer yang sama dan berjalan sebagai user yang sama. Jika Anda sudah menjalankan server MCP di VPS, cantumkan server tersebut di sini.

Menjaga penyimpanan memori tetap privat

Semua yang dimiliki Memmy berada di bawah ~/.memmy: config.yaml, workspace, memory-service/memory.sqlite, dan file runtime. Pemindaian dan ingest berlangsung secara lokal, lalu memori ditulis ke file SQLite lokal tersebut. Dengan demikian, konfigurasi default benar-benar bersifat lokal.

Koneksi cloud adalah salah satu jalur yang perlu diperhatikan. MEMMY_CLOUD_SERVICE menentukan asal cloud. Kode tidak menetapkan nilai default untuknya, tetapi .env.example, yang disalin oleh langkah instalasi ke .env, menetapkannya ke https://api.memmy.cn. Nilai tersebut mengaktifkan mode akun dengan token uji cobanya. Setiap kali nilai itu ditetapkan, kode analytics Memmy juga mengirim event penggunaan ke sana, termasuk dalam mode API key: nama event dan perintah, versi, serta ID instalasi. CLI hanya melaporkan kata perintah tetap, bukan kueri pencarian atau teks memori. Kode analytics tidak mengirim apa pun jika nilainya tidak ditetapkan. Karena itu, pada server yang hanya menggunakan API key, kosongkan baris tersebut di .env sebelum menjalankan apa pun. Program peningkatan memori adalah toggle terpisah dalam pengaturan privasi.

Pemanggilan model adalah jalur lainnya. Jika Anda mengonfigurasi provider embedding yang di-host, teks memori yang di-embed akan dikirim ke provider tersebut agar dapat diubah menjadi vektor. Penyimpanan lokal tidak mencegah pengiriman ini. Gunakan provider embedding lokal bawaan atau endpoint embedding yang Anda host sendiri untuk menutup jalur tersebut. Model summary, evolution, dan relevance-filter yang di-host juga menerima konten memori saat job tersebut berjalan. Periksa pengaturan model itu juga.

Pertahankan port 18960 pada alamat loopback. Port tersebut tidak memerlukan aturan firewall karena service yang terikat pada 127.0.0.1 sama sekali tidak dapat dijangkau dari luar host. Akses dari laptop melalui SSH:

ssh -N -L 18960:127.0.0.1:18960 you@your-vps

Memory service saat ini menolak alamat bind non-loopback. Menetapkan storage.token dalam konfigurasi, atau variabel lingkungan MEMMY_MEMORY_TOKEN atau MEMORY_SERVICE_TOKEN, melindungi pemanggilan memory API biasa dengan bearer token. Health endpoint tetap tidak memerlukan autentikasi, sedangkan browser viewer menggunakan pemeriksaan terpisah untuk permintaan lokal. Nilai konfigurasi mendukung referensi ${ENV_NAME}. Dengan demikian, token dan API key model tidak perlu disimpan di dalam file itu sendiri. Kebiasaan ini sama dengan menjaga secret tetap berada di luar AI agent di bagian lain. Kebijakan default deny pada ufw menjadi perlindungan tambahan jika versi mendatang mengubah alamat bind default-nya.

Cadangkan ~/.memmy sebelum memercayainya

memory.sqlite adalah seluruh penyimpanan. Vektor tersimpan dalam file yang sama melalui ekstensi sqlite-vec, sehingga satu file tersebut menjadi cadangan. Menyalinnya dengan cp saat service sedang menulis dapat menghasilkan database yang tidak utuh. Gunakan perintah backup bawaan SQLite:

mkdir -p ~/memmy-backup
sqlite3 ~/.memmy/memory-service/memory.sqlite ".backup '$HOME/memmy-backup/memory.sqlite'"

Perintah tersebut menghasilkan salinan yang konsisten saat service tetap berjalan. Kirim salinan itu ke luar server secara terjadwal. Untuk tujuan ini, gunakan restic ke penyimpanan di lokasi lain. Kehilangan config.yaml hanya membuat Anda perlu memasukkan ulang pengaturan provider. Kehilangan memory.sqlite membuat Anda kehilangan memori yang direkam sejak cadangan terakhir yang masih dapat digunakan. Service juga membuat cadangan lokal sebelum migrasi skema, tetapi cadangan tersebut bukan salinan off-site terbaru.

Menjalankan layanan memory dengan systemd

npm run memory:serve:dev yang dijalankan di shell akan berhenti bersama shell tersebut. File unit menjaga layanan tetap berjalan setelah reboot. Layanan berjalan sebagai pengguna memmy, dari checkout di /opt/memmy, dengan konfigurasi di direktori home pengguna tersebut. Hentikan salinan yang berjalan di shell, lalu pindahkan checkout dan konfigurasi, kemudian arahkan ulang link memmy-memory:

sudo useradd -m -s /bin/bash memmy
sudo mkdir -p /opt/memmy
sudo mv ~/memmy-agent /opt/memmy/memmy-agent
sudo chown -R memmy:memmy /opt/memmy
sudo ln -sfn /opt/memmy/memmy-agent/Memory/dist/src/cli/index.js /usr/local/bin/memmy-memory
sudo install -d -o memmy -g memmy -m 700 /home/memmy/.memmy
sudo install -o memmy -g memmy -m 600 ~/.memmy/config.yaml /home/memmy/.memmy/config.yaml
sudo install -d -m 755 /etc/memmy

Layanan menyimpan database di /home/memmy/.memmy, sehingga dimulai dengan penyimpanan kosong.

[Unit]
Description=Memmy memory service
After=network-online.target

[Service]
Type=simple
User=memmy
WorkingDirectory=/opt/memmy/memmy-agent
EnvironmentFile=/etc/memmy/memory.env
ExecStart=/usr/bin/npm run memory:serve:dev
Restart=on-failure
RestartSec=5

[Install]
WantedBy=multi-user.target

Jangan simpan token di dalam unit. Letakkan token di /etc/memmy/memory.env, dengan pemilik root dan mode 600:

MEMMY_CONFIG=/home/memmy/.memmy/config.yaml
MEMMY_MEMORY_TOKEN=replace-this-with-a-long-random-string
sudo systemctl daemon-reload
sudo systemctl enable --now memmy-memory
systemctl status memmy-memory --no-pager
curl -sS http://127.0.0.1:18960/api/v1/health

status=203/EXEC pada output status berarti systemd sama sekali tidak dapat menjalankan ExecStart, sehingga periksa which npm: pada instalasi NodeSource, nilainya adalah /usr/bin/npm, sedangkan pada nvm nilainya berada di bawah home pengguna dan tidak akan ditemukan oleh systemd. Unit yang langsung start lalu exit memerlukan pemeriksaan status exit dan journal: kode 0 berarti exit normal, sedangkan hasil lainnya mencakup exit non-zero, sinyal, dan timeout. Jalankan journalctl -u memmy-memory -n 50 untuk melihat output layanan. Mekanismenya sama seperti layanan systemd lain pada VPS.

Proyek tersebut kini menyediakan dua alternatif pada tingkat pengguna. Cara yang dijelaskan README untuk build dari source adalah memmy-memory install --service-only, yang mengunduh runtime Memory yang telah dipatok versinya dan mendaftarkan layanan pengguna, sedangkan installer Linux menyiapkan memmy-memory.service sebagai unit systemd --user. Keduanya tidak mengaktifkan linger, jadi jalankan sudo loginctl enable-linger <user> agar service manager pengguna tersebut tetap berjalan setelah logout dan menjalankannya saat boot.

Hal yang Belum Dilakukan Memmy

  • Belum ada build desktop Linux. Skrip packaging mencakup macOS dan Windows, sehingga workbench dan onboarding wizard-nya tidak tersedia langsung di server. Memory service kini menyertakan browser viewer di http://127.0.0.1:18960/viewer/, yang dapat diakses melalui SSH tunnel di atas. Linux sebagai gantinya mendapatkan CLI tarball dan install.sh.
  • memory:serve:dev menjalankan entry point TypeScript melalui tsx, yaitu jalur pengembangan. Repository ini juga menyediakan memory:serve untuk output yang telah dikompilasi. Jalankan npm run tanpa argumen untuk melihat skrip yang benar-benar tersedia pada checkout Anda.
  • Retrieval membangun jendela pencarian dari 2,000 baris vector terbaru, lalu menerapkan pemilihan Top-K di dalam jendela tersebut. Pada store yang sangat besar, memory lama dapat berada di luar jendela itu.
  • Embedding dilakukan setelah capture, dan kegagalan dimasukkan ke retry queue, bukan menghambat giliran agent. Memory yang baru saja ditambahkan mungkin belum dapat ditemukan melalui vector search.
  • Server kedua dengan database SQLite lokalnya sendiri memiliki memory yang terpisah.

Version 1.2.401 per 1 November 2026 masih menggambarkan project yang relatif baru dan berkembang cepat. Flag, path, dan nama skrip dapat berubah antar-rilis. Baca field bin dan output npm run pada checkout Anda sendiri, bukan mempercayai perintah yang disalin dari mana pun, termasuk dari sini.

FAQ

Mengapa pemeriksaan kesehatan mengembalikan connection refused?

Kode keluar curl 7 dengan Failed to connect to 127.0.0.1 port 18960 menunjukkan bahwa koneksi gagal. Kode tersebut tidak menunjukkan apakah Memmy berhenti, mengalami crash, mendengarkan pada alamat lain, atau tidak dapat diakses. Periksa alamat dan port, jalankan ss -lntp | grep 18960, lalu baca terminal atau journal tempat service dijalankan. Jika log melaporkan ketidakcocokan modul SQLite native, jalankan npm rebuild better-sqlite3. Periksa juga versi Node Anda: dokumentasi sumber memerlukan Node 22 atau yang lebih baru, sedangkan installer Linux hanya menerima Node.js 22.23.4+ dalam seri 22.x, 24.22.1+ dalam seri 24.x, atau 26.12.1+ dalam seri 26.x.

Dari mana asal perintah memmy-memory setelah membangun dari source?

Perintah tersebut berasal dari field bin pada package workspace @memmy/memory, bukan dari nama repository. Jalankan node -p "JSON.stringify(require('./Memory/package.json').bin)" di dalam checkout. Perintah tersebut akan mencetak {"memmy-memory":"./dist/src/cli/index.js"}. File itu baru ada setelah npm run memory:build karena proses build membuat dist dan menandai file tersebut sebagai executable. Jalankan file itu sebagai node Memory/dist/src/cli/index.js health, atau buat symlink ke dalam /usr/local/bin untuk menggunakan nama singkat.

Dapatkah saya menambahkan Memmy ke Claude Code dengan claude mcp add?

Tidak. Memmy adalah client MCP, bukan server MCP. Memmy terhubung ke server yang tercantum di bawah tools.mcpServers dalam ~/.memmy/config.yaml dan menyediakan tool server tersebut untuk runtime-nya sendiri. Claude Code mengakses Memmy melalui arah sebaliknya, yaitu dengan menjalankan CLI memmy-memory sebagai perintah shell. memmy-memory init --agent claude menulis sebuah Skill dan blok CLAUDE.md yang memberi tahu Claude Code kapan harus menggunakannya. Launcher dari installer Linux juga menambahkan hook Claude Code yang menyimpan setiap turn secara otomatis.

Apakah menjalankan Memmy mengirim memori saya ke layanan cloud?

Pemindaian dan ingestion berjalan secara lokal, dan memori ditulis ke ~/.memmy/memory-service/memory.sqlite pada disk Anda sendiri. MEMMY_CLOUD_SERVICE, yang ditetapkan ke https://api.memmy.cn dalam .env.example, menyediakan mode akun dan token uji coba serta menerima analitik penggunaan tanpa teks memori selama konfigurasi tersebut aktif. Kosongkan nilainya jika Anda hanya menggunakan API key. Program peningkatan memori memiliki toggle privasi terpisah. Model embedding hosted menerima teks memori yang diubahnya menjadi vektor. Gunakan provider lokal bawaan atau endpoint yang Anda jalankan sendiri agar pemrosesan tersebut tetap lokal. Model hosted untuk ringkasan, evolusi, dan pemfilteran relevansi juga menerima konten memori saat job tersebut berjalan.

Apakah artikel ini bermanfaat?