SSD Nodes Learn Hosting plans →
Посібники Matt ConnorВід Matt Connor

Memmy: спільна пам’ять AI-агентів на VPS

Дізнайтеся, як зібрати Memmy на Ubuntu, запустити сервіс пам’яті на port 18960 і зберігати нотатки агентів локально в одній базі SQLite.

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

Що таке Memmy і що він зберігає

Memmy — це локальний memory hub для AI-агентів, який працює на вашому VPS (virtual private server). Він зберігає одну базу даних SQLite із даними, яких навчилися ваші агенти, і кожен агент на сервері читає та записує дані в це саме сховище. Проєкт memmy-agent від MemTensor, поширюється за ліцензією MIT і станом на 1 November 2026 має версію 1.2.401; Memory має окрему версію 2.1.7.

На сервері важлива лише частина функцій. Memmy постачає memory service, який прослуховує http://127.0.0.1:18960, memmy-memory командний інтерфейс (CLI), що взаємодіє з цим сервісом, і desktop workbench. Workbench доступний лише для macOS і Windows, тому на Linux VPS ви запускаєте service і CLI. Цього достатньо, щоб Claude Code, Codex і Cursor використовували спільну memory.

Memmy розподіляє збережені дані між чотирма рівнями. Спочатку Capture зберігає окремий Raw Turn, а потім записує один елемент L1 Trace для кожного зафіксованого кроку, зокрема для запитів, відповідей, викликів інструментів і результатів. L2 Policy — це процедура, виведена з traces, які довели свою корисність. L3 World Model — це стабільні знання про проєкт або середовище. Skill — це процедура, яку можна викликати та яку сформовано на основі policy. Capture створює L1 traces, фонові завдання розвивають вищі рівні, а явні записи можуть вибирати потрібний рівень. Якщо ці відмінності здаються абстрактними, memory є одним із пізніших етапів у поетапному шляху навчання створення агентів, а призначення рівнів стає зрозумілішим після того, як ви самостійно напишете простий цикл агента й побачите, що між запусками він забуває все.

Що змінює shared memory hub порівняно з пам’яттю для кожного інструмента

Сьогодні кожен агент має власну пам’ять. Claude Code зберігає файли з інструкціями в репозиторії. Cursor зберігає правила у своїй workspace database. Codex зберігає журнали сесій у ~/.codex. Кожне сховище належить одному інструменту. Тому факт, якого ви навчили один інструмент у понеділок, залишається невідомим іншому інструменту у вівторок. За це доводиться платити двічі: токенами, витраченими на повторне пояснення того самого проєкту, і помилковою роботою, коли агент діє на основі припущення, яке ви вже виправили в іншому місці.

Hub переносить сховище за межі інструменту. Memmy також читає наявні сховища, тому не потрібно починати з порожньої database. Його scanner знає десять вбудованих джерел: Claude Code у ~/.claude/projects/**/*.jsonl, Codex у ~/.codex/sessions/<YYYY>/<MM>/<DD>/rollout-*.jsonl, OpenCode у ~/.local/share/opencode/opencode.db, файли Cursor у state.vscdb, SQLite databases OpenClaw у ~/.openclaw, Hermes у ~/.hermes, DeepSeek Harness у ~/.dsh/sessions, WorkBuddy у ~/.workbuddy/projects, Pi у ~/.pi/agent/sessions і QwenWork у ~/.qwenworkcn/projects. Desktop workbench може додати іншого агента за назвою та запитує шлях до його history лише тоді, коли не може знайти агента самостійно. Server-side scanner не має custom sources, тому на headless VPS доступні вбудовані джерела.

Лічильники імпорту не збігатимуться, і це очікувано. Scanner групує повідомлення за джерелом і conversation, а потім записує одну L1 memory для кожного повного turn. Turn вважається повним, якщо він містить непорожній user content і завершується непорожнім assistant message. Тому неповний turn не додає даних, доки наступна sync-операція не дасть змогу його завершити. Дублікати повідомлень усуваються за допомогою conversation checkpoints і стабільних turn IDs. Scanned count, imported message count і new memory count відрізняються навіть під час одного запуску.

Це доповнює як Claude Code керує контекстом у межах однієї сесії. Керування контекстом визначає, що вміщується в одному вікні. Memory hub визначає, що зберігається після закриття цього вікна.

Що потрібно на VPS

  • Node.js 22 або новішої версії. Документація Memmy вимагає саме її, а Ubuntu 24.04 постачається з Node 18.
  • git і набір інструментів для складання, оскільки better-sqlite3 — це нативний модуль, який може компілюватися під час інсталяції.
  • Оперативна пам’ять для інсталяції root workspace і ланцюжка складання frontend.
  • Вільний дисковий простір для node_modules і бази даних.
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 має вивести v22 або новішу версію для складання з вихідного коду, описаного в документації. Значення v18 означає, що крок NodeSource не виконався. Параметр npm engine-strict має значення false за замовчуванням, тому несумісне оголошення engine зазвичай спричиняє попередження, а не автоматично перериває інсталяцію.

Встановлення Memmy з вихідного коду в 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 компілює робочий простір @memmy/memory у Memory/dist. Також він збирає AgentSourceCore, переглядач пам’яті та ресурси інтеграції, потрібні цьому робочому простору. Перевірте, що нативний модуль завантажується:

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

Якщо цей рядок завершується помилкою замість виведення результату, прочитайте повідомлення, щоб визначити причину помилки завантаження або ініціалізації бази даних. Якщо версії нативного модуля не збігаються, виконайте npm rebuild better-sqlite3. Саме цю команду виконує власний start script проєкту перед запуском будь-яких компонентів.

У README bash scripts/dev-start.sh описано як запуск однією командою. Не виконуйте її на headless VPS. Вона запускає desktop shell Electron і Vite dev server на порту 19000 разом із сервісом пам’яті. Electron потребує дисплей, тому на сервері без графічної сесії script зависає або завершується.

Останні релізи також містять memmy-agent-linux-cli.tar.gz і install.sh для Linux x64 та arm64. Installer потребує Node.js 22.23.4+ у межах 22.x, 24.22.1+ у межах 24.x або 26.12.1+ у межах 26.x, а також user session systemd. Інші major versions він відхиляє. memmy і memmy-memory launchers розміщуються в ~/.local/bin, а сервіс пам’яті запускається як user unit на 127.0.0.1:18960. У цьому посібнику використовується збірка з вихідного коду, оскільки під час неї можна переглянути кожен script до його запуску.

Запустіть memory service і перевірте, чи відповідає він

npm run memory:serve:dev

Це документований спосіб запустити memory service із вихідного коду. Він прив’язується до 127.0.0.1:18960, зберігає базу даних у ~/.memmy/memory-service/memory.sqlite і читає конфігурацію з ~/.memmy/config.yaml. Сервер приймає ті самі значення як flags, якщо їх потрібно вказати явно:

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

Відкрийте другу оболонку та запитайте сервіс, чи він працює:

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

Перевірка стану не потребує token, тому вона підходить для probe. Якщо curl завершується з кодом 7 і повідомленням Failed to connect to 127.0.0.1 port 18960, підключення не вдалося. Саме по собі це не підтверджує, що listener існує. Перевірте адресу, port і локальний firewall. Також перегляньте terminal, у якому запущено сервіс, на наявність помилок запуску. ss -lntp | grep 18960 підтверджує наявність socket після запуску сервісу.

Решта HTTP API (application programming interface) доступна за шляхом /api/v1.

  • POST /api/v1/memory/add записує memory, а POST /api/v1/memory/search виконує запити.
  • GET /api/v1/memory/:id і DELETE /api/v1/memory/:id читають і видаляють один запис.
  • POST /api/v1/sessions/open і POST /api/v1/sessions/:sessionId/close визначають межі сеансу агента.
  • POST /api/v1/turns/start і POST /api/v1/turns/:turnId/complete записують один хід.
  • GET /api/v1/panel/overview, /api/v1/panel/analysis і /api/v1/panel/items передають дані до dashboard.

Memmy резервує блок port, а в headless-режимі використовується лише перший із них: 18960 для memory, 18970 для gateway health, 18980 для web UI та admin HTTP, 18990 для OpenAI-compatible API, який запускає memmy serve, потім 19000 для Vite dev server desktop frontend і 19001 для його hot reload socket. На сторінці портів проєкту досі вказано 19010 для hot reload, але Vite config встановлює 19001. Якщо на вашому сервері один із цих port уже зайнятий, перевірте саме цей список.

Звідки насправді походить команда memmy-memory

Саме тут зазвичай виникає помилка під час першого встановлення, тому перевіряйте це безпосередньо в пакеті, а не вгадуйте. Назва команди не пов’язана з назвою репозиторію. Вона походить із поля bin робочого простору, у якому її визначено:

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

Ця команда виводить {"memmy-memory":"./dist/src/cli/index.js"}. Отже, зібрана точка входу — Memory/dist/src/cli/index.js. Вона з’являється лише після npm run memory:build, оскільки саме збирання створює dist і позначає файл як виконуваний. Запустіть її безпосередньо:

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

Якщо потрібне коротке ім’я в PATH, створіть посилання на цей самий файл:

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

За замовчуванням CLI використовує http://127.0.0.1:18960 і приймає --url, --token, --config, --source та --user-id. Його підкоманди: init, health, search, add, get і delete, а також виклики session і turn, які використовують агенти, а не люди, і install, upgrade, service та stop для керування самим сервісом. memmy-memory search "deploy steps" і memmy-memory add "staging migrates on deploy" — це дві команди, які агент запускає найчастіше.

Як підключити Claude Code до Memmy?

Memmy не реєструє себе як сервер усередині Claude Code. Він працює через файли, які Claude Code уже читає, а обсяг інтеграції залежить від того, який memmy-memory ви запускаєте. Якщо працювати з checkout вихідного коду, memmy-memory init --agent claude записує Skill memmy-memory у ~/.claude/skills/ і позначений блок пам’яті у ~/.claude/CLAUDE.md. Після цього Claude Code запускає memmy-memory як звичайну shell-команду, коли цього вимагають відповідні інструкції. Launcher, який Linux installer розміщує в ~/.local/bin, робить більше: та сама команда також реєструє hooks у ~/.claude/settings.json для SessionStart, UserPromptSubmit, Stop, PostCompact і SessionEnd. Ці hooks додають релевантну пам’ять і зберігають кожен завершений turn без потреби, щоб модель сама вирішувала це зробити.

Один раз запишіть інструкцію вручну. Так ви точно знатимете, що саме отримав агент. Claude Code читає CLAUDE.md з кореня проєкту на початку кожної сесії. Тому на source path усю інтеграцію становить такий розділ:

## 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.

Чітко визначте, що саме це дає. Без hooks інтеграція працює на рівні інструкцій. Вона спрацьовує лише тоді, коли модель вирішує запустити команду. В іншому випадку виклик не виконується. Якщо сесія завершується без add, сама інструкція нічого не зберігає. Пізніше сканування історії все одно може імпортувати завершений turn. Це такий самий компроміс, як у власних файлах пам’яті Claude Code, але є одна відмінність: сховище спільне, тому нотатка також стає доступною для Codex і Cursor на тому самому комп’ютері. Hooks усувають цю прогалину, а не покладаються на добровільний виклик. Саме тому довготривала пам’ять належить до тієї самої групи, що й обмеження бюджету та правила доступу, серед плагінів DeepSeek Harness, які варто встановити.

Зворотний напрямок не потребує жодного налаштування. Сканер Memmy вже читає ~/.claude/projects/**/*.jsonl — саме туди Claude Code записує transcripts сесій. Запустіть Memmy на тому самому сервері, де ви запускаєте Claude Code у tmux session, і вчорашня робота стане пам’яттю без додаткового налаштування.

Чи працює Memmy як сервер MCP для Claude Code?

Ні. Розуміння цього заощадить час. MCP (протокол контексту моделі) має клієнти та сервери. Memmy — це клієнт. Він підключається до серверів MCP і надає їхні інструменти власному середовищу виконання агента. Він не публікує кінцеву точку MCP, до якої може підключитися claude mcp add. Єдиний міст MCP у репозиторії належить інтеграції Composio у локальному API настільного застосунку. Цей API прив’язується до випадкового порту на 127.0.0.1 і використовує власний заголовок x-memmy-mcp-token.

Сторону клієнта налаштовано у ~/.memmy/config.yaml. Файл, на який вказує MEMMY_CONFIG, розташований у tools.mcpServers:

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

type приймає stdio, sse і streamableHttp. Сервер stdio запускається як дочірній процес Memmy. Тому його команда має існувати на тому самому комп’ютері та виконуватися від імені того самого користувача. Якщо ви вже підтримуєте сервери MCP, що працюють на VPS, саме їх потрібно вказати тут.

Зберігайте сховище пам’яті приватним

Усе, що належить Memmy, зберігається в ~/.memmy: config.yaml, робочий каталог, memory-service/memory.sqlite і runtime-файли. Сканування та індексація виконуються локально, а дані пам’яті записуються в цей локальний файл SQLite, тому типова конфігурація справді є локальною.

Підключення до хмари — це окремий канал, який потрібно контролювати. MEMMY_CLOUD_SERVICE задає адресу хмарного origin. Код не встановлює для нього значення за замовчуванням, але .env.example, який кроки встановлення копіюють у .env, задає значення https://api.memmy.cn. Воно вмикає режим облікового запису з trial-токенами. Коли це значення задане, аналітичний код Memmy також надсилає на цю адресу події використання, зокрема й у режимі API key: назви подій і команд, версії та ID інсталяції. CLI передає лише фіксовані назви команд, без пошукових запитів і тексту пам’яті. Аналітичний код нічого не надсилає, коли значення не задане. Тому на сервері, який використовує лише API keys, очистіть цей рядок у .env до запуску будь-яких компонентів. Програма покращення пам’яті є окремим перемикачем у налаштуваннях приватності.

Виклики моделей — це ще один канал. Якщо ви налаштуєте hosted embedding provider, текст пам’яті, для якого створюється embedding, буде надіслано цьому провайдеру, щоб перетворити його на вектор. Локальне зберігання тут не допомагає. Щоб закрити цей канал, використовуйте вбудований локальний embedding provider або endpoint для embedding, розгорнутий вами самостійно. Hosted-моделі для створення summary, evolution і relevance filter також отримують вміст пам’яті під час виконання відповідних задач, тому перевірте й ці налаштування моделей.

Залиште порт 18960 прив’язаним до loopback-адреси. Правило firewall не потрібне, оскільки сервіс, прив’язаний до 127.0.0.1, взагалі недоступний з-поза цього хоста. Підключайтеся до нього з ноутбука через SSH:

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

Поточний memory service відхиляє адреси bind, відмінні від loopback. Задання storage.token у конфігурації або змінної середовища MEMMY_MEMORY_TOKEN чи MEMORY_SERVICE_TOKEN захищає звичайні виклики memory API bearer token. Health endpoint залишається без автентифікації, а browser viewer використовує окремі перевірки для локальних запитів. Значення конфігурації підтримують посилання ${ENV_NAME}, тому token і API keys моделей не потрібно зберігати безпосередньо у файлі. Це та сама практика, що й не зберігати секрети в AI-агентах в інших компонентах. Політика ufw із забороною за замовчуванням є додатковим захистом, якщо майбутня версія змінить адресу bind за замовчуванням.

Створіть резервну копію ~/.memmy, перш ніж почати довіряти цьому сервісу

memory.sqlite — це все сховище. Вектори зберігаються в цьому самому файлі через розширення sqlite-vec, тому резервною копією є один файл. Копіювання за допомогою cp під час запису сервісу може створити неповну базу даних. Використовуйте власну команду резервного копіювання SQLite:

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

Ця команда створює узгоджену копію, поки сервіс продовжує працювати. Регулярно передавайте її на інший сервер. Для цього призначений restic для віддаленого сховища. Втрата config.yaml означає втрату налаштувань провайдера, які можна ввести повторно. Втрата memory.sqlite означає втрату спогадів, записаних після створення останньої придатної резервної копії. Сервіс також створює локальну резервну копію перед міграціями схеми, але це не актуальна копія у віддаленому сховищі.

Запускайте memory service через systemd

npm run memory:serve:dev у shell завершується разом із shell. Файл unit дає змогу зберігати service активним після перезавантаження. Він працює від імені користувача memmy, використовує checkout у /opt/memmy, а конфігурацію зберігає в домашньому каталозі цього користувача. Зупиніть копію, запущену у вашому shell, потім перенесіть checkout і конфігурацію та переналаштуйте посилання 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

Service зберігає базу даних у /home/memmy/.memmy, тому запускається з порожнім сховищем.

[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

Не зберігайте token у unit. Запишіть його у /etc/memmy/memory.env, призначте власником root і встановіть 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 у виводі status означає, що systemd не зміг запустити ExecStart взагалі, тому перевірте which npm: під час встановлення через NodeSource це /usr/bin/npm, а під час використання nvm — щось у домашньому каталозі користувача, чого systemd не знайде. Якщо unit запускається й одразу завершується, перевірте його exit status і journal: code 0 означає коректне завершення, а інші результати включають ненульовий exit, сигнали та timeouts. Виконайте journalctl -u memmy-memory -n 50, щоб переглянути вивід service. Принцип роботи такий самий, як у будь-якого іншого systemd service на VPS.

Тепер project пропонує 2 альтернативи на рівні користувача. У README спосіб для source build — це memmy-memory install --service-only: він завантажує закріплену версію Memory runtime і реєструє user service. Linux installer налаштовує memmy-memory.service як systemd --user unit. Жоден із цих способів не вмикає linger, тому виконайте sudo loginctl enable-linger <user>, щоб service manager цього користувача продовжував працювати після виходу із системи та запускався під час завантаження.

Що Memmy поки що не робить

  • Окремої desktop-збірки для Linux немає. Скрипти пакування охоплюють macOS і Windows, тому workbench та його onboarding wizard недоступні безпосередньо на сервері. Memory service тепер містить browser viewer за адресою http://127.0.0.1:18960/viewer/, доступний через наведений вище SSH tunnel. Для Linux натомість доступні CLI tarball і install.sh.
  • memory:serve:dev запускає TypeScript entry point через tsx — це development path. У репозиторії також є memory:serve для compiled output. Виконайте npm run без аргументів, щоб перевірити, які скрипти фактично доступні у вашій копії репозиторію.
  • Retrieval формує вікно пошуку з останніх 2,000 vector rows, а потім застосовує Top-K selection у межах цього вікна. У дуже великому сховищі давня memory може опинитися за його межами.
  • Embedding виконується після capture, а помилка потрапляє до retry queue і не блокує хід agent. Memory, додана щойно, може бути ще недоступною для vector search.
  • Другий сервер із власною локальною SQLite database має окрему memory.

Version 1.2.401 станом на 1 November 2026 усе ще описує молодий проєкт, який швидко розвивається. Flags, paths і script names змінюються між releases. Перевіряйте поле bin і вивід npm run у власній копії репозиторію, а не покладайтеся на команду, скопійовану з будь-якого джерела, зокрема звідси.

FAQ

Чому перевірка стану повертає connection refused?

Код завершення curl 7 із Failed to connect to 127.0.0.1 port 18960 підтверджує невдале підключення, але не показує, чи Memmy зупинено, аварійно завершено, чи він слухає іншу адресу або недоступний. Перевірте адресу й порт, виконайте ss -lntp | grep 18960 і перегляньте термінал або журнал, де запущено сервіс. Якщо журнал повідомляє про невідповідність native SQLite-модуля, виконайте npm rebuild better-sqlite3. Також перевірте версію Node: вихідна документація вимагає Node 22 або новішої версії, а Linux installer приймає лише Node.js 22.23.4+ у межах 22.x, 24.22.1+ у межах 24.x або 26.12.1+ у межах 26.x.

Звідки після збирання з вихідного коду береться команда memmy-memory?

Із поля bin пакета workspace @memmy/memory, а не з назви repository. Виконайте node -p "JSON.stringify(require('./Memory/package.json').bin)" у checkout-каталозі, і команда виведе {"memmy-memory":"./dist/src/cli/index.js"}. Цей файл з’являється лише після npm run memory:build, оскільки під час збирання створюється dist і файл позначається як виконуваний. Запускайте його як node Memory/dist/src/cli/index.js health або створіть на нього symbolic link у /usr/local/bin для короткого імені.

Чи можна додати Memmy до Claude Code за допомогою claude mcp add?

Ні. Memmy — це MCP client, а не MCP server. Він підключається до серверів, перелічених у tools.mcpServers в ~/.memmy/config.yaml, і надає їхні інструменти власному runtime. Claude Code взаємодіє з Memmy в інший спосіб: запускає CLI memmy-memory як shell-команду. memmy-memory init --agent claude створює Skill і блок CLAUDE.md, які вказують, коли його використовувати. Launcher із Linux installer також додає hooks Claude Code, що автоматично зберігають turns.

Чи надсилає запуск Memmy мої memories у cloud service?

Сканування та ingestion виконуються локально, а memories записуються в ~/.memmy/memory-service/memory.sqlite на вашому власному диску. MEMMY_CLOUD_SERVICE, для якого в .env.example встановлено значення https://api.memmy.cn, забезпечує account mode і trial tokens та надсилає usage analytics без тексту memories, поки це значення встановлено. Тому очистіть його, якщо використовуєте лише API keys. Програма покращення memories має окремий privacy toggle. Hosted embedding model отримує текст memory, який перетворює на vector. Щоб обробка залишалася локальною, використовуйте вбудований local provider або endpoint, який запускаєте самостійно. Hosted models для summary, evolution і relevance filtering також отримують вміст memories під час виконання відповідних jobs.

Чи була ця стаття корисною?