MemoCat - Shared AI Memory

MemoCat - Shared AI Memory se ejecuta en local a partir de un paquete de Python publicado en PyPI: memocat-mcp, versión 0.4.3. Usa MCP mediante stdio, así que el cliente lo inicia como programa y se comunica con él a través de la entrada y salida estándar. Necesita Python; los clientes suelen iniciarlo con uvx (de uv) o tras pip install - el comando habitual es uvx memocat-mcp. Lee estas variables de entorno: MONTYCAT_URI (secreto) y MONTYCAT_TLS; hay que definirlas en la configuración del cliente para este servidor.

MemoCat - Shared AI Memory se ejecuta en local a partir de una imagen de contenedor en un registro OCI como Docker Hub o GitHub Container Registry: docker.io/montygovernance/memocat-mcp:0.4.3. Usa MCP mediante stdio, así que el cliente lo inicia como programa y se comunica con él a través de la entrada y salida estándar. Necesita Docker u otro entorno de ejecución de contenedores OCI; se inicia con docker run - el comando habitual es docker run -i --rm -e MONTYCAT_URI -e MONTYCAT_TLS docker.io/montygovernance/memocat-mcp:0.4.3. Lee estas variables de entorno: MONTYCAT_URI (secreto) y MONTYCAT_TLS; hay que definirlas en la configuración del cliente para este servidor.

En el formato JSON mcpServers que leen muchos clientes MCP de escritorio y de editores de código, la entrada tiene este aspecto (marcadores de posición entre corchetes angulares):

{
  "mcpServers": {
    "memocat-mcp": {
      "command": "uvx",
      "args": [
        "memocat-mcp"
      ],
      "env": {
        "MONTYCAT_URI": "<secreto>",
        "MONTYCAT_TLS": "<valor>"
      }
    }
  }
}

Obtenido de la entrada del registro, sin probar aquí. Lo que hace el servidor, y en qué condiciones, lo determina su editor; conviene revisar su repositorio o sitio web antes de darle acceso a cuentas o archivos propios. Cómo añadir un servidor MCP a un asistente · Antes de conectar