MemoCat - Shared AI Memory

MemoCat - Shared AI Memory s’exécute en local depuis un paquet Python publié sur PyPI : memocat-mcp, version 0.4.3. Il communique en MCP via stdio : le client le lance comme un programme et échange avec lui par l’entrée et la sortie standard. Il nécessite Python ; les clients le lancent généralement avec uvx (fourni par uv) ou après pip install - la commande habituelle est uvx memocat-mcp. Il lit ces variables d’environnement : MONTYCAT_URI (secret) et MONTYCAT_TLS ; définissez-les dans la configuration du client pour ce serveur.

MemoCat - Shared AI Memory s’exécute en local depuis une image de conteneur hébergée dans un registre OCI comme Docker Hub ou GitHub Container Registry : docker.io/montygovernance/memocat-mcp:0.4.3. Il communique en MCP via stdio : le client le lance comme un programme et échange avec lui par l’entrée et la sortie standard. Il nécessite Docker ou un autre environnement d’exécution de conteneurs OCI ; il se lance avec docker run - la commande habituelle est docker run -i --rm -e MONTYCAT_URI -e MONTYCAT_TLS docker.io/montygovernance/memocat-mcp:0.4.3. Il lit ces variables d’environnement : MONTYCAT_URI (secret) et MONTYCAT_TLS ; définissez-les dans la configuration du client pour ce serveur.

Au format JSON mcpServers, que lisent de nombreux clients MCP de bureau et éditeurs de code, l’entrée se présente ainsi (espaces réservés entre chevrons) :

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

Déduit de l’entrée du registre, non testé ici. Ce que fait le serveur, et à quelles conditions, relève de son éditeur ; consultez son dépôt ou son site web avant de lui donner accès à vos comptes ou à vos fichiers. Comment ajouter un serveur MCP à un assistant · Avant de connecter un serveur