Schnellstart

Dieser Leitfaden führt durch das Erstellen von PRX-Memory, das Ausführen des Daemons und die Durchführung erster Store- und Recall-Operationen.

1. Daemon erstellen

git clone https://github.com/openprx/prx-memory.git
cd prx-memory
cargo build -p prx-memory-mcp --bin prx-memoryd

2. Server starten

Option A: stdio-Transport

Für direkte MCP-Client-Integration:

PRX_MEMORYD_TRANSPORT=stdio \
PRX_MEMORY_DB=./data/memory-db.json \
./target/debug/prx-memoryd

Option B: HTTP-Transport

Für Netzwerkzugriff mit Integritätsprüfungen und Metriken:

PRX_MEMORYD_TRANSPORT=http \
PRX_MEMORY_HTTP_ADDR=127.0.0.1:8787 \
PRX_MEMORY_DB=./data/memory-db.json \
./target/debug/prx-memoryd

Überprüfen, ob der Server läuft:

curl -sS http://127.0.0.1:8787/health

3. MCP-Client konfigurieren

PRX-Memory zur MCP-Client-Konfiguration hinzufügen. Zum Beispiel in Claude Code oder Codex:

{
  "mcpServers": {
    "prx_memory": {
      "command": "/path/to/prx-memory/target/release/prx-memoryd",
      "env": {
        "PRX_MEMORYD_TRANSPORT": "stdio",
        "PRX_MEMORY_BACKEND": "json",
        "PRX_MEMORY_DB": "/path/to/prx-memory/data/memory-db.json"
      }
    }
  }
}

TIP

/path/to/prx-memory durch den tatsächlichen Pfad ersetzen, wo das Repository geklont wurde.

4. Erinnerung speichern

Einen memory_store-Tool-Aufruf über den MCP-Client oder direkt via JSON-RPC senden:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "memory_store",
    "arguments": {
      "text": "Always use parameterized queries for SQL to prevent injection attacks",
      "scope": "global",
      "tags": ["security", "sql", "best-practice"]
    }
  }
}

5. Erinnerungen abrufen

Relevante Erinnerungen mit memory_recall abrufen:

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "memory_recall",
    "arguments": {
      "query": "SQL security best practices",
      "scope": "global",
      "limit": 5
    }
  }
}

Das System gibt Erinnerungen zurück, geordnet nach Relevanz unter Verwendung einer Kombination aus lexikalischem Matching, Wichtigkeitsbewertung und Aktualität.

6. Semantische Suche aktivieren (Optional)

Für vektorbasiertes semantisches Recall einen Embedding-Provider konfigurieren:

PRX_EMBED_PROVIDER=jina \
PRX_EMBED_API_KEY=your_jina_api_key \
PRX_EMBED_MODEL=jina-embeddings-v3 \
PRX_MEMORYD_TRANSPORT=stdio \
PRX_MEMORY_DB=./data/memory-db.json \
./target/debug/prx-memoryd

Mit aktivierten Embeddings verwenden Recall-Abfragen Vektorähnlichkeit zusätzlich zu lexikalischem Matching und verbessern die Retrieval-Qualität für Abfragen in natürlicher Sprache erheblich.

7. Reranking aktivieren (Optional)

Einen Reranker hinzufügen, um die Retrieval-Präzision weiter zu verbessern:

PRX_EMBED_PROVIDER=jina \
PRX_EMBED_API_KEY=your_embed_key \
PRX_EMBED_MODEL=jina-embeddings-v3 \
PRX_RERANK_PROVIDER=cohere \
PRX_RERANK_API_KEY=your_cohere_key \
PRX_RERANK_MODEL=rerank-v3.5 \
PRX_MEMORYD_TRANSPORT=stdio \
PRX_MEMORY_DB=./data/memory-db.json \
./target/debug/prx-memoryd

Verfügbare MCP-Tools

Tool	Beschreibung
memory_store	Einen neuen Speichereintrag speichern
memory_recall	Erinnerungen nach Abfrage abrufen
memory_update	Einen vorhandenen Speichereintrag aktualisieren
memory_forget	Einen Speichereintrag löschen
memory_export	Alle Erinnerungen exportieren
memory_import	Erinnerungen aus einem Export importieren
memory_migrate	Speicherformat migrieren
memory_reembed	Erinnerungen mit neuem Modell neu einbetten
memory_compact	Speicher komprimieren und optimieren
memory_evolve	Speicher mit Holdout-Validierung entwickeln
memory_skill_manifest	Verfügbare Skills entdecken

Nächste Schritte

• Embedding-Engine -- Embedding-Provider und Stapelverarbeitung erkunden
• Reranking -- Zweistufiges Reranking konfigurieren
• Speicher-Backends -- Zwischen JSON- und SQLite-Speicher wählen
• Konfigurationsreferenz -- Alle Umgebungsvariablen