Pernah ngalamin kejadian kayak gini: Kalian lagi asyik troubleshooting mail server atau nulis script automasi bareng AI di terminal. Kalian udah jelasin panjang lebar soal topologi server, IP address, dan masalahnya. Tapi, pas besoknya terminal ditutup dan dibuka lagi, AI-nya amnesia. Kalian harus ngejelasin context dari nol.

Sebagai System Engineer, ngejelasin ulang itu buang-buang waktu (dan boros token!). Nah, berkat komunitas open-source di GitHub, kita sekarang bisa ngakalin ini pakai konsep Persistent Memory via Model Context Protocol (MCP).

Dengan tool ini, asisten AI kalian bakal punya “ingatan jangka panjang” alias database otaknya sendiri yang nempel di server kalian.

Kenapa Butuh Server Memori Khusus?

Claude Code sebenarnya sudah membaca file CLAUDE.md, tapi itu sifatnya static (kaku). Kalau kita lagi troubleshooting insiden Zimbra berjam-jam, kita butuh memori yang dinamis: Claude harus ingat error apa yang udah dia perbaiki 2 jam lalu dan file mana aja yang udah dia sentuh, tanpa kita harus nyatet manual.

Berikut adalah dua tool open-source dari GitHub yang paling oke buat diterapin:

1. The Lightweight Approach: claude-memory-mcp (Berbasis SQLite)

Repository: WhenMoon-afk/claude-memory-mcp

Ini adalah server memori yang sangat ringan dan cocok banget buat jalan di server staging atau lokal. Tool ini menggunakan SQLite untuk menyimpan “artifact” kelanjutan kerja (continuity artifacts), keputusan teknis (decisions), dan status project kalian.

Cara Pasangnya di Claude Code: Kalian bisa langsung menambahkan plugin MCP ini lewat npx:

claude mcp add memory npx -y @whenmoon-afk/claude-memory-mcp

Skenario Pemakaian: Misalnya kalian lagi bikin konfigurasi Nginx Reverse Proxy yang ribet.

• Penyimpanan Memori: Di tengah jalan, kalian bilang ke Claude, “Claude, simpan keputusan ini ke memory: Kita pakai port 8080 untuk backend Carbonio karena port 80 dipakai oleh service lama.” Claude akan menggunakan tool dari MCP untuk menyuntikkan data ini ke database SQLite.
• Pemanggilan Memori: Besok harinya, kalian tinggal ketik: “Claude, cek memory snapshot terakhir kita kemarin, dan mari kita lanjutkan setting SSL-nya.”

2. The Advanced Approach: claude-code-memory (Berbasis Neo4j)

Repository: ViralV00d00/claude-code-memory

Kalau kalian mengelola infrastruktur enterprise yang besar, relasi antar service itu rumit. Tool dari GitHub ini menggunakan Neo4j (Graph Database) sebagai otak Claude.

Dia nggak cuma ingat “fakta”, tapi ingat “hubungan”.

Kenapa ini keren? Misal, di memory Claude sudah tersimpan bahwa: Mailbox Server bergantung pada LDAP Server. Saat ada error login, Claude nggak akan ngecek Mailbox doang, tapi dia bakal narik data relasi dari memori dan bilang, “Berdasarkan struktur yang saya ingat, masalah ini mungkin berasal dari service LDAP yang gagal sync. Mari kita cek log LDAP dulu.”

Tips Setup untuk Engineer

Kalau kalian baru mau coba, saran saya:

1. Gunakan SQLite Dulu: Mulai dari yang ringan pakai claude-memory-mcp atau bikin script ekstraksi memori berbasis Markdown.
2. Kombinasikan dengan /init: Masukkan rule permanen di konfigurasi /init kalian: “Setiap kali Anda menyelesaikan perbaikan bug, gunakan tool ‘continuity’ dari MCP untuk mencatat ringkasan perbaikan ke dalam memory database sebelum mengakhiri sesi.”

Kesimpulan

Kelemahan terbesar AI CLI adalah dia cuma “hidup” selama terminal terbuka. Tapi dengan Persistent Memory MCP dari GitHub ini, kita mengubah AI dari sekadar “Google Pintar” menjadi Rekan Kerja Permanen.

Kalian bisa ninggalin project berhari-hari, dan ketika kembali, asisten AI kalian siap onboarding dengan sendirinya dan ngelanjutin tugas tanpa perlu diajarin ulang.