Feat: Agent-Memory auf Mem0 (auto-lernend, semantisch) via Sidecar

Paket A des Plans. Ersetzt die flache SQLite-Fakten-DB durch Mem0 (LLM-Auto-
Extraktion + Vektor/Chroma-Suche). Architektur erzwungen durch Python-Split:
MC2-Backend laeuft auf 3.14 (kann mem0 nicht importieren), mem0+chromadb nur
auf 3.12 (~/.mem0/venv) -> Mem0-Sidecar (FastAPI, localhost:8765), MC2 spricht
ihn per HTTP. /api/memory-Form bleibt unveraendert (UI + MCP kompatibel).

- mem0_service/: Sidecar (app.py), Migration (migrate.py), deps.
  - Embeddings: neue llama-swap embed-Rolle (Qwen3-Embedding-0.6B, 1024 Dim,
    pooling last) ueber /v1/embeddings.
  - LLM-Extraktion: lokales fast-Hirn; NoThinkLLM schaltet Qwen3-Thinking ab
    (sonst bricht json_object-Extraktion ab), custom_instructions halten Deutsch.
- backend/services/memory.py: duenner HTTP-Client auf den Sidecar (semantische
  Suche mit score, verbatim add, learn()). Router: /api/memory/learn.
- mcp/mcp_memory.py: neues learn-Tool (Auto-Lernen aus Gespraechs-Turns),
  search jetzt semantisch.
- Frontend: Relevanz-Score + Auto/Manuell-Herkunft im Gedaechtnis-Tab.
- deploy/: mem0-service.service + deploy.sh (uv-Install, Migration, Restart).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

deploy/mem0-service.service

@@ -0,0 +1,26 @@
+[Unit]
+Description=MC2 Mem0 Sidecar — auto-lernendes, semantisches Gedächtnis (mem0 + chroma)
+Documentation=https://github.com/mem0ai/mem0
+After=network.target
+
+[Service]
+# Mem0 + chromadb laufen nur unter Python 3.12 (~/.mem0/venv) — das MC2-Backend (3.14)
+# kann sie nicht importieren. Darum dieser schlanke Sidecar; MC2 spricht ihn per HTTP an.
+# Bind 127.0.0.1: nur lokal erreichbar (MC2 proxyt nach außen).
+Type=simple
+WorkingDirectory=%h/mission-control-v2/mem0_service
+Environment=MEM0_PORT=8765
+Environment=MEM0_CHROMA_PATH=/srv/models/mem0/chroma
+Environment=MEM0_HISTORY_DB=/srv/models/mem0/history.db
+Environment=MEM0_EMBED_URL=http://127.0.0.1:8080/v1
+Environment=MEM0_LLM_URL=http://127.0.0.1:8080/v1
+Environment=MEM0_EMBED_MODEL=embed
+Environment=MEM0_LLM_MODEL=fast
+Environment=MEM0_EMBED_DIMS=1024
+Environment=TOKENIZERS_PARALLELISM=false
+ExecStart=%h/.mem0/venv/bin/python -m uvicorn app:app --host 127.0.0.1 --port 8765
+Restart=always
+RestartSec=3
+
+[Install]
+WantedBy=default.target