Engram MCP Server

Engram MCP

Geben Sie Ihren KI-Agenten ein Gedächtnis, dem sie vertrauen können. Engram ermöglicht es Ihrer KI, sich an vergangene Gespräche, Fakten und Entscheidungen zu erinnern, sodass sie sich eher wie ein echter Teamkollege anfühlt.

Dieses Repository enthält Konfigurationsvorlagen für die Verbindung von MCP-Clients mit Engram, einem gehosteten Speicherdienst für KI-Agenten.

Was ist Engram?

Engram ist ein gehosteter MCP-Server, der zuverlässiges, erklärbares Gedächtnis für KI-Agenten bereitstellt:

• Zuverlässiges Gedächtnis: Agenten erinnern sich an Gespräche, Fakten und Entscheidungen, mit automatischer Wissensgraph-Extraktion
• Erklärbarer Abruf: Jede Antwort zitiert die Erinnerungen und Graph-Kanten, die sie begründet haben
• Drei-Engine-Abruf: BM25 + Vektorsuche + Wissensgraph, fusioniert und neu bewertet
• Eigenes Modell verwenden: Alle LLM-Aufrufe werden über Ihren Anbieter geleitet – kein Inferenz-Aufschlag
• Integrierte Kontrollen: Organisieren Sie Erinnerungen in Buckets, verwalten Sie die Aufbewahrung und fragen Sie in natürlicher Sprache ab

Kostenloses Kontingent: 10.000 gespeicherte Erinnerungen und 50.000 Abrufe pro Monat – keine Kreditkarte erforderlich. Siehe Preise für kostenpflichtige Stufen.

Schnelleinrichtung

1. API-Schlüssel erhalten

Registrieren Sie sich auf lumetra.io, um ein Konto zu erstellen und einen API-Schlüssel zu generieren.

Einige Clients (Claude.ai Web, ChatGPT) verwenden OAuth anstelle eines eingefügten Schlüssels – siehe die entsprechenden Abschnitte unten.

2. Engram zu Ihrem MCP-Client hinzufügen

MCP-Endpunkt: https://mcp.lumetra.io/mcp/sse

Claude Code

claude mcp add-json engram '{"type":"sse","url":"https://mcp.lumetra.io/mcp/sse","headers":{"Authorization":"Bearer <your-api-key>"}}'

Claude.ai Web (OAuth – kein Schlüsseleinfügen)

In Claude-Einstellungen → Connectors → Benutzerdefinierten Connector hinzufügen, fügen Sie ein:

https://mcp.lumetra.io/mcp/sse

Sie werden über Lumetra weitergeleitet, um die Verbindung zu autorisieren. Kein API-Schlüssel erforderlich.

ChatGPT Web (OAuth – Connector-fähige Pläne)

In ChatGPT-Einstellungen → Benutzerdefinierten MCP-Connector hinzufügen, fügen Sie ein:

https://mcp.lumetra.io/mcp/sse

Gleicher OAuth-Ablauf wie bei Claude.ai.

Cursor

~/.cursor/mcp.json oder .cursor/mcp.json:

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

Windsurf

~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

Windsurf akzeptiert sowohl url als auch serverUrl für entfernte MCP-Server. Wir verwenden hier url, um mit den anderen Clients auf dieser Seite übereinzustimmen.

OpenCode

opencode.json:

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

OpenClaw

Sobald die Fähigkeit auf ClawHub live ist:

openclaw skill add lumetra-engram
# or
clawhub install lumetra-engram

Installieren Sie vorerst manuell von lumetra-io/engram-openclaw-skill:

mkdir -p .openclaw/skills
curl -fsSL https://codeload.github.com/lumetra-io/engram-openclaw-skill/tar.gz/refs/heads/main \
  | tar -xz --strip-components=2 -C .openclaw/skills engram-openclaw-skill-main/skills/engram
export ENGRAM_API_KEY="eng_live_..."

3. Client neu starten

Ihr MCP-Client hat nun Zugriff auf die Engram-Speicherwerkzeuge.

Verfügbare Werkzeuge

Nach der Verbindung verfügt Ihr Agent über diese Speicherwerkzeuge:

Werkzeug	Beschreibung
store_memory(content, bucket?)	Eine Tatsache oder Information speichern (Standard-Bucket "default")
query_memory(question, bucket?)	Erinnerungen mit natürlicher Sprache durchsuchen, mit KI-Synthese und Erklärungen pro Erinnerung
list_memories(bucket, limit?)	Erinnerungen in einem Bucket auflisten, neueste zuerst (limit 1–100, Standard 20)
list_buckets()	Verfügbare Speicher-Buckets auflisten
delete_memory(memory_id, bucket)	Eine bestimmte Erinnerung anhand der ID löschen
clear_memories(bucket)	Alle Erinnerungen in einem Bucket löschen (zerstörerisch!)

Multi-Bucket-Abfragefusion (Übergabe mehrerer Buckets in einem Aufruf) ist am REST /v1/query-Endpunkt und in den offiziellen SDKs verfügbar. Das MCP query_memory-Werkzeug akzeptiert derzeit einen einzelnen Bucket pro Aufruf.

Empfohlener Agent-Prompt

Fügen Sie dies zum System-Prompt Ihres Agenten hinzu, um eine effektive Speichernutzung zu fördern:

You have Engram Memory. Use it proactively to improve continuity and personalization.

Tools:
- store_memory(content, bucket?) - Store a fact or piece of information
- query_memory(question, bucket?) - Search memories using natural language
- list_memories(bucket, limit?) - List memories in a bucket, newest first
- list_buckets() - List available memory buckets
- delete_memory(memory_id, bucket) - Delete a specific memory
- clear_memories(bucket) - Clear all memories in a bucket (destructive!)

Policy:
- Query-first: before answering anything that may rely on prior context, call query_memory. Ground your answers in the results.
- Proactive storing: capture stable preferences, profile facts, project details, decisions, and outcomes. Keep each fact concise (1-2 sentences).
- Use buckets: organize memories by project or context (e.g., "work", "personal", "project-alpha").

Style for stored content: short, declarative, atomic facts.
Examples:
- "User prefers dark mode."
- "User timezone is US/Eastern."
- "Project Alpha deadline is 2026-10-15."

REST-API

Engram bietet auch eine REST-API für programmatischen Zugriff von jedem HTTP-Client (Vercel AI SDK, LangChain, LlamaIndex, Mastra, CrewAI, AutoGen, n8n, Ihre eigenen Skripte).

Basis-URL: https://api.lumetra.io

Authentifizierung: Fügen Sie Ihren API-Schlüssel in den Authorization-Header ein:

curl -X POST https://api.lumetra.io/v1/buckets/default/memories \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": "Alice works at TechCorp"}'

Schnellbeispiel:

# Store a memory
curl -X POST https://api.lumetra.io/v1/buckets/work/memories \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": "Bob is the CEO of Acme Inc"}'

# Query your memories
curl -X POST https://api.lumetra.io/v1/query \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"query": "Who is the CEO of Acme?", "buckets": ["work"]}'

Siehe die vollständige API-Dokumentation für alle verfügbaren Endpunkte.

Anwendungsfälle

Teams nutzen Engram für:

• Support mit vorherigem Kontext: Letztes Ticket, Umgebung, Plan und versprochene Follow-ups übertragen
• Code-Reviews mit Kontext: ADRs, Hinweise des Eigentümers, kritische Bereiche und Post-Mortems als Erinnerungen speichern
• Gemeinsame Metrikdefinitionen: Definitionen, genehmigte Joins und SQL-Snippets an einem Ort aufbewahren
• Markenkonforme Inhalte, konsistent: Stimme und genehmigte Aussagen für Autoren zentralisieren

Über dieses Repository

Dieses Repository enthält:

• Diese README mit Einrichtungsanweisungen für gängige MCP-Clients
• server.json — MCP-Server-Manifest nach dem offiziellen Schema

Die server.json-Datei verwendet das offizielle MCP-Server-Schema und kann von MCP-Clients verwendet werden, die die Erkennung entfernter Server unterstützen. Für die manuelle Konfiguration verwenden Sie die clientspezifischen Beispiele oben.

Der eigentliche Engram-Dienst läuft unter https://mcp.lumetra.io (MCP) und https://api.lumetra.io (REST) – es ist keine lokale Installation erforderlich.

Support

• Produktseite: lumetra.io
• Dokumentation: lumetra.io/docs
• Preise: lumetra.io/pricing
• Kontakt: support@lumetra.io