Engram MCP Server

oficial

Engram es un servidor MCP alojado que proporciona memoria confiable para agentes de IA.

Documentación

Engram MCP

Dale a tus agentes de IA una memoria en la que puedan confiar. Engram permite que tu IA recuerde conversaciones pasadas, hechos y decisiones, para que se sienta más como un verdadero compañero de equipo.

Este repositorio contiene plantillas de configuración para conectar clientes MCP a Engram, un servicio de memoria alojado para agentes de IA.

¿Qué es Engram?

Engram es un servidor MCP alojado que proporciona memoria confiable y explicable para agentes de IA:

Memoria confiable: Los agentes recuerdan conversaciones, hechos y decisiones, con extracción automática de grafos de conocimiento
Recuperación explicable: Cada respuesta cita las memorias y las aristas del grafo que la justificaron
Recuperación con tres motores: BM25 + búsqueda vectorial + grafo de conocimiento, fusionados y reordenados
Trae tu propio modelo: Todas las llamadas a LLM se enrutan a través de tu proveedor — sin margen sobre la inferencia
Controles integrados: Organiza las memorias en cubos, gestiona la retención y consulta con lenguaje natural

Nivel gratuito: 10K memorias almacenadas y 50K recuperaciones al mes — sin necesidad de tarjeta de crédito. Consulta los precios para los niveles de pago.

Configuración rápida

1. Obtén tu clave API

Regístrate en lumetra.io para crear una cuenta y generar una clave API.

Algunos clientes (Claude.ai web, ChatGPT) usan OAuth en lugar de una clave pegada — consulta esas secciones más abajo.

2. Añade Engram a tu cliente MCP

Endpoint MCP: 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 — sin pegado de clave)

En Configuración de Claude → Conectores → Añadir conector personalizado, pega:

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

Serás redirigido a través de Lumetra para autorizar la conexión. No se requiere clave API.

ChatGPT web (OAuth — Planes con capacidad de conectores)

En Configuración de ChatGPT → Añadir conector MCP personalizado, pega:

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

Mismo flujo OAuth que Claude.ai.

Cursor

~/.cursor/mcp.json o .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 acepta tanto url como serverUrl para servidores MCP remotos. Usamos url aquí para igualar a los otros clientes de esta página.

OpenCode

opencode.json:

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

OpenClaw

Una vez que la habilidad esté disponible en ClawHub:

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

Por ahora, instálala manualmente desde 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. Reinicia tu cliente

Tu cliente MCP ahora tendrá acceso a las herramientas de memoria de Engram.

Herramientas disponibles

Una vez conectado, tu agente dispone de estas herramientas de memoria:

Herramienta	Descripción
`store_memory(content, bucket?)`	Almacena un hecho o información (por defecto en el cubo `"default"`)
`query_memory(question, bucket?)`	Busca memorias usando lenguaje natural, con síntesis de IA y explicaciones por memoria
`list_memories(bucket, limit?)`	Lista las memorias de un cubo, las más recientes primero (`limit` 1–100, por defecto 20)
`list_buckets()`	Lista los cubos de memoria disponibles
`delete_memory(memory_id, bucket)`	Elimina una memoria específica por su ID
`clear_memories(bucket)`	Limpia todas las memorias de un cubo (¡destructivo!)

La fusión de consultas multi-cubo (pasar varios cubos en una sola llamada) está disponible en el endpoint REST /v1/query y en los SDK oficiales. La herramienta MCP query_memory actualmente acepta un solo cubo por llamada.

Prompt recomendado para el agente

Añade esto al prompt del sistema de tu agente para fomentar un uso efectivo de la memoria:

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."

API REST

Engram también proporciona una API REST para acceso programático desde cualquier cliente HTTP (Vercel AI SDK, LangChain, LlamaIndex, Mastra, CrewAI, AutoGen, n8n, tus propios scripts).

URL base: https://api.lumetra.io

Autenticación: Incluye tu clave API en la cabecera Authorization:

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"}'

Ejemplo rápido:

# 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"]}'

Consulta la documentación completa de la API para todos los endpoints disponibles.

Casos de uso

Los equipos usan Engram para:

Soporte con contexto previo: Recupera el último ticket, entorno, plan y seguimientos prometidos
Revisiones de código con contexto: Almacena ADRs, notas del propietario, áreas frágiles y autopsias como memorias
Definiciones de métricas compartidas: Mantén definiciones, joins aprobados y fragmentos SQL en un solo lugar
Contenido fiel a la marca, de forma consistente: Centraliza la voz y las afirmaciones aprobadas para los redactores

Acerca de este repositorio

Este repositorio contiene:

Este README con instrucciones de configuración para clientes MCP populares
server.json — manifiesto del servidor MCP siguiendo el esquema oficial

El archivo server.json usa el esquema oficial de servidor MCP y puede ser utilizado por clientes MCP que soporten descubrimiento remoto de servidores. Para configuración manual, usa los ejemplos específicos de cada cliente mostrados arriba.

El servicio Engram real se ejecuta en https://mcp.lumetra.io (MCP) y https://api.lumetra.io (REST) — no se requiere instalación local.

Soporte

Sitio del producto: lumetra.io
Documentación: lumetra.io/docs
Precios: lumetra.io/pricing
Contacto: [email protected]