Engram MCP Server

officiel

Engram est un serveur MCP

Documentation

Engram MCP

Offrez à vos agents IA une mémoire digne de confiance. Engram permet à votre IA de se souvenir des conversations, des faits et des décisions passés, pour qu’elle se comporte davantage comme un véritable coéquipier.

Ce dépôt contient des modèles de configuration pour connecter les clients MCP à Engram, un service de mémoire hébergé pour agents IA.

Qu’est-ce qu’Engram ?

Engram est un serveur MCP hébergé qui fournit une mémoire fiable et explicable pour les agents IA :

Mémoire fiable : Les agents se souviennent des conversations, des faits et des décisions, avec extraction automatique d’un graphe de connaissances
Récupération explicable : Chaque réponse cite les souvenirs et les arêtes du graphe qui l’ont justifiée
Récupération à trois moteurs : BM25 + recherche vectorielle + graphe de connaissances, fusionnés et reclassés
Apportez votre propre modèle : Tous les appels LLM passent par votre fournisseur — aucune majoration sur l’inférence
Contrôles intégrés : Organisez les souvenirs en compartiments, gérez la rétention et interrogez en langage naturel

Niveau gratuit : 10 000 souvenirs stockés et 50 000 récupérations par mois — aucune carte bancaire requise. Consultez les tarifs pour les niveaux payants.

Configuration rapide

1. Obtenez votre clé API

Inscrivez-vous sur lumetra.io pour créer un compte et générer une clé API.

Certains clients (Claude.ai web, ChatGPT) utilisent OAuth au lieu d’une clé collée — voir les sections correspondantes ci-dessous.

2. Ajoutez Engram à votre client MCP

Point de terminaison 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 — pas de collage de clé)

Dans les paramètres Claude → Connecteurs → Ajouter un connecteur personnalisé, collez :

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

Vous serez redirigé via Lumetra pour autoriser la connexion. Aucune clé API requise.

ChatGPT web (OAuth — forfaits compatibles avec les connecteurs)

Dans les paramètres ChatGPT → Ajouter un connecteur MCP personnalisé, collez :

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

Même flux OAuth que Claude.ai.

Cursor

~/.cursor/mcp.json ou .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 accepte à la fois url et serverUrl pour les serveurs MCP distants. Nous utilisons url ici pour correspondre aux autres clients de cette page.

OpenCode

opencode.json :

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

OpenClaw

Une fois la compétence disponible sur ClawHub :

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

Pour l’instant, installez manuellement depuis 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. Redémarrez votre client

Votre client MCP aura désormais accès aux outils de mémoire Engram.

Outils disponibles

Une fois connecté, votre agent dispose de ces outils de mémoire :

Outil	Description
`store_memory(content, bucket?)`	Stocker un fait ou une information (compartiment par défaut `"default"`)
`query_memory(question, bucket?)`	Rechercher des souvenirs en langage naturel, avec synthèse IA et explications par souvenir
`list_memories(bucket, limit?)`	Lister les souvenirs d’un compartiment, du plus récent au plus ancien (`limit` 1–100, 20 par défaut)
`list_buckets()`	Lister les compartiments de mémoire disponibles
`delete_memory(memory_id, bucket)`	Supprimer un souvenir spécifique par son ID
`clear_memories(bucket)`	Effacer tous les souvenirs d’un compartiment (destructif !)

La fusion de requêtes multi-compartiments (passer plusieurs compartiments en un seul appel) est disponible sur le point de terminaison REST /v1/query et dans les SDK officiels. L’outil MCP query_memory accepte actuellement un seul compartiment par appel.

Invite d’agent recommandée

Ajoutez ceci à l’invite système de votre agent pour encourager une utilisation efficace de la mémoire :

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 fournit également une API REST pour un accès programmatique depuis n’importe quel client HTTP (Vercel AI SDK, LangChain, LlamaIndex, Mastra, CrewAI, AutoGen, n8n, vos propres scripts).

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

Authentification : Incluez votre clé API dans l’en-tête 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"}'

Exemple rapide :

# 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"]}'

Consultez la documentation complète de l’API pour tous les points de terminaison disponibles.

Cas d’usage

Les équipes utilisent Engram pour :

Support avec contexte antérieur : Reporter le dernier ticket, l’environnement, le plan et les suivis promis
Revues de code avec contexte : Stocker les ADR, les notes du propriétaire, les zones fragiles et les post-mortems comme souvenirs
Définitions de métriques partagées : Conserver les définitions, les jointures approuvées et les extraits SQL au même endroit
Contenu cohérent avec la marque : Centraliser la voix et les affirmations approuvées pour les rédacteurs

À propos de ce dépôt

Ce dépôt contient :

Ce README avec les instructions de configuration pour les clients MCP courants
server.json — manifeste du serveur MCP suivant le schéma officiel

Le fichier server.json utilise le schéma officiel du serveur MCP et peut être utilisé par les clients MCP qui prennent en charge la découverte de serveurs distants. Pour une configuration manuelle, utilisez les exemples spécifiques au client ci-dessus.

Le service Engram réel s’exécute sur https://mcp.lumetra.io (MCP) et https://api.lumetra.io (REST) — aucune installation locale n’est requise.

Support

Site produit : lumetra.io
Documentation : lumetra.io/docs
Tarifs : lumetra.io/pricing
Contact : [email protected]