Engram MCP Server

resmi

Engram adalah server MCP yang dihosting yang menyediakan memori yang andal untuk agen AI.

Dokumentasi

Engram MCP

Berikan agen AI Anda memori yang dapat mereka percaya. Engram memungkinkan AI Anda mengingat percakapan, fakta, dan keputusan sebelumnya, sehingga terasa lebih seperti rekan tim yang sesungguhnya.

Repositori ini berisi templat konfigurasi untuk menghubungkan klien MCP ke Engram, layanan memori terkelola untuk agen AI.

Apa itu Engram?

Engram adalah server MCP terkelola yang menyediakan memori yang andal dan dapat dijelaskan untuk agen AI:

Memori andal: Agen mengingat percakapan, fakta, dan keputusan, dengan ekstraksi grafik pengetahuan otomatis
Pengambilan yang dapat dijelaskan: Setiap jawaban menyertakan kutipan memori dan sisi grafik yang mendasarinya
Pengambilan tiga mesin: BM25 + pencarian vektor + grafik pengetahuan, digabungkan dan diperingkat ulang
Gunakan model sendiri: Semua panggilan LLM dirutekan melalui penyedia Anda — tanpa markup inferensi
Kontrol bawaan: Atur memori ke dalam bucket, kelola retensi, dan kueri dengan bahasa alami

Tingkat gratis: 10 ribu memori tersimpan dan 50 ribu pengambilan per bulan — tanpa perlu kartu kredit. Lihat harga untuk tingkat berbayar.

Penyiapan Cepat

1. Dapatkan kunci API Anda

Daftar di lumetra.io untuk membuat akun dan menghasilkan kunci API.

Beberapa klien (Claude.ai web, ChatGPT) menggunakan OAuth alih-alih kunci yang ditempel — lihat bagian tersebut di bawah.

2. Tambahkan Engram ke klien MCP Anda

Titik akhir 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 — tanpa tempel kunci)

Di pengaturan Claude → Konektor → Tambah konektor kustom, tempel:

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

Anda akan dialihkan melalui Lumetra untuk mengotorisasi koneksi. Tidak perlu kunci API.

ChatGPT web (OAuth — Paket yang mendukung Konektor)

Di pengaturan ChatGPT → Tambah konektor MCP kustom, tempel:

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

Alur OAuth yang sama seperti Claude.ai.

Cursor

~/.cursor/mcp.json atau .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 menerima baik url maupun serverUrl untuk server MCP jarak jauh. Kami menggunakan url di sini agar sesuai dengan klien lain di halaman ini.

OpenCode

opencode.json:

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

OpenClaw

Setelah skill tersedia di ClawHub:

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

Untuk saat ini, instal secara manual dari 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. Mulai ulang klien Anda

Klien MCP Anda sekarang akan memiliki akses ke alat memori Engram.

Alat yang Tersedia

Setelah terhubung, agen Anda memiliki alat memori berikut:

Alat	Deskripsi
`store_memory(content, bucket?)`	Simpan fakta atau informasi (default ke bucket `"default"`)
`query_memory(question, bucket?)`	Cari memori menggunakan bahasa alami, dengan sintesis AI dan penjelasan per memori
`list_memories(bucket, limit?)`	Daftar memori dalam bucket, terbaru dahulu (`limit` 1–100, default 20)
`list_buckets()`	Daftar bucket memori yang tersedia
`delete_memory(memory_id, bucket)`	Hapus memori tertentu berdasarkan ID
`clear_memories(bucket)`	Hapus semua memori dalam bucket (destruktif!)

Penggabungan kueri multi-bucket (mengirim beberapa bucket dalam satu panggilan) tersedia di titik akhir REST /v1/query dan di SDK resmi. Alat MCP query_memory saat ini menerima satu bucket per panggilan.

Prompt Agen yang Direkomendasikan

Tambahkan ini ke prompt sistem agen Anda untuk mendorong penggunaan memori yang efektif:

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 juga menyediakan REST API untuk akses terprogram dari klien HTTP mana pun (Vercel AI SDK, LangChain, LlamaIndex, Mastra, CrewAI, AutoGen, n8n, skrip Anda sendiri).

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

Autentikasi: Sertakan kunci API Anda di header 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"}'

Contoh Cepat:

# 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"]}'

Lihat dokumentasi API lengkap untuk semua titik akhir yang tersedia.

Kasus Penggunaan

Tim menggunakan Engram untuk:

Dukungan dengan konteks sebelumnya: Meneruskan tiket terakhir, lingkungan, rencana, dan tindak lanjut yang dijanjikan
Ulasan kode dengan konteks: Simpan ADR, catatan pemilik, area rapuh, dan post-mortem sebagai memori
Definisi metrik bersama: Simpan definisi, gabungan yang disetujui, dan cuplikan SQL di satu tempat
Konten sesuai merek, secara konsisten: Pusatkan panduan suara dan klaim yang disetujui untuk penulis

Tentang Repositori Ini

Repositori ini berisi:

README ini dengan instruksi penyiapan untuk klien MCP populer
server.json — manifes server MCP mengikuti skema resmi

Berkas server.json menggunakan skema server MCP resmi dan dapat digunakan oleh klien MCP yang mendukung penemuan server jarak jauh. Untuk konfigurasi manual, gunakan contoh spesifik klien di atas.

Layanan Engram sebenarnya berjalan di https://mcp.lumetra.io (MCP) dan https://api.lumetra.io (REST) — tidak diperlukan instalasi lokal.

Dukungan

Situs produk: lumetra.io
Dokumentasi: lumetra.io/docs
Harga: lumetra.io/pricing
Kontak: [email protected]