Engram MCP Server

oficial

Engram é um servidor MCP hospedado que fornece memória confiável para agentes de IA:

Documentação

Engram MCP

Dê aos seus agentes de IA uma memória confiável. O Engram permite que sua IA se lembre de conversas, fatos e decisões passadas, fazendo com que ela se sinta mais como um verdadeiro colega de equipe.

Este repositório contém modelos de configuração para conectar clientes MCP ao Engram, um serviço de memória hospedado para agentes de IA.

O que é o Engram?

O Engram é um servidor MCP hospedado que fornece memória confiável e explicável para agentes de IA:

Memória confiável: Os agentes lembram conversas, fatos e decisões, com extração automática de grafo de conhecimento
Recuperação explicável: Cada resposta cita as memórias e arestas do grafo que a justificaram
Recuperação com três motores: BM25 + busca vetorial + grafo de conhecimento, fundidos e reordenados
Traga seu próprio modelo: Todas as chamadas LLM são roteadas através do seu provedor — sem margem sobre inferência
Controles integrados: Organize memórias em buckets, gerencie a retenção e consulte com linguagem natural

Plano gratuito: 10 mil memórias armazenadas e 50 mil recuperações por mês — sem necessidade de cartão de crédito. Consulte preços para planos pagos.

Configuração Rápida

1. Obtenha sua chave de API

Cadastre-se em lumetra.io para criar uma conta e gerar uma chave de API.

Alguns clientes (Claude.ai web, ChatGPT) usam OAuth em vez de colar a chave — veja essas seções abaixo.

2. Adicione o Engram ao seu 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 — sem colar chave)

Em configurações do Claude → Conectores → Adicionar conector personalizado, cole:

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

Você será redirecionado pelo Lumetra para autorizar a conexão. Nenhuma chave de API necessária.

ChatGPT web (OAuth — Planos com suporte a Conectores)

Em configurações do ChatGPT → Adicionar conector MCP personalizado, cole:

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

Mesmo fluxo OAuth do 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>"
      }
    }
  }
}

O Windsurf aceita tanto url quanto serverUrl para servidores MCP remotos. Usamos url aqui para corresponder aos outros clientes nesta página.

OpenCode

opencode.json:

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

OpenClaw

Assim que a skill estiver disponível no ClawHub:

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

Por enquanto, instale manualmente a partir de 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. Reinicie seu cliente

Seu cliente MCP agora terá acesso às ferramentas de memória do Engram.

Ferramentas Disponíveis

Uma vez conectado, seu agente terá estas ferramentas de memória:

Ferramenta	Descrição
`store_memory(content, bucket?)`	Armazena um fato ou informação (padrão no bucket `"default"`)
`query_memory(question, bucket?)`	Busca memórias usando linguagem natural, com síntese de IA e explicações por memória
`list_memories(bucket, limit?)`	Lista memórias em um bucket, as mais recentes primeiro (`limit` 1–100, padrão 20)
`list_buckets()`	Lista os buckets de memória disponíveis
`delete_memory(memory_id, bucket)`	Exclui uma memória específica pelo ID
`clear_memories(bucket)`	Limpa todas as memórias em um bucket (destrutivo!)

A fusão de consultas multi-bucket (passando vários buckets em uma chamada) está disponível no endpoint REST /v1/query e nos SDKs oficiais. A ferramenta MCP query_memory atualmente aceita um único bucket por chamada.

Prompt Recomendado para o Agente

Adicione isto ao prompt do sistema do seu agente para incentivar o uso eficaz da memória:

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

O Engram também fornece uma API REST para acesso programático a partir de qualquer cliente HTTP (Vercel AI SDK, LangChain, LlamaIndex, Mastra, CrewAI, AutoGen, n8n, seus próprios scripts).

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

Autenticação: Inclua sua chave de API no cabeçalho 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"}'

Exemplo 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"]}'

Consulte a documentação completa da API para todos os endpoints disponíveis.

Casos de Uso

Equipes usam o Engram para:

Suporte com contexto prévio: Carregar o último ticket, ambiente, plano e acompanhamentos prometidos
Revisões de código com contexto: Armazenar ADRs, notas do proprietário, áreas frágeis e post-mortems como memórias
Definições de métricas compartilhadas: Manter definições, junções aprovadas e trechos SQL em um só lugar
Conteúdo alinhado à marca, de forma consistente: Centralizar o tom de voz e alegações aprovadas para redatores

Sobre Este Repositório

Este repositório contém:

Este README com instruções de configuração para clientes MCP populares
server.json — manifesto do servidor MCP seguindo o esquema oficial

O arquivo server.json usa o esquema oficial de servidor MCP e pode ser usado por clientes MCP que suportam descoberta de servidor remoto. Para configuração manual, use os exemplos específicos de cada cliente acima.

O serviço Engram real é executado em https://mcp.lumetra.io (MCP) e https://api.lumetra.io (REST) — não é necessária instalação local.

Suporte

Site do produto: lumetra.io
Documentação: lumetra.io/docs
Preços: lumetra.io/pricing
Contato: [email protected]