Memori MCP

Com o servidor MCP da Memori, seu agente pode recuperar memórias relevantes antes de responder e armazenar fatos duráveis após a resposta, mantendo o contexto entre sessões sem necessidade de integração com SDK.

GitHub
2
Experimente este MCPPatrocinado

Documentação

Memori MCP

Memória de IA persistente para qualquer agente compatível com MCP — sem necessidade de SDK.

memori-mcp é o servidor MCP oficial do Memori. Conecte-o ao seu agente de IA para dar a ele memória de longo prazo: recupere fatos relevantes, obtenha resumos amplos de estado, restaure o estado de trabalho após compactação de contexto, armazene preferências duráveis após responder e mantenha o contexto entre sessões.

Por que Memori MCP?

O Memori transforma agentes sem estado em sistemas com estado, fornecendo memória estruturada e persistente que funciona entre sessões e fluxos de trabalho.

  1. Estado persistente além de prompts — A maioria dos agentes depende do contexto do prompt e perde estado entre execuções. O Memori fornece memória estruturada e durável para que os agentes possam reter fatos, decisões e resultados ao longo do tempo.
  2. Memória a partir da execução (não apenas linguagem natural) — Sistemas tradicionais extraem memória do chat. O Memori constrói memória a partir da própria execução do agente — incluindo chamadas de ferramentas, decisões e resultados. Isso permite memória verdadeiramente nativa do agente, não apenas recordação conversacional.
  3. Menor custo, maior precisão — Em vez de expandir o contexto do prompt, o Memori recupera apenas o que importa.
    • Uso de tokens significativamente reduzido
    • Respostas mais rápidas
    • Precisão melhorada em comparação com abordagens de contexto longo
  4. Funciona com qualquer cliente MCP e pronto para produção — Sem SDK, sem alterações de código, apenas configuração

O Memori é infraestrutura de estado para agentes de produção — permitindo memória persistente, recuperação eficiente e contexto estruturado tanto em linguagem natural quanto na execução do agente.

Benchmark LoCoMo

O Memori foi avaliado no benchmark LoCoMo para memória de conversas longas e alcançou 81,95% de precisão geral, usando em média 1.294 tokens por consulta. Isso representa apenas 4,97% do espaço total de contexto, mostrando que memória estruturada pode preservar a qualidade do raciocínio sem forçar prompts grandes em cada solicitação.

Em comparação com outros sistemas de memória baseados em recuperação, o Memori superou Zep, LangMem e Mem0, reduzindo o tamanho do prompt em aproximadamente 67% vs. Zep e diminuindo o custo de contexto em mais de 20x vs. prompts de contexto completo.

Leia a visão geral do benchmark ou baixe o artigo.

Como Funciona

O servidor expõe sete ferramentas:

FerramentaQuando chamarO que faz
memori_recallInício de cada turno do usuárioBusca memórias relevantes no início de um turno do usuário
memori_recall_summaryInício de sessão, resumos diários, atualizações de status, visões gerais de projetoBusca estado amplo de memória para início de sessão, resumos diários, atualizações de status e visões gerais de projeto
memori_compactionApós compactação de contextoBusca um resumo estruturado pós-compactação para que o agente possa retomar o trabalho operacional
memori_advanced_augmentationApós compor uma respostaArmazena memória durável depois que o agente elabora uma resposta
memori_feedbackQuando o usuário sinaliza um problema de memória ou elogia um resultadoRelata comportamento de memória irrelevante, ausente, desatualizado ou especialmente útil
memori_signupQuando o usuário solicita explicitamente e fornece um e-mailSolicita uma conta/chave de API do Memori quando o usuário pede explicitamente
memori_quotaQuando o usuário pergunta sobre uso ou erros de cota aparecemVerifica o uso e os limites atuais de memória quando o usuário pergunta ou erros de cota aparecem

Exemplo de Fluxo do Agente

Dada a mensagem do usuário: "Prefiro Python e uso uv para gerenciamento de dependências."

  1. O agente chama memori_recall com a mensagem do usuário como query
  2. O agente compõe uma resposta usando quaisquer fatos retornados
  3. O agente envia a resposta ao usuário
  4. O agente chama memori_advanced_augmentation com o user_message e o assistant_response

Em um turno posterior, como "Escreva um script hello world", o agente recorda a preferência por Python + uv e personaliza sua resposta.

Pré-requisitos

  • Uma chave de API do Memori em app.memorilabs.ai
  • Um entity_id para identificar o usuário final (ex.: user_123)
  • Um process_id opcional para identificar o agente ou fluxo de trabalho (ex.: my_agent)

Exporte-os no seu shell ou substitua os placeholders diretamente na sua configuração:

export MEMORI_API_KEY="your-memori-api-key"
export MEMORI_ENTITY_ID="user_123"
export MEMORI_PROCESS_ID="my_agent"   # optional

Detalhes do Servidor

PropriedadeValor
ServidorMemori MCP
Endpointhttps://api.memorilabs.ai/mcp/
TransporteHTTP sem estado
AutenticaçãoChave de API via cabeçalhos de requisição

Cabeçalhos

CabeçalhoObrigatórioDescrição
X-Memori-API-KeySimSua chave de API do Memori em app.memorilabs.ai
X-Memori-Entity-IdSimIdentificador estável do usuário final ou entidade (ex.: user_123)
X-Memori-Process-IdNãoIdentificador opcional de processo, aplicativo ou fluxo de trabalho (ex.: my_agent) para isolamento de memória

session_id é derivado automaticamente como <entity_id>-<UTC year-month-day:hour>. Você não precisa fornecê-lo.

Verificando a Conexão

Após configurar seu cliente, verifique a configuração:

  • O servidor MCP aparece como conectado e saudável na interface do seu cliente
  • A lista de ferramentas inclui memori_recall, memori_recall_summary, memori_compaction e memori_advanced_augmentation
  • As chamadas retornam respostas sem erro 401
  • memori_recall retorna memórias para entidades conhecidas
  • memori_advanced_augmentation aceita dados duráveis de turnos usuário/assistente

Se você receber erros de 401, verifique novamente o valor do seu X-Memori-API-Key. Consulte o guia de solução de problemas para mais ajuda.

Links