Memstate AI MCP Server
oficialMemória de agente com controle de versão similar ao git. LLMs personalizados transformam conversas em fatos estruturados com detecção automática de conflitos - seu agente vê como as decisões evoluíram, não quatro blocos de texto contraditórios. Redução de 80% de tokens em comparação com sistemas RAG/grafo. MCP + REST.
Documentação
Memstate AI - MCP
Memória versionada para agentes de IA. Armazene fatos, detecte conflitos e acompanhe como as decisões mudam ao longo do tempo — exposto como um servidor MCP hospedado.
Por que Memstate?
| RAG (maioria dos outros sistemas de memória) | Memstate AI | |
|---|---|---|
| Uso de tokens por conversa | ~7.500 | ~1.500 |
| Visibilidade do agente | Caixa preta | Transparência total |
| Versionamento de memória | Nenhum | Histórico completo |
| Crescimento de tokens conforme as memórias escalam | O(n) | O(1) |
| Infraestrutura necessária | Sim | Nenhuma — SaaS hospedado |
Outros sistemas de memória despejam tudo na sua janela de contexto e torcem pelo melhor. O Memstate fornece ao seu agente uma base de conhecimento estruturada e versionada que ele navega com precisão — carregue apenas o que precisa, saiba o que mudou, saiba quando os fatos entram em conflito.
Benchmarks
Construímos uma suíte de benchmark de código aberto que testa o que realmente importa para a memória do agente: seu sistema pode armazenar fatos, recuperá-los com precisão entre sessões, detectar conflitos quando as coisas mudam e manter o contexto à medida que um projeto evolui?
Comparativo Direto: Memstate AI vs Mem0
Ambos os sistemas foram testados em condições idênticas usando o mesmo agente (Claude Sonnet 4.6, temperatura 0), os mesmos cenários e a mesma rubrica de pontuação.
| Métrica | Memstate AI | Mem0 | Vencedor |
|---|---|---|---|
| Pontuação Geral | 69,1 | 15,4 | Memstate |
| Precisão (recuperação de fatos) | 74,1 | 12,6 | Memstate |
| Detecção de Conflitos | 85,5 | 19,0 | Memstate |
| Continuidade de Contexto | 63,7 | 10,1 | Memstate |
| Eficiência de Tokens | 22,3 | 30,6 | Mem0 |
Pesos da pontuação: Precisão 40%, Detecção de Conflitos 25%, Continuidade de Contexto 25%, Eficiência de Tokens 10%.
Detalhamento por Cenário
O benchmark executa cinco cenários do mundo real que simulam fluxos de trabalho de agente em várias sessões:
| Cenário | Memstate AI | Mem0 |
|---|---|---|
| Evolução da Arquitetura de Aplicação Web | 43,2 | 55,6 |
| Migração de Sistema de Autenticação | 66,2 | 10,2 |
| Evolução do Esquema de Banco de Dados | 72,7 | 7,0 |
| Conflitos de Versionamento de API | 86,5 | 0,9 |
| Reversão de Decisão da Equipe | 77,2 | 3,3 |
O Mem0 venceu o primeiro cenário (rastreamento simples de arquitetura), mas teve dificuldades severas em cenários que exigiam tratamento de contradições, contexto entre sessões e rastreamento de reversão de decisões — pontuando próximo de zero em três dos cinco cenários.
Por que o Memstate Vence
O benchmark revela uma diferença arquitetural fundamental:
O Mem0 usa busca semântica baseada em embeddings. Os fatos são divididos em chunks, transformados em embeddings e recuperados por similaridade. Isso funciona para consultas simples, mas falha quando:
- Fatos contradizem fatos anteriores (o sistema não consegue distinguir entre atual e desatualizado)
- É necessária uma recuperação precisa (embeddings retornam resultados "semelhantes", não exatos)
- A latência de escrita para leitura importa (novas memórias levam segundos para se tornarem pesquisáveis)
O Memstate usa armazenamento estruturado e versionado de chave-valor. Cada fato reside em um keypath explícito com um histórico completo de versões. Isso significa:
- A detecção de conflitos é integrada — quando um novo fato contradiz um antigo, o sistema sabe e preserva ambas as versões
- A recuperação é determinística — você recebe exatamente o que foi armazenado, não uma correspondência aproximada
- A continuidade entre sessões é confiável — o agente navega por uma árvore estruturada em vez de torcer para que a busca semântica traga o contexto certo
- O custo de tokens permanece O(1) — o agente carrega resumos primeiro e se aprofunda nos detalhes apenas quando necessário, em vez de despejar todos os embeddings potencialmente relevantes na janela de contexto
Notas de Imparcialidade
- Ambos os sistemas usaram o mesmo modelo de agente, temperatura e rubrica de avaliação
- Foi dado ao Mem0 um atraso de ingestão de 10 segundos entre escritas e leituras para contabilizar seu pipeline de embedding assíncrono
- O Mem0 pontua mais alto em eficiência de tokens, mas essa métrica deve ser lida em contexto — menor uso de tokens pode simplesmente refletir que menos informação está sendo retornada. Um sistema que recupera fatos incompletos ou incorretos usa menos tokens por resposta, mas pode exigir mais chamadas de acompanhamento, custando, em última análise, mais tokens para chegar à mesma resposta
- O código-fonte do benchmark está incluído neste repositório para total reprodutibilidade
- O Mem0 pode ter desempenho diferente com configuração personalizada ou um modelo de embedding diferente
Início Rápido
Obtenha sua chave de API em memstate.ai/dashboard e adicione à configuração do seu cliente MCP:
{
"mcpServers": {
"memstate": {
"command": "npx",
"args": ["-y", "@memstate/mcp"],
"env": {
"MEMSTATE_API_KEY": "YOUR_API_KEY_HERE"
}
}
}
}
Sem Docker. Sem banco de dados. Sem infraestrutura. Funcionando em 60 segundos.
Configuração do Cliente
Claude Desktop
Local da configuração:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"memstate": {
"command": "npx",
"args": ["-y", "@memstate/mcp"],
"env": { "MEMSTATE_API_KEY": "YOUR_API_KEY_HERE" }
}
}
}
Claude Code
claude mcp add memstate npx @memstate/mcp -e MEMSTATE_API_KEY=YOUR_API_KEY_HERE
Cursor
Em Configurações do Cursor → MCP → Adicionar Servidor — mesmo formato JSON do Claude Desktop acima.
Cline / Windsurf / Kilo Code / Roo Code
Todos suportam o mesmo formato de configuração MCP stdio. Adicione ao arquivo de configurações MCP do seu cliente.
Ferramentas Principais
| Ferramenta | Quando usar |
|---|---|
memstate_remember | Armazenar markdown, resumos de tarefas, decisões. O servidor extrai keypaths e detecta conflitos automaticamente. Use para a maioria das escritas. |
memstate_set | Definir um único keypath para um valor curto (ex.: config.port = 8080). Não para prosa. |
memstate_get | Navegar por todas as memórias de um projeto ou subárvore. Use no início de cada tarefa. |
memstate_search | Busca semântica por significado quando você não sabe o keypath exato. |
memstate_history | Veja como um conhecimento mudou ao longo do tempo — cadeia de versões completa. |
memstate_delete | Excluir logicamente um keypath. Cria um tombstone; o histórico completo é preservado. |
memstate_delete_project | Excluir logicamente um projeto inteiro e todas as suas memórias. |
Como os keypaths funcionam
As memórias são organizadas em notação de ponto hierárquica:
project.my_app.database.schema
project.my_app.auth.provider
project.my_app.deploy.environment
Keypaths são prefixados automaticamente: keypath="database" com project_id="my_app" → project.my_app.database. Seu agente pode se aprofundar exatamente no que precisa — sem despejos de contexto completo.
Como Funciona
Agent: memstate_remember(project_id="my_app", content="## Auth\nUsing SuperTokens...")
↓
Server extracts keypaths: [project.my_app.auth.provider, ...]
↓
Conflict detection: compare against existing memories at those keypaths
↓
New version stored — old version preserved in history chain
↓
Next session: memstate_get(project_id="my_app") → structured summaries only
↓
Agent drills into project.my_app.auth only when it needs auth details
O custo de tokens permanece constante, independentemente de quantas memórias totais existam.
Adicione às Instruções do Seu Agente
Copie para o seu AGENTS.md ou prompt do sistema:
## Memory (Memstate MCP)
### Before each task
- memstate_get(project_id="my_project") — browse existing knowledge
- memstate_search(query="topic", project_id="my_project") — find by meaning
### After each task
- memstate_remember(project_id="my_project", content="## Summary\n- ...", source="agent")
### Tool guide
- memstate_remember — markdown summaries, decisions, task results (preferred)
- memstate_set — single short values only (config flags, status)
- memstate_get — browse/retrieve before tasks
- memstate_search — semantic lookup when keypath unknown
- memstate_history — audit how knowledge evolved
- memstate_delete — remove outdated memories (history preserved)
Variáveis de Ambiente
| Variável | Padrão | Descrição |
|---|---|---|
MEMSTATE_API_KEY | (obrigatório) | Chave de API de memstate.ai/dashboard |
MEMSTATE_MCP_URL | https://mcp.memstate.ai | Substituir para implantações auto-hospedadas |
Verifique Sua Conexão
MEMSTATE_API_KEY=your_key npx @memstate/mcp --test
Exibe todas as ferramentas disponíveis e confirma se sua chave de API funciona.
Construído para agentes de IA que merecem saber o que sabem.