Memstate AI MCP Server

официальный

Агентская память с версионированием, как в git. Пользовательские LLM превращают диалоги в структурированные факты с автоматическим обнаружением конфликтов — ваш агент видит, как развивались решения, а не четыре противоречивых текстовых блока. Снижение токенов на 80% по сравнению с RAG/графовыми системами. MCP + REST.

Документация

Memstate AI - MCP

npm version License: MIT MCP Node memstate-mcp MCP server

Версионированная память для AI-агентов. Храните факты, выявляйте конфликты и отслеживайте изменения решений с течением времени — всё это доступно в виде размещённого MCP-сервера.

Панель управления · Документация · Цены


Почему Memstate?

RAG (большинство других систем памяти)Memstate AI
Расход токенов на диалог~7 500~1 500
Видимость для агентаЧёрный ящикПолная прозрачность
Версионирование памятиОтсутствуетПолная история
Рост токенов при масштабировании памятиO(n)O(1)
Требуется инфраструктураДаНет — размещённый SaaS

Другие системы памяти сбрасывают всё в ваше контекстное окно в надежде на лучшее. Memstate предоставляет вашему агенту структурированную, версионированную базу знаний, по которой он перемещается точно — загружайте только то, что нужно, знайте, что изменилось, знайте, когда факты противоречат друг другу.


Бенчмарки

Мы создали набор бенчмарков с открытым исходным кодом, который проверяет то, что действительно важно для памяти агента: может ли ваша система хранить факты, точно вспоминать их в разных сессиях, выявлять конфликты при изменениях и поддерживать контекст по мере развития проекта?

Прямое сравнение: Memstate AI против Mem0

Обе системы тестировались в одинаковых условиях с использованием одного и того же агента (Claude Sonnet 4.6, температура 0), одних и тех же сценариев и одной и той же системы оценки.

МетрикаMemstate AIMem0Победитель
Общий балл69.115.4Memstate
Точность (воспроизведение фактов)74.112.6Memstate
Обнаружение конфликтов85.519.0Memstate
Непрерывность контекста63.710.1Memstate
Эффективность токенов22.330.6Mem0

Веса оценок: Точность 40%, Обнаружение конфликтов 25%, Непрерывность контекста 25%, Эффективность токенов 10%.

Разбивка по сценариям

Бенчмарк запускает пять реальных сценариев, имитирующих рабочие процессы агента в нескольких сессиях:

СценарийMemstate AIMem0
Эволюция архитектуры веб-приложения43.255.6
Миграция системы аутентификации66.210.2
Эволюция схемы базы данных72.77.0
Конфликты версионирования API86.50.9
Отмена командного решения77.23.3

Mem0 выиграл первый сценарий (простое отслеживание архитектуры), но серьёзно пострадал в сценариях, требующих обработки противоречий, межсессионного контекста и отслеживания отмены решений — набрав почти ноль в трёх из пяти сценариев.

Почему Memstate побеждает

Бенчмарк выявляет фундаментальное архитектурное различие:

Mem0 использует семантический поиск на основе эмбеддингов. Факты разбиваются на части, эмбеддируются и извлекаются по сходству. Это работает для простых поисков, но ломается, когда:

  • Факты противоречат более ранним фактам (система не может отличить актуальное от устаревшего)
  • Требуется точное воспроизведение (эмбеддинги возвращают «похожие» результаты, а не точные)
  • Важна задержка между записью и чтением (новые воспоминания становятся доступными для поиска через несколько секунд)

Memstate использует структурированное, версионированное хранилище ключ-значение. Каждый факт находится по явному ключевому пути с полной историей версий. Это означает:

  • Обнаружение конфликтов встроено — когда новый факт противоречит старому, система знает об этом и сохраняет обе версии
  • Воспроизведение детерминировано — вы получаете именно то, что было сохранено, а не приблизительное совпадение
  • Межсессионная непрерывность надёжна — агент перемещается по структурированному дереву, а не надеется, что семантический поиск выдаст правильный контекст
  • Стоимость токенов остаётся O(1) — агент сначала загружает сводки и углубляется в детали только при необходимости, вместо того чтобы сбрасывать все потенциально релевантные эмбеддинги в контекстное окно

Примечания о честности

  • Обе системы использовали одну и ту же модель агента, температуру и рубрику оценки
  • Для Mem0 была установлена 10-секундная задержка приёма между записью и чтением, чтобы учесть его асинхронный конвейер эмбеддингов
  • Mem0 показывает более высокие результаты по эффективности токенов, но эту метрику следует рассматривать в контексте — меньшее использование токенов может просто отражать меньший объём возвращаемой информации. Система, извлекающая неполные или неверные факты, использует меньше токенов за ответ, но может потребовать больше дополнительных вызовов, что в конечном итоге обходится дороже в токенах для достижения того же ответа
  • Исходный код бенчмарка включён в этот репозиторий для полной воспроизводимости
  • Mem0 может работать иначе с пользовательской конфигурацией или другой моделью эмбеддингов

Быстрый старт

Получите свой API-ключ на memstate.ai/dashboard, затем добавьте в конфигурацию вашего MCP-клиента:

{
  "mcpServers": {
    "memstate": {
      "command": "npx",
      "args": ["-y", "@memstate/mcp"],
      "env": {
        "MEMSTATE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

Без Docker. Без базы данных. Без инфраструктуры. Запуск за 60 секунд.


Настройка клиента

Claude Desktop

Расположение конфигурации:

  • 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

В Настройках Cursor → MCP → Добавить сервер — тот же формат JSON, что и для Claude Desktop выше.

Cline / Windsurf / Kilo Code / Roo Code

Все поддерживают одинаковый формат конфигурации stdio MCP. Добавьте в файл настроек MCP вашего клиента.


Основные инструменты

ИнструментКогда использовать
memstate_rememberСохраняйте markdown, сводки задач, решения. Сервер автоматически извлекает ключевые пути и выявляет конфликты. Используйте для большинства записей.
memstate_setУстановите один ключевой путь в короткое значение (например, config.port = 8080). Не для прозы.
memstate_getПросматривайте все воспоминания для проекта или поддерева. Используйте в начале каждой задачи.
memstate_searchСемантический поиск по смыслу, когда вы не знаете точный ключевой путь.
memstate_historyСмотрите, как часть знаний менялась с течением времени — полная цепочка версий.
memstate_deleteМягкое удаление ключевого пути. Создаёт надгробие; полная история сохраняется.
memstate_delete_projectМягкое удаление всего проекта и всех его воспоминаний.

Как работают ключевые пути

Воспоминания организованы в иерархической точечной нотации:

project.my_app.database.schema
project.my_app.auth.provider
project.my_app.deploy.environment

Ключевые пути автоматически дополняются префиксом: keypath="database" с project_id="my_app"project.my_app.database. Ваш агент может углубляться именно в то, что ему нужно — никаких полных сбросов контекста.


Как это работает

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

Стоимость токенов остаётся постоянной независимо от общего количества существующих воспоминаний.


Добавьте в инструкции вашего агента

Скопируйте в ваш AGENTS.md или системный промпт:

## 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)

Переменные окружения

ПеременнаяПо умолчаниюОписание
MEMSTATE_API_KEY(обязательно)API-ключ с memstate.ai/dashboard
MEMSTATE_MCP_URLhttps://mcp.memstate.aiПереопределение для самостоятельных развёртываний

Проверьте ваше соединение

MEMSTATE_API_KEY=your_key npx @memstate/mcp --test

Выводит все доступные инструменты и подтверждает, что ваш API-ключ работает.

Создано для AI-агентов, которые заслуживают знать, что они знают.