Engram Memory MCP

🚀 Engram MCP

Engram MCP 能為你的 AI 代理提供可靠的記憶能力。藉助 Engram，AI 可以記住過往的對話、事實和決策，讓它更像一位真實的團隊夥伴。

本倉庫包含了用於將 MCP 客戶端連接到 Engram 的配置模板，Engram 是一款為 AI 代理提供的託管式記憶服務。

🚀 快速開始

1. 獲取 API 密鑰

訪問 lumetra.io 進行註冊，即可獲取你的 API 密鑰。

2. 添加到 MCP 客戶端

Claude Code：

claude mcp add-json engram '{"type":"http","url":"https://engram.lumetra.io","headers":{"X-API-Key":"<your-api-key>"}}'

Windsurf（~/.codeium/windsurf/mcp_config.json）：

{
  "mcpServers": {
    "engram": {
      "serverUrl": "https://engram.lumetra.io",
      "headers": {
        "X-API-Key": "<your-api-key>"
      }
    }
  }
}

Cursor（~/.cursor/mcp.json 或 .cursor/mcp.json）：

{
  "mcpServers": {
    "engram": {
      "url": "https://engram.lumetra.io",
      "headers": {
        "X-API-Key": "<your-api-key>"
      }
    }
  }
}

3. 重啟客戶端

重啟後，你的 MCP 客戶端就能使用 Engram 的記憶工具了。

✨ 主要特性

Engram 是一個託管式 MCP 服務器，為 AI 代理提供可靠的記憶能力：

• 可靠的記憶：代理可以記住對話、事實和決策，並能解釋結果的選擇原因。
• 輕鬆設置：通過 MCP 只需幾分鐘即可完成連接，支持 Claude Code、Windsurf、Cursor 等 MCP 客戶端。
• 內置控制：使用簡單的工具即可管理記憶的保留和清理，無需額外配置。

公開測試期間免費 • 無需信用卡

💻 使用示例

基礎用法

連接成功後，你的代理可以使用以下記憶工具：

• store_memory(content) — 存儲單條記憶
• store_memories(contents[]) — 一次性存儲多條記憶
• search_memories(query, max_candidates?, hints?) — 搜索已存儲的記憶
• memory_index(page?, limit?) — 瀏覽所有記憶
• delete_by_event(event_id, dry_run?) — 刪除特定記憶
• explain_retrieval(retrieval_id, verbosity?) — 解釋結果的選擇原因

高級用法

在代理的系統提示中添加以下內容，以鼓勵有效使用記憶功能：

你擁有 Engram 記憶功能。請積極使用它來提升對話的連貫性和個性化程度。

可用工具：
- store_memory(content)
- store_memories(contents[])
- search_memories(query, max_candidates?, hints?)
- memory_index(page?, limit?)
- delete_by_event(event_id, dry_run?)
- explain_retrieval(retrieval_id, verbosity?)

使用策略：
- 優先檢索：在回答任何可能依賴先前上下文的問題之前，調用 search_memories（對於廣泛的查詢，使用 max_candidates 20 - 80）。答案應基於檢索結果。
- 積極存儲：記錄穩定的偏好、個人資料事實、重複任務、決策和結果。每條記錄儘量控制在 1 - 2 句話以內。在回合結束時使用 store_memories 批量存儲；對於單個關鍵事實，使用 store_memory。
- 清理機制：當信息發生變化時，先找到並刪除舊事件（使用 memory_index 或 search_memories → delete_by_event），然後存儲修正後的事實。

存儲內容的風格：簡短、聲明式、原子性的事實。
示例：
- "用戶偏好深色模式。"
- "用戶所在時區為美國東部時間。"
- "項目 Alpha 的截止日期是 2025 - 10 - 15。"

如果被問及結果的選擇原因，請使用 search_memories 返回的 retrieval_id 調用 explain_retrieval。

📚 詳細文檔

使用場景

團隊可將 Engram 用於以下場景：

• 基於過往上下文的支持：延續上一張工單、環境信息、計劃和承諾的後續跟進。
• 帶上下文的代碼審查：將架構決策記錄（ADRs）、所有者備註、易出錯區域和事後分析作為記憶存儲。
• 共享指標定義：將定義、批准的連接和 SQL 片段集中存儲。
• 一致的品牌內容：為文案撰寫人員集中管理語言風格和批准的聲明。

關於本倉庫

本倉庫包含以下內容：

• 此 README 文件，其中包含流行 MCP 客戶端的設置說明。
• server.json - 遵循官方架構的 MCP 服務器清單。

server.json 文件使用官方 MCP 服務器架構，支持遠程服務器發現的 MCP 客戶端可以使用該文件。若需手動配置，請參考上述特定客戶端的示例。

實際的 Engram 服務運行於 https://engram.lumetra.io，無需進行本地安裝。

支持信息

• 產品官網：lumetra.io
• 文檔說明：請參考上述設置說明。
• 狀態：免費公開測試（無需信用卡）