Engram Memory MCP

🚀 Engram MCP

Engram MCP 能为你的 AI 代理提供可靠的记忆能力。借助 Engram，AI 可以记住过往的对话、事实和决策，让它更像一位真实的团队伙伴。

本仓库包含了用于将 MCP 客户端连接到 Engram 的配置模板，Engram 是一款为 AI 代理提供的托管式记忆服务。

🚀 快速开始

1. 获取 API 密钥

访问 lumetra.io 进行注册，即可获取你的 API 密钥。

2. 添加到 MCP 客户端

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. 重启客户端

重启后，你的 MCP 客户端就能使用 Engram 的记忆工具了。

✨ 主要特性

Engram 是一个托管式 MCP 服务器，为 AI 代理提供可靠的记忆能力：

• 可靠的记忆：代理可以记住对话、事实和决策，并能解释结果的选择原因。
• 轻松设置：通过 MCP 只需几分钟即可完成连接，支持 Claude Code、Windsurf、Cursor 等 MCP 客户端。
• 内置控制：使用简单的工具即可管理记忆的保留和清理，无需额外配置。

公开测试期间免费 • 无需信用卡

💻 使用示例

基础用法

连接成功后，你的代理可以使用以下记忆工具：

• store_memory(content) — 存储单条记忆
• store_memories(contents[]) — 一次性存储多条记忆
• search_memories(query, max_candidates?, hints?) — 搜索已存储的记忆
• memory_index(page?, limit?) — 浏览所有记忆
• delete_by_event(event_id, dry_run?) — 删除特定记忆
• explain_retrieval(retrieval_id, verbosity?) — 解释结果的选择原因

高级用法

在代理的系统提示中添加以下内容，以鼓励有效使用记忆功能：

你拥有 Engram 记忆功能。请积极使用它来提升对话的连贯性和个性化程度。

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：
- 优先检索：在回答任何可能依赖先前上下文的问题之前，调用 search_memories（对于广泛的查询，使用 max_candidates 20 - 80）。答案应基于检索结果。
- 积极存储：记录稳定的偏好、个人资料事实、重复任务、决策和结果。每条记录尽量控制在 1 - 2 句话以内。在回合结束时使用 store_memories 批量存储；对于单个关键事实，使用 store_memory。
- 清理机制：当信息发生变化时，先找到并删除旧事件（使用 memory_index 或 search_memories → delete_by_event），然后存储修正后的事实。

存储内容的风格：简短、声明式、原子性的事实。
示例：
- "用户偏好深色模式。"
- "用户所在时区为美国东部时间。"
- "项目 Alpha 的截止日期是 2025 - 10 - 15。"

如果被问及结果的选择原因，请使用 search_memories 返回的 retrieval_id 调用 explain_retrieval。

📚 详细文档

使用场景

团队可将 Engram 用于以下场景：

• 基于过往上下文的支持：延续上一张工单、环境信息、计划和承诺的后续跟进。
• 带上下文的代码审查：将架构决策记录（ADRs）、所有者备注、易出错区域和事后分析作为记忆存储。
• 共享指标定义：将定义、批准的连接和 SQL 片段集中存储。
• 一致的品牌内容：为文案撰写人员集中管理语言风格和批准的声明。

关于本仓库

本仓库包含以下内容：

• 此 README 文件，其中包含流行 MCP 客户端的设置说明。
• server.json - 遵循官方架构的 MCP 服务器清单。

server.json 文件使用官方 MCP 服务器架构，支持远程服务器发现的 MCP 客户端可以使用该文件。若需手动配置，请参考上述特定客户端的示例。

实际的 Engram 服务运行于 https://engram.lumetra.io，无需进行本地安装。

支持信息

• 产品官网：lumetra.io
• 文档说明：请参考上述设置说明。
• 状态：免费公开测试（无需信用卡）