membase mcp server

Membase

ひとつのメモリー。あらゆる AI に。あなただけのもの。
一度教えれば、あらゆる AI が覚えています。

ウェブサイト · ドキュメント · ウェブアプリ · Discord · X

Membase は、AI エージェントのためのメモリーレイヤーです。あなたとエージェントが知っているあらゆることをひとつのメモリーにまとめ、利用するすべての AI がそれを読み取ります。 モデルやツールを切り替えるたびに、自分のことを説明し直す必要はありません。

• 追加。 Claude や ChatGPT の情報、ドキュメント、ウェブページ、チャットのエクスポートをひとつのメモリーにまとめます。
• 管理。 コンテナーでプロジェクトを分け、検索したり、質問したり、不要な情報を忘れさせたりできます。
• 利用。 SDK または MCP を通じて、コード、Claude Code、Cursor、Codex、ChatGPT が同じメモリーを読み取ります。

このリポジトリには、開発者向けの機能が含まれています。Python および TypeScript のクライアント、membase コマンドライン、MCP サーバーを提供します。メモリーは Membase アカウントに保存され、ウェブアプリやブラウザー拡張機能からも情報を追加できます。または、unibaseio-membase[local] を使って自分のマシンに保存できます。

一度書き込めば、どの AI からも読み取り可能

録画： Python SDK（57 秒） · Claude Code（1 分 33 秒）。上の回答は説明用の例です。

精度

LoCoMo で 93.1%、LongMemEval_S で 92.6%、DMR で 92.2% を達成しています。LoCoMo では全履歴より約 3 分の 1、LongMemEval_S では約 11 分の 1 のトークン数で実現しています。手法と結果：membase.com/research

クイックスタート

pip install unibaseio-membase              # hosted · Python 3.10+ · needs MEMBASE_API_KEY
pip install 'unibaseio-membase[local]'     # local  · Python 3.12 or 3.13 · needs OPENAI_API_KEY
npm install @unibaseio/membase              # TypeScript · Node 18+
npm install -g @unibaseio/membase-cli       # the `membase` command (hosted) without Python

from membase import Membase

m = Membase()                    # hosted
# m = Membase(local=True)        # local, in ~/.membase

m.memories.add("We picked Postgres for the ledger service.", container="Engineering")
m.search("what database is the ledger on?")
m.add("Design notes …", container="Engineering", custom_id="design-1")   # a document
m.ask("Which database did we choose for the ledger?")

各メソッド、その REST ルートと MCP ツール、および必要なアクセス権：SDK リファレンス。 Python パッケージは unibaseio-membase です（membase をインポートします）。PyPI の membase は別のパッケージです。

コマンドライン

membase --local add "We picked Postgres for the ledger" --container Engineering
membase --local search "what did we pick for the ledger?"
membase --local ask "Which database is the ledger on?"
membase --local import ~/Downloads/claude-export.json     # Claude, ChatGPT, markdown or JSON chats
membase --local agent ingest trace.json --agent coder
membase --local agent search "fix flaky deploy" --agent coder

--local（またはコマンドの前に指定する --store DIR）を指定しない場合、コマンドはホスト型 API を使用します。agent、import、serve には unibaseio-membase[local] が必要です。

MCP

claude mcp add membase -- membase --local mcp                                   # local
claude mcp add --transport http membase https://api.app.membase.com/mcp-http \
  --header "Authorization: Bearer $MEMBASE_API_KEY"                             # hosted

ヘッダーを指定せずにホスト型に接続すると、接続時にサインインし、読み取り専用になります。Claude、ChatGPT、Cursor、Codex、その他のクライアントのセットアップ方法：AI を接続する

ドキュメント

• SDK リファレンス: メソッド、REST ルート、MCP ツール、アクセスレベル
• メモリ操作: コンテナ、ドキュメント、メモリ、プロフィール、質問
• 認証: キーと、それぞれがアクセスできる対象
• AI の接続: クライアントごとの MCP セットアップ
• エージェントフレームワークの統合: LangChain、Microsoft Agent Framework、Dify、Hermes Agent、OpenClaw、Strands Agents
• ローカルエンジン: 保存するデータ、membase serve、設定

ライセンス

MIT。詳細は LICENSE をご覧ください。unibaseio-membase[local] をインストールすると、独自の Unibase ライセンスに基づくコンパイル済みエンジン、unibaseio-membase-core もインストールされます。