mcpField
M
membase

membase

远程服务
app.membase.com记忆与知识871 天前更新

关于 membase

membase 为个人及其 AI Agent 提供统一的长期记忆,可通过 Python、TypeScript 客户端、命令行和 MCP 使用。它支持保存事实、文档、网页与聊天记录,并按容器组织、搜索、提问或删除记忆。

主要功能

  1. 01保存事实、文档、网页和聊天导出
  2. 02按容器隔离项目记忆
  3. 03搜索记忆并针对内容提问
  4. 04通过 Python 和 TypeScript SDK 使用
  5. 05提供命令行与本地存储选项

适用场景

  1. 01在不同 AI 工具间复用个人记忆
  2. 02搜索此前记录的项目决策
  3. 03导入 Claude 或 ChatGPT 聊天记录
  4. 04让编码 Agent 检索与写入工作记忆

MCP 相关

membase 提供 MCP 服务,客户端可连接托管 API 或本地存储。MCP 工具可访问记忆操作,访问权限取决于连接方式和凭据。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://api.app.membase.com/mcp-http
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Membase

Membase

一份记忆。每个 AI。只属于你。
教它一次。每个 AI 都能记住。

PyPI npm 专有

网站 · 文档 · Web 应用 · Discord · X

添加来源,管理一份记忆,并在每个 AI 和应用中使用

Membase 是 AI Agent 的记忆层。它为你和你的 Agent 所知的一切保留一份记忆, 你使用的每个 AI 都能读取它。 切换模型或工具时,你不必再反复向它们解释自己。

  • 添加。 将事实、文档、网页以及从 Claude 或 ChatGPT 导出的聊天记录存入一份记忆。
  • 管理。 使用容器隔离项目;搜索记忆、向它提问,并忘记不该保留的内容。
  • 使用。 你的代码、Claude Code、Cursor、Codex 和 ChatGPT 都能通过 SDK 或 MCP 读取同一份记忆。

此仓库面向开发者:包含 Python 和 TypeScript 客户端、membase 命令行工具 以及 MCP 服务。记忆保存在你的 Membase 账户中,Web 应用 和浏览器扩展也可以向其中添加内容;你也可以通过 unibaseio-membase[local] 将记忆保存在本机。

只写一次,任何 AI 都能读取

你的应用写入一条记忆;任何 AI 都能读取,这里展示的是 Claude Code

录屏:Python SDK(57 秒) · Claude Code(1 分 33 秒)。上方的回答仅作示例。

准确性

LoCoMo 93.1%,LongMemEval_S 92.6%,DMR 92.2%

LoCoMo 得分为 93.1%,LongMemEval_S 得分为 92.6%,DMR 得分为 92.2%;与完整历史记录相比,LoCoMo 使用的令牌约减少 3 倍,LongMemEval_S 约减少 11 倍。方法和结果:membase.com/research

快速入门

托管、本地进程内运行或通过 HTTP 在本地运行

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?")

每种方法、对应的 REST 路由和 MCP 工具,以及所需的访问权限:SDK 参考。 Python 包名为 unibaseio-membase(导入名为 membase);PyPI 上的 membase 与此无关。

命令行

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

不使用 --local(或 --store DIR,这两个选项都要放在命令前)时,命令会使用托管 API;agent、 import 和 serve 需要 unibaseio-membase[local]。

MCP

MCP 客户端、托管或本地服务,以及相同的工具

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

不带请求头连接托管服务时,连接会为你登录,且仅可读。Claude、ChatGPT、 Cursor、Codex 和其他客户端的设置方法:连接你的 AI。

文档

许可证

版权所有 © 2026 Unibase。保留所有权利。专有软件;详见 LICENSE。unibaseio-membase[local] 还会安装编译后的引擎 unibaseio-membase-core,该引擎采用 Unibase 自有许可证。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。