Engram Mcp Server

Engram MCP

为 AI Agent 提供值得信赖的记忆。Engram 让 AI 能记住过去的对话、事实和决策，让它更像一名真正的队友。

此仓库包含用于将 MCP 客户端连接到 Engram 的配置模板。Engram 是一项面向 AI Agent 的托管记忆服务。

什么是 Engram？

Engram 是一款托管式 MCP 服务，为 AI Agent 提供可靠且可解释的记忆：

• 可靠的记忆：Agent 会记住对话、事实和决策，并自动提取知识图谱
• 可解释的检索：每个答案都会引用作为依据的记忆和图谱边
• 三引擎检索：BM25 + 向量搜索 + 知识图谱，经融合和重排序
• 自带模型：所有 LLM 调用都通过你的服务提供商路由，不收取推理加价
• 内置控制功能：将记忆整理到不同分区，管理保留期限，并使用自然语言进行查询

免费套餐：每月可存储 10K 条记忆并进行 50K 次检索，无需信用卡。付费套餐请参阅定价。

快速设置

1. 获取 API 密钥

在 lumetra.io 注册账号并生成 API 密钥。

部分客户端（Claude.ai 网页版、ChatGPT）使用 OAuth，而不是粘贴密钥——请参阅下方对应章节。

2. 将 Engram 添加到 MCP 客户端

MCP 端点： https://mcp.lumetra.io/mcp/sse

Claude Code

claude mcp add-json engram '{"type":"sse","url":"https://mcp.lumetra.io/mcp/sse","headers":{"Authorization":"Bearer <your-api-key>"}}'

Claude.ai 网页版（OAuth——无需粘贴密钥）

在 Claude 设置中 → 连接器 → 添加自定义连接器，粘贴：

https://mcp.lumetra.io/mcp/sse

你将通过 Lumetra 重定向以授权连接。无需 API 密钥。

ChatGPT 网页版（OAuth——支持连接器的套餐）

在 ChatGPT 设置中 → 添加自定义 MCP 连接器，粘贴：

https://mcp.lumetra.io/mcp/sse

OAuth 流程与 Claude.ai 相同。

Cursor

~/.cursor/mcp.json 或 .cursor/mcp.json：

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

Windsurf

~/.codeium/windsurf/mcp_config.json：

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

Windsurf 的远程 MCP 服务同时接受 url 和 serverUrl。此处使用 url，以与本页的其他客户端保持一致。

OpenCode

opencode.json：

{
  "mcpServers": {
    "engram": {
      "url": "https://mcp.lumetra.io/mcp/sse",
      "headers": {
        "Authorization": "Bearer <your-api-key>"
      }
    }
  }
}

OpenClaw

在 ClawHub 上发布此技能后：

openclaw skill add lumetra-engram
# or
clawhub install lumetra-engram

目前，请从 lumetra-io/engram-openclaw-skill 手动安装：

mkdir -p .openclaw/skills
curl -fsSL https://codeload.github.com/lumetra-io/engram-openclaw-skill/tar.gz/refs/heads/main \
  | tar -xz --strip-components=2 -C .openclaw/skills engram-openclaw-skill-main/skills/engram
export ENGRAM_API_KEY="eng_live_..."

3. 重启客户端

现在，你的 MCP 客户端即可使用 Engram 记忆工具。

可用工具

连接后，Agent 可使用以下记忆工具：

工具	描述
store_memory(content, bucket?)	存储事实或信息（默认存储到 "default" 分区）
query_memory(question, bucket?)	使用自然语言搜索记忆，并提供 AI 综合结果和逐条记忆说明
list_memories(bucket, limit?)	列出分区中的记忆，按时间从新到旧排序（limit 为 1–100，默认值为 20）
list_buckets()	列出可用的记忆分区
delete_memory(memory_id, bucket)	按 ID 删除指定记忆
clear_memories(bucket)	清除分区中的所有记忆（不可恢复！）

多分区查询融合（在一次调用中传入多个分区）可通过 REST /v1/query 端点和官方 SDK 使用。目前，MCP query_memory 工具每次调用只接受一个分区。

推荐的 Agent 提示词

将以下内容添加到 Agent 的系统提示词中，以鼓励其有效使用记忆：

You have Engram Memory. Use it proactively to improve continuity and personalization.

Tools:
- store_memory(content, bucket?) - Store a fact or piece of information
- query_memory(question, bucket?) - Search memories using natural language
- list_memories(bucket, limit?) - List memories in a bucket, newest first
- list_buckets() - List available memory buckets
- delete_memory(memory_id, bucket) - Delete a specific memory
- clear_memories(bucket) - Clear all memories in a bucket (destructive!)

Policy:
- Query-first: before answering anything that may rely on prior context, call query_memory. Ground your answers in the results.
- Proactive storing: capture stable preferences, profile facts, project details, decisions, and outcomes. Keep each fact concise (1-2 sentences).
- Use buckets: organize memories by project or context (e.g., "work", "personal", "project-alpha").

Style for stored content: short, declarative, atomic facts.
Examples:
- "User prefers dark mode."
- "User timezone is US/Eastern."
- "Project Alpha deadline is 2026-10-15."

REST API

Engram 还提供 REST API，可供任意 HTTP 客户端以编程方式访问（Vercel AI SDK、LangChain、LlamaIndex、Mastra、CrewAI、AutoGen、n8n，以及你自己的脚本）。

基础 URL： https://api.lumetra.io

身份验证： 在 Authorization 标头中包含你的 API 密钥：

curl -X POST https://api.lumetra.io/v1/buckets/default/memories \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": "Alice works at TechCorp"}'

快速示例：

# Store a memory
curl -X POST https://api.lumetra.io/v1/buckets/work/memories \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": "Bob is the CEO of Acme Inc"}'

# Query your memories
curl -X POST https://api.lumetra.io/v1/query \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"query": "Who is the CEO of Acme?", "buckets": ["work"]}'

所有可用端点请参阅完整 API 文档。

使用场景

团队使用 Engram 来：

• 结合以往上下文提供支持：延续上一个工单、环境、计划和承诺的后续跟进
• 结合上下文进行代码审查：将 ADR、负责人备注、脆弱部分和复盘存储为记忆
• 共享指标定义：将定义、获批的关联方式和 SQL 片段集中存放
• 持续创作符合品牌调性的内容：集中管理写作者使用的品牌语气和获批表述

关于此仓库

此仓库包含：

• 本 README，提供常用 MCP 客户端的设置说明
• server.json — 遵循官方架构的 MCP 服务清单

server.json 文件使用官方 MCP 服务架构，可供支持远程服务发现的 MCP 客户端使用。手动配置时，请使用上文中对应客户端的示例。

实际的 Engram 服务运行于 https://mcp.lumetra.io（MCP）和 https://api.lumetra.io（REST）——无需本地安装。

支持

• 产品网站：lumetra.io
• 文档：lumetra.io/docs
• 定价：lumetra.io/pricing
• 联系：[email protected]