Membase MCP Server

Was macht der “Membase” MCP Server?

Der Membase MCP (Model Context Protocol) Server dient als leichtgewichtiges, dezentrales Memory-Gateway für KI-Agenten, das sie mit Membase für sichere, persistente und überprüfbare Multi-Session-Speicherung verbindet. Betrieben von Unibase ermöglicht er KI-Assistenten das Hochladen und Abrufen von Gesprächsverläufen, Interaktionsprotokollen und Wissen und stellt damit Agenten-Kontinuität, Personalisierung und Nachvollziehbarkeit sicher. Durch die Integration mit dem Membase-Protokoll ermöglicht der Server die nahtlose Speicherung und den Abruf von Memory-Daten aus dem dezentralen Unibase-Netzwerk und unterstützt Anwendungsfälle, in denen persistentes, manipulationssicheres Gedächtnis für KI-Workflows unerlässlich ist.

Liste der Prompts

Im Repository werden keine Prompt-Vorlagen erwähnt.

Liste der Ressourcen

Im Repository werden keine expliziten MCP-Ressourcen beschrieben.

Liste der Werkzeuge

• get_conversation_id: Ruft die aktuelle Gesprächs-ID ab und ermöglicht es Agenten, die laufende Sitzung zu identifizieren oder zu referenzieren.
• switch_conversation: Wechselt den aktiven Kontext zu einem anderen Gespräch und unterstützt damit Multi-Session-Workflows.
• save_message: Speichert eine Nachricht oder Erinnerung im aktuellen Gespräch und sorgt so für Persistenz und Nachvollziehbarkeit.
• get_messages: Ruft die letzten n Nachrichten aus dem aktuellen Gespräch ab und ermöglicht es Agenten, kürzlichen Kontext oder Verlauf zu rekonstruieren.

Anwendungsfälle dieses MCP Servers

• Persistentes Gesprächsgedächtnis: Speichern und Abrufen kompletter Gesprächsverläufe, um kontinuierlichen Kontext für KI-Agenten über mehrere Sitzungen hinweg zu gewährleisten.
• Multi-Session-Management: Nahtloses Wechseln zwischen verschiedenen Gesprächen, sodass ein Agent mehrere Nutzer oder Projekte betreuen kann.
• Verifizierbare Audit Trails: Alle Interaktionen werden in einem dezentralen Netzwerk gespeichert, wodurch sie manipulationssicher und prüfbar für Compliance oder Debugging sind.
• Personalisierung: Abrufen vergangener Nutzerinteraktionen, um Antworten und Aktionen basierend auf bisherigen Präferenzen zu personalisieren.
• Wissensspeicherung: Speichern und Abrufen von Wissensschnipseln oder Entscheidungen, um im Laufe der Zeit eine Wissensbasis für intelligentere KI-Verhaltensweisen aufzubauen.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass die Voraussetzungen (z. B. Python, uv Runner) installiert sind.
2. Klonen Sie das Repository:
   git clone https://github.com/unibaseio/membase-mcp.git
3. Suchen Sie Ihre Windsurf-Konfigurationsdatei.
4. Fügen Sie die Membase MCP Server-Konfiguration hinzu:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "Ihr Konto, 0x...",
        "MEMBASE_CONVERSATION_ID": "Ihre Gesprächs-ID, sollte eindeutig sein",
        "MEMBASE_ID": "Ihr Subkonto, beliebiger String"
      }
    }
  }
}

5. Speichern Sie und starten Sie Windsurf neu, um die Änderungen zu übernehmen.

API-Keys schützen:
Verwenden Sie Umgebungsvariablen im env-Block, um Zugangsdaten sicher zu halten.

Claude

1. Installieren Sie die Abhängigkeiten (uv Runner und Python).
2. Klonen Sie das membase-mcp Repository.
3. Bearbeiten Sie die MCP-Konfigurationsdatei von Claude.
4. Fügen Sie den folgenden JSON-Abschnitt ein:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "Ihr Konto, 0x...",
        "MEMBASE_CONVERSATION_ID": "Ihre Gesprächs-ID, sollte eindeutig sein",
        "MEMBASE_ID": "Ihr Subkonto, beliebiger String"
      }
    }
  }
}

5. Speichern und starten Sie Claude neu.

Hinweis: Speichern Sie sensible Informationen als Umgebungsvariablen.

Cursor

1. Installieren Sie die Voraussetzungen (Python, uv).
2. Klonen Sie das membase-mcp-Repo.
3. Suchen und öffnen Sie Ihre Cursor-Konfigurationsdatei.
4. Fügen Sie den Server wie folgt hinzu:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "Ihr Konto, 0x...",
        "MEMBASE_CONVERSATION_ID": "Ihre Gesprächs-ID, sollte eindeutig sein",
        "MEMBASE_ID": "Ihr Subkonto, beliebiger String"
      }
    }
  }
}

5. Speichern Sie und starten Sie dann Cursor neu.

Cline

1. Installieren Sie die Abhängigkeiten (uv, Python).
2. Klonen Sie das Repository.
3. Öffnen Sie die Cline-Konfigurationsdatei.
4. Fügen Sie die Server-Konfiguration hinzu:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "Ihr Konto, 0x...",
        "MEMBASE_CONVERSATION_ID": "Ihre Gesprächs-ID, sollte eindeutig sein",
        "MEMBASE_ID": "Ihr Subkonto, beliebiger String"
      }
    }
  }
}

5. Speichern und starten Sie Cline neu.

API-Keys schützen:
Alle sensiblen Zugangsdaten sollten wie oben gezeigt im env-Objekt übergeben werden, um ein Hardcoding zu vermeiden.

Verwendung dieses MCP in Flows

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Fügen Sie im Bereich System-MCP-Konfiguration Ihre MCP-Serverdaten in folgendem JSON-Format ein:

{
  "MCP-name": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle seine Funktionen und Möglichkeiten nutzen. Denken Sie daran, “MCP-name” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen (z. B. “github-mcp”, “weather-api” usw.) und die URL durch Ihre eigene MCP-Server-URL auszutauschen.

Übersicht

Basierend auf den verfügbaren Informationen bietet der Membase MCP Server grundlegende Speicherwerkzeuge und klare Einrichtungshinweise, es fehlen jedoch Prompt-Vorlagen, explizite MCP-Ressourcen und Hinweise auf Sampling- oder Roots-Unterstützung. Das macht ihn funktional für memory-zentrierte Workflows, aber eingeschränkt in Erweiterbarkeit und fortgeschrittenen MCP-Features. Insgesamt ist er praktisch, aber grundlegend.

MCP Score