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.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

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.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

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