Membase MCP Serveri

Mitä “Membase” MCP Serveri tekee?

Membase MCP (Model Context Protocol) Serveri toimii kevyenä, hajautettuna muistiyhdyskäytävänä AI-agenteille, yhdistäen ne Membaseen turvallista, pysyvää ja todennettavaa monisessiomuistia varten. Unibase-teknologian avulla AI-avustajat voivat ladata ja hakea keskusteluhistoriaa, vuorovaikutustietoja ja tietämystä, varmistaen agentin jatkuvuuden, personoinnin ja jäljitettävyyden. Integroimalla Membase-protokollaan palvelin mahdollistaa muistidatan saumattoman tallennuksen ja haun Unibasen hajautetusta verkosta, tukien käyttötapauksia, joissa pysyvä ja väärentämätön muisti on elintärkeää AI-pohjaisissa työnkuluissa.

Kehotepohjien lista

Repositoriossa ei mainita kehotepohjia.

Valmis kasvattamaan liiketoimintaasi?

Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.

Pyydä demo Kirjaudu sisään

Resurssien lista

Repositoriossa ei ole kuvattu erillisiä MCP-resursseja.

Työkalujen lista

• get_conversation_id: Hakee nykyisen keskustelu-ID:n, mahdollistaen agenteille käynnissä olevan session tunnistamisen tai viittaamisen siihen.
• switch_conversation: Vaihtaa aktiivisen kontekstin toiseen keskusteluun, tukien monisessiotyönkulkuja.
• save_message: Tallentaa viestin tai muiston nykyiseen keskusteluun, varmistaen pysyvyyden ja jäljitettävyyden.
• get_messages: Hakee viimeisimmät n viestiä nykyisestä keskustelusta, mahdollistaen agentille viimeaikaisen kontekstin tai historian palautuksen.

Liity uutiskirjeellemme

Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.

Sähköpostiosoite

Tilaa

Tämän MCP Serverin käyttökohteet

• Pysyvä keskustelumuisti: Tallenna ja hae koko keskusteluhistorioita, varmistaen AI-agentille jatkuvan kontekstin sessioiden yli.
• Monisession hallinta: Siirry saumattomasti eri keskustelujen välillä, mahdollistaen agentin palvella useita käyttäjiä tai projekteja.
• Todennettavat audit-lokit: Kaikki vuorovaikutukset tallennetaan hajautettuun verkkoon, tehden niistä väärentämättömiä ja auditoitavia vaatimustenmukaisuuden tai virheenkorjauksen kannalta.
• Personointi: Hae aiemmat käyttäjävuorovaikutukset räätälöidäksesi vastauksia ja toimintoja historiallisten mieltymysten mukaan.
• Tiedon säilytys: Tallenna ja palauta tietopätkiä tai päätöksiä, rakentaen ajan myötä tietopohjaa älykkäämmälle AI-käytökselle.

Kuinka ottaa käyttöön

Windsurf

1. Varmista, että vaadittavat ohjelmistot on asennettu (esim. Python, uv-ajuri).
2. Kloonaa repositorio:
   git clone https://github.com/unibaseio/membase-mcp.git
3. Etsi Windsurf-konfiguraatiotiedostosi.
4. Lisää Membase MCP Serverin konfiguraatio:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "tilisi, 0x...",
        "MEMBASE_CONVERSATION_ID": "keskustelutunnuksesi, oltava yksilöllinen",
        "MEMBASE_ID": "alatilisi, mikä tahansa merkkijono"
      }
    }
  }
}

5. Tallenna ja käynnistä Windsurf uudelleen, jotta muutokset astuvat voimaan.

API-avainten suojaus:
Pidä tunnistetiedot turvassa käyttämällä ympäristömuuttujia env-lohkossa.

Claude

1. Asenna riippuvuudet (uv-ajuri ja Python).
2. Kloonaa membase-mcp-repositorio.
3. Muokkaa Clauden MCP-konfiguraatiotiedostoa.
4. Lisää seuraava JSON-pätkä:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "tilisi, 0x...",
        "MEMBASE_CONVERSATION_ID": "keskustelutunnuksesi, oltava yksilöllinen",
        "MEMBASE_ID": "alatilisi, mikä tahansa merkkijono"
      }
    }
  }
}

5. Tallenna ja käynnistä Claude uudelleen.

Huom: Säilytä arkaluontoiset tiedot ympäristömuuttujina.

Cursor

1. Asenna vaadittavat ohjelmistot (Python, uv).
2. Kloonaa membase-mcp-repo.
3. Etsi ja avaa Cursorin konfiguraatiotiedosto.
4. Lisää palvelin näin:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "tilisi, 0x...",
        "MEMBASE_CONVERSATION_ID": "keskustelutunnuksesi, oltava yksilöllinen",
        "MEMBASE_ID": "alatilisi, mikä tahansa merkkijono"
      }
    }
  }
}

5. Tallenna ja käynnistä Cursor uudelleen.

Cline

1. Asenna riippuvuudet (uv, Python).
2. Kloonaa repositorio.
3. Avaa Clinen konfiguraatiotiedosto.
4. Lisää palvelimen konfiguraatio:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "tilisi, 0x...",
        "MEMBASE_CONVERSATION_ID": "keskustelutunnuksesi, oltava yksilöllinen",
        "MEMBASE_ID": "alatilisi, mikä tahansa merkkijono"
      }
    }
  }
}

5. Tallenna ja käynnistä Cline uudelleen.

API-avainten suojaus:
Kaikki tunnistetiedot tulee välittää env-objektissa yllä esitetyllä tavalla, jotta niitä ei tarvitse kovakoodata.

Kuinka käyttää tätä MCP:tä työnkuluissa

MCP:n käyttö FlowHuntissa

Lisätäksesi MCP-palvelimet FlowHunt-työnkulkuusi, aloita lisäämällä MCP-komponentti flowhunttiin ja yhdistä se AI-agenttiisi:

Napsauta MCP-komponenttia avataksesi konfiguraatiopaneelin. Järjestelmän MCP-konfiguraatio-osioon syötä MCP-palvelimesi tiedot käyttäen tätä JSON-muotoa:

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

Kun konfigurointi on valmis, AI-agentti voi käyttää tätä MCP:tä työkaluna pääsyllä kaikkiin sen toimintoihin ja ominaisuuksiin. Muista vaihtaa “MCP-name” oikeaksi palvelimesi nimeksi (esim. “github-mcp”, “weather-api” jne.) ja korvata URL omalla MCP-palvelimen osoitteellasi.

Yhteenveto

Saatavilla olevan tiedon perusteella Membase MCP Serveri tarjoaa ydinmuistityökalut ja selkeät asennusohjeet, mutta siitä puuttuvat kehotepohjat, suorat MCP-resurssit sekä maininta näytteenotosta tai roots-tuesta. Se tekee siitä käytännöllisen muistikeskeisiin työnkulkuihin mutta rajoittaa laajennettavuutta ja kehittyneitä MCP-ominaisuuksia. Kokonaisuutena käytännöllinen mutta perustoiminen.

MCP-pisteet