Membase MCP Server

Čo robí “Membase” MCP Server?

Membase MCP (Model Context Protocol) Server funguje ako ľahká, decentralizovaná pamäťová brána pre AI agentov, ktorá ich pripája k Membase pre bezpečnú, trvalú a overiteľnú viacrelančnú pamäť. Poháňaný Unibase umožňuje AI asistentom nahrávať a získavať históriu konverzácií, záznamy interakcií a znalosti, čím zabezpečuje kontinuitu agenta, personalizáciu a sledovateľnosť. Integráciou s protokolom Membase server umožňuje bezproblémové ukladanie a získavanie pamäťových dát z decentralizovanej siete Unibase, pričom podporuje prípady použitia, kde je trvalá, nezmeniteľná pamäť kľúčová pre AI workflowy.

Zoznam promptov

V repozitári nie sú spomenuté žiadne šablóny promptov.

Zoznam zdrojov

V repozitári nie sú popísané žiadne explicitné MCP zdroje.

Zoznam nástrojov

• get_conversation_id: Získa aktuálne ID konverzácie, čo umožňuje agentom identifikovať alebo odkazovať na prebiehajúcu reláciu.
• switch_conversation: Prepne aktívny kontext na inú konverzáciu, podporuje viacrelančné workflowy.
• save_message: Uloží správu alebo pamäť do aktuálnej konverzácie, čím zabezpečí trvalosť a sledovateľnosť.
• get_messages: Získa posledných n správ z aktuálnej konverzácie, čo umožňuje agentom si pripomenúť nedávny kontext alebo históriu.

Príklady použitia tohto MCP servera

• Trvalá pamäť konverzácií: Ukladajte a získavajte celé histórie konverzácií, čím zabezpečíte kontinuálny kontext pre AI agentov naprieč reláciami.
• Správa viacerých relácií: Plynulo prepínajte medzi rôznymi konverzáciami, čo agentovi umožňuje obsluhovať viacerých používateľov či projekty.
• Overiteľné auditné stopy: Všetky interakcie sú uložené v decentralizovanej sieti, takže sú nezmeniteľné a auditovateľné pre súlad alebo ladenie.
• Personalizácia: Získavajte minulé interakcie používateľa na prispôsobenie odpovedí a akcií na základe historických preferencií.
• Uchovávanie znalostí: Ukladajte a vyvolávajte útržky znalostí alebo rozhodnutí, čím sa v priebehu času buduje báza znalostí pre inteligentnejšie AI správanie.

Ako to nastaviť

Windsurf

1. Uistite sa, že máte nainštalované požadované závislosti (napr. Python, bežec uv).
2. Naklonujte repozitár:
   git clone https://github.com/unibaseio/membase-mcp.git
3. Vyhľadajte svoj Windsurf konfiguračný súbor.
4. Pridajte konfiguráciu Membase MCP Servera:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "váš účet, 0x...",
        "MEMBASE_CONVERSATION_ID": "ID vašej konverzácie, malo by byť jedinečné",
        "MEMBASE_ID": "váš subúčet, ľubovoľný reťazec"
      }
    }
  }
}

5. Uložte a reštartujte Windsurf, aby sa zmeny prejavili.

Zabezpečenie API kľúčov:
Používajte environmentálne premenné v bloku env na zachovanie bezpečnosti prihlasovacích údajov.

Claude

1. Nainštalujte závislosti (bežec uv a Python).
2. Naklonujte repozitár membase-mcp.
3. Upravte Claude-ov MCP konfiguračný súbor.
4. Vložte nasledujúci JSON úryvok:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "váš účet, 0x...",
        "MEMBASE_CONVERSATION_ID": "ID vašej konverzácie, malo by byť jedinečné",
        "MEMBASE_ID": "váš subúčet, ľubovoľný reťazec"
      }
    }
  }
}

5. Uložte a reštartujte Claude.

Poznámka: Citlivé údaje uložte ako environmentálne premenné.

Cursor

1. Nainštalujte požadované závislosti (Python, uv).
2. Naklonujte repozitár membase-mcp.
3. Vyhľadajte a otvorte konfiguračný súbor Cursor.
4. Pridajte server nasledovne:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "váš účet, 0x...",
        "MEMBASE_CONVERSATION_ID": "ID vašej konverzácie, malo by byť jedinečné",
        "MEMBASE_ID": "váš subúčet, ľubovoľný reťazec"
      }
    }
  }
}

5. Uložte, potom reštartujte Cursor.

Cline

1. Nainštalujte závislosti (uv, Python).
2. Naklonujte repozitár.
3. Otvorte konfiguračný súbor Cline.
4. Pridajte konfiguráciu servera:

{
  "mcpServers": {
    "membase": {
      "command": "uv",
      "args": [
        "--directory",
        "path/to/membase-mcp",
        "run", 
        "src/membase_mcp/server.py"
      ],
      "env": {
        "MEMBASE_ACCOUNT": "váš účet, 0x...",
        "MEMBASE_CONVERSATION_ID": "ID vašej konverzácie, malo by byť jedinečné",
        "MEMBASE_ID": "váš subúčet, ľubovoľný reťazec"
      }
    }
  }
}

5. Uložte a reštartujte Cline.

Zabezpečenie API kľúčov:
Všetky citlivé údaje by mali byť odovzdávané v objekte env tak, ako je uvedené vyššie, aby sa predišlo ich ukladaniu priamo v kóde.

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do vášho FlowHunt workflowu začnite pridaním MCP komponentu do svojho flowu a prepojte ho so svojím AI agentom:

Kliknite na MCP komponent, aby ste otvorili konfiguračný panel. V časti systémovej konfigurácie MCP vložte údaje o vašom MCP serveri v tomto JSON formáte:

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

Po nakonfigurovaní môže AI agent používať tento MCP ako nástroj so všetkými jeho funkciami a schopnosťami. Nezabudnite zmeniť “MCP-name” na aktuálny názov vášho MCP servera (napr. “github-mcp”, “weather-api” atď.) a URL na adresu vášho MCP servera.

Prehľad

Na základe dostupných informácií poskytuje Membase MCP Server základné pamäťové nástroje a jasné inštrukcie na nastavenie, ale chýbajú mu šablóny promptov, explicitné MCP zdroje a zmienka o podpore vzorkovania alebo roots. Vďaka tomu je funkčný pre workflowy zamerané na pamäť, ale obmedzený v rozšíriteľnosti a pokročilých MCP funkciách. Celkovo je praktický, ale základný.

MCP skóre