memanto-mcp

Типизированная семантическая память для Claude. Память с «мнением», разработанная для регулируемых B2B-агентов.

Большинство MCP-серверов для «памяти» предоставляют только save_memory(text) и на этом заканчиваются. Этот сервер предлагает продуманную модель памяти — типизированные записи (fact, decision, commitment, instruction и т. д.), данные о происхождении и уровне уверенности для каждой записи, разграничение доступа по арендаторам (tenants) и битемпоральное извлечение данных. В комплект входит навык (skill) для Claude, который подсказывает модели, когда нужно запоминать, когда извлекать, а когда отвечать, а также как правильно оформлять цитаты и соблюдать границы доступа.

Если вы создаете B2B-агентов на платформе Anthropic — для юридических технологий, финансов, здравоохранения, клиентского сервиса или внутренней корпоративной работы — этот инструмент создан именно для вас.

Что делает его особенным

• Типизированная память. Тринадцать первоклассных типов памяти (fact, preference, goal, decision, commitment, instruction, relationship, context, observation, event, artifact, learning, error). Неверный тип = «шум» при поиске. Выбор правильного типа является частью контракта API.

• Происхождение и уверенность для каждой записи. explicit_statement / inferred / observed / validated / corrected / imported, плюс оценка уверенности от 0.0 до 1.0. Фильтрация при поиске через min_confidence. Аудиторский след находится внутри данных, а не прикручен сбоку.

• Битемпоральное чтение. recall_as_of(date) возвращает состояние памяти на определенную дату; recall_current исключает устаревшие/истекшие записи. Создано для рабочих процессов типа «что мы знали на ».

• Встроенный навык для Claude. skills/memanto-memory/SKILL.md объясняет Claude, когда использовать каждый глагол, как ограничивать память границами арендатора через составной agent_id, когда «сырое» извлечение лучше синтезированных ответов (при составлении внешних текстов — всегда используйте «сырое» извлечение), и как относиться к содержимому памяти как к недоверенному при чтении.

• Один процесс. Напрямую оборачивает слой Python-сервиса memanto — не нужно запускать отдельный REST-процесс.

Related MCP server: Kronvex

Чем это не является

• Это не векторное хранилище общего назначения. Память здесь короткая, структурированная и типизированная; если вам нужно проиндексировать 100 тысяч контрактов, делайте это в своем хранилище документов, а здесь храните решения, обязательства и наблюдения, которые агент делает на их основе.

• Не является агностическим к бэкенду (пока). В настоящее время привязано к Moorcheh как векторному бэкенду. Бесплатный уровень — 100 тыс. операций в месяц; подключаемые бэкенды есть в плане развития.

• Не является корпоративной системой аудита. Навык содержит рекомендации о том, что нужно для регулируемых развертываний, но сервер пока не принуждает к соблюдению всех требований. См. план развития для уточнения пробелов.

Инструменты

Девять инструментов MCP, сгруппированных под пространством имен memanto:

Установка

Как плагин Cowork (режим Cowork в Anthropic)

1. Скачайте последний релиз memanto-mcp.plugin.

2. Перетащите его в Cowork через интерфейс установки плагинов.

3. Установите MOORCHEH_API_KEY в переменные окружения, которые наследует Cowork, затем перезапустите Cowork.

Как автономный MCP-сервер (Claude Code, Cline, Cursor, Continue и др.)

pip install memanto-mcp
export MOORCHEH_API_KEY="mch_..."

Затем укажите вашему MCP-хосту путь к бинарному файлу. Claude Code:

claude mcp add memanto -- memanto-mcp

Cursor / Cline / Continue: добавьте в конфигурацию MCP как stdio-сервер с командой memanto-mcp.

Чтобы встроенный навык загрузился в MCP-хостах, поддерживающих навыки (Cowork, Claude Code с плагином skills), скопируйте skills/memanto-memory/SKILL.md в директорию навыков хоста.

Получение API-ключа Moorcheh

Зарегистрируйтесь на https://console.moorcheh.ai/api-keys. Бесплатный уровень — 100 тыс. операций в месяц.

Первый запуск

> Create a memanto agent called acme:matter-4711:user-jdoe and remember
> that this matter has a 60-day notice period.

Claude вызывает memanto_create_agent, затем memanto_remember(memory_type="fact", content="Matter 4711 (Acme): 60-day notice period.", confidence=0.95).

> What do we know about Matter 4711?

Claude вызывает memanto_recall(query="Matter 4711", agent_id="acme:matter-4711:user-jdoe") и цитирует сохраненный факт.

> What was our position on Matter 4711 before the redesign on 2026-03-01?

Claude вызывает memanto_recall_as_of(query="Matter 4711 position", agent_id=..., as_of_date="2026-02-28").

Как навык работает с областями видимости

Сервер использует agent_id как примитив области видимости. Навык учит Claude рассматривать его как составной ключ:

agent_id = "<tenant>:<workspace>:<actor>"

Например: acme:matter-4711:user-jdoe. Извлечение данных между арендаторами — это критическая ошибка в производственных системах памяти; навык заставляет Claude громко отказываться от таких действий, вместо того чтобы молча возвращать пустые результаты при нарушении границ.

Для осей, которые не вписываются в составной ключ (юрисдикция, регион, группа конфликта интересов, линейка продуктов), используйте tags — они доступны для фильтрации при поиске.

Правило составления текстов

Когда пользователь составляет внешний текст — дополнение к контракту, письмо клиенту, нормативный документ, клиническое резюме, брифинг — навык предписывает Claude использовать memanto_recall («сырые» результаты) и цитировать их, а не memanto_answer (синтезированный ответ). Стоимость аудита перефразированной цитаты слишком высока.

Когда пользователь занимается исследованиями, изучением или подготовкой для себя, memanto_answer вполне подходит.

План развития

Честные пробелы — то, что навык предполагает нужным в полностью регулируемом развертывании, и то, что сервер пока не делает — задокументированы в ROADMAP.md. Основное: структурированные поля source_uri + source_span (цитаты сейчас кодируются внутри content), версионированные изменения + API для удаления данных, подключаемые бэкенды хранения и HTTP-транспорт для хостов, не поддерживающих stdio.

Структура репозитория

memanto-mcp/
├── .claude-plugin/plugin.json       # Cowork plugin manifest
├── .mcp.json                        # MCP server registration (Cowork)
├── server/memanto_mcp_server.py     # FastMCP server (stdio)
├── skills/memanto-memory/SKILL.md   # the bundled skill
├── pyproject.toml                   # for `pip install memanto-mcp`
├── README.md                        # this file
├── ROADMAP.md                       # what's missing, ranked
├── CONTRIBUTING.md
├── CHANGELOG.md
├── LICENSE                          # MIT
└── docs/
    └── launch-post.md               # cross-post draft

Участие в разработке

См. CONTRIBUTING.md. Два наиболее важных вклада прямо сейчас: (1) подключаемый бэкенд хранения (интерфейс + реализация SQLite или pgvector) и (2) структурированная модель цитирования (source_uri + source_span + quote). Оба пункта есть в плане развития.

Лицензия

MIT. См. LICENSE.

Благодарности

• memanto и Moorcheh — модель типизированной памяти и векторный бэкенд, которые здесь используются.

• MCP от Anthropic и Agent Skills — протокол и формат навыков.

• Команды, создающие корпоративные агентные системы, чьи опубликованные паттерны легли в основу навыка: Harvey, Hebbia, Robin AI, Clio, EvenUp, Casetext.

Не является аффилированным лицом Anthropic или Moorcheh.