Memstate AI - MCP

Versionierter Speicher für KI-Agenten. Speichern Sie Fakten, erkennen Sie Konflikte und verfolgen Sie, wie sich Entscheidungen im Laufe der Zeit ändern — bereitgestellt als gehosteter MCP-Server.

Dashboard · Dokumentation · Preise

Warum Memstate?

Andere Speichersysteme laden alles in Ihr Kontextfenster und hoffen auf das Beste. Memstate gibt Ihrem Agenten eine strukturierte, versionierte Wissensdatenbank, die er präzise navigiert — laden Sie nur, was Sie brauchen, wissen Sie, was sich geändert hat, und erkennen Sie, wenn Fakten im Widerspruch stehen.

Related MCP server: BuildAutomata Memory MCP Server

Benchmarks

Wir haben eine Open-Source-Benchmark-Suite erstellt, die testet, was für das Agenten-Gedächtnis wirklich zählt: Kann Ihr System Fakten speichern, sie sitzungsübergreifend präzise abrufen, Konflikte bei Änderungen erkennen und den Kontext bei der Projektentwicklung aufrechterhalten?

Direkter Vergleich: Memstate AI vs. Mem0

Beide Systeme wurden unter identischen Bedingungen mit demselben Agenten (Claude Sonnet 4.6, Temperatur 0), denselben Szenarien und demselben Bewertungsschema getestet.

Bewertungsgewichtung: Genauigkeit 40 %, Konflikterkennung 25 %, Kontextkontinuität 25 %, Token-Effizienz 10 %.

Aufschlüsselung nach Szenarien

Der Benchmark führt fünf reale Szenarien aus, die Multi-Session-Agenten-Workflows simulieren:

Mem0 gewann das erste Szenario (einfache Architekturverfolgung), hatte jedoch große Schwierigkeiten bei Szenarien, die den Umgang mit Widersprüchen, sitzungsübergreifenden Kontext und die Verfolgung von Entscheidungsänderungen erforderten — und erzielte bei drei von fünf Szenarien nahezu null Punkte.

Warum Memstate gewinnt

Der Benchmark offenbart einen grundlegenden architektonischen Unterschied:

Mem0 verwendet eine einbettungsbasierte semantische Suche. Fakten werden in Chunks unterteilt, eingebettet und nach Ähnlichkeit abgerufen. Dies funktioniert bei einfachen Abfragen, scheitert jedoch, wenn:

• Fakten früheren Fakten widersprechen (das System kann nicht zwischen aktuell und veraltet unterscheiden)

• Präziser Abruf erforderlich ist (Einbettungen liefern "ähnliche" Ergebnisse, keine exakten)

• Schreib-Lese-Latenz wichtig ist (neue Erinnerungen benötigen Sekunden, um durchsuchbar zu werden)

Memstate verwendet einen strukturierten, versionierten Key-Value-Speicher. Jeder Fakt befindet sich an einem expliziten Keypath mit einer vollständigen Versionshistorie. Das bedeutet:

• Konflikterkennung ist integriert — wenn ein neuer Fakt einem alten widerspricht, weiß das System dies und bewahrt beide Versionen auf

• Der Abruf ist deterministisch — Sie erhalten genau das zurück, was gespeichert wurde, keine ungefähre Übereinstimmung

• Sitzungsübergreifende Kontinuität ist zuverlässig — der Agent navigiert durch einen strukturierten Baum, anstatt darauf zu hoffen, dass die semantische Suche den richtigen Kontext liefert

• Token-Kosten bleiben O(1) — der Agent lädt zuerst Zusammenfassungen und geht nur bei Bedarf ins Detail, anstatt alle potenziell relevanten Einbettungen in das Kontextfenster zu laden

Hinweise zur Fairness

• Beide Systeme verwendeten dasselbe Agentenmodell, dieselbe Temperatur und dasselbe Bewertungsschema

• Mem0 erhielt eine Verzögerung von 10 Sekunden zwischen Schreib- und Lesevorgängen, um die asynchrone Einbettungspipeline zu berücksichtigen

• Mem0 erzielt bei der Token-Effizienz höhere Werte, aber diese Metrik sollte im Kontext gelesen werden — ein geringerer Token-Verbrauch kann einfach bedeuten, dass weniger Informationen zurückgegeben werden. Ein System, das unvollständige oder falsche Fakten abruft, verbraucht pro Antwort weniger Token, erfordert aber möglicherweise mehr Folgeanfragen, was letztendlich mehr Token kostet, um zum gleichen Ergebnis zu gelangen

• Der Quellcode des Benchmarks ist in diesem Repository zur vollständigen Reproduzierbarkeit enthalten

• Mem0 kann bei benutzerdefinierter Konfiguration oder einem anderen Einbettungsmodell eine andere Leistung erbringen

Schnellstart

Holen Sie sich Ihren API-Schlüssel unter memstate.ai/dashboard und fügen Sie ihn dann Ihrer MCP-Client-Konfiguration hinzu:

{
  "mcpServers": {
    "memstate": {
      "command": "npx",
      "args": ["-y", "@memstate/mcp"],
      "env": {
        "MEMSTATE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

Kein Docker. Keine Datenbank. Keine Infrastruktur. Läuft in 60 Sekunden.

Client-Einrichtung

Claude Desktop

Speicherort der Konfiguration:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "memstate": {
      "command": "npx",
      "args": ["-y", "@memstate/mcp"],
      "env": { "MEMSTATE_API_KEY": "YOUR_API_KEY_HERE" }
    }
  }
}

Claude Code

claude mcp add memstate npx @memstate/mcp -e MEMSTATE_API_KEY=YOUR_API_KEY_HERE

Cursor

In Cursor-Einstellungen → MCP → Server hinzufügen — gleiches JSON-Format wie bei Claude Desktop oben.

Cline / Windsurf / Kilo Code / Roo Code

Alle unterstützen das gleiche stdio-MCP-Konfigurationsformat. Fügen Sie es der MCP-Einstellungsdatei Ihres Clients hinzu.

Kern-Tools

Funktionsweise von Keypaths

Erinnerungen sind in einer hierarchischen Punkt-Notation organisiert:

project.my_app.database.schema
project.my_app.auth.provider
project.my_app.deploy.environment

Keypaths werden automatisch mit einem Präfix versehen: keypath="database" mit project_id="my_app" → project.my_app.database. Ihr Agent kann genau auf das zugreifen, was er benötigt — keine Dumps des gesamten Kontexts.

Funktionsweise

Agent: memstate_remember(project_id="my_app", content="## Auth\nUsing SuperTokens...")
         ↓
Server extracts keypaths:  [project.my_app.auth.provider, ...]
         ↓
Conflict detection:  compare against existing memories at those keypaths
         ↓
New version stored — old version preserved in history chain
         ↓
Next session: memstate_get(project_id="my_app") → structured summaries only
         ↓
Agent drills into project.my_app.auth only when it needs auth details

Die Token-Kosten bleiben konstant, unabhängig davon, wie viele Erinnerungen insgesamt existieren.

Zu Ihren Agenten-Anweisungen hinzufügen

Kopieren Sie dies in Ihre AGENTS.md oder Ihren System-Prompt:

## Memory (Memstate MCP)

### Before each task
- memstate_get(project_id="my_project") — browse existing knowledge
- memstate_search(query="topic", project_id="my_project") — find by meaning

### After each task
- memstate_remember(project_id="my_project", content="## Summary\n- ...", source="agent")

### Tool guide
- memstate_remember — markdown summaries, decisions, task results (preferred)
- memstate_set — single short values only (config flags, status)
- memstate_get — browse/retrieve before tasks
- memstate_search — semantic lookup when keypath unknown
- memstate_history — audit how knowledge evolved
- memstate_delete — remove outdated memories (history preserved)

Umgebungsvariablen

Verbindung überprüfen

MEMSTATE_API_KEY=your_key npx @memstate/mcp --test

Listet alle verfügbaren Tools auf und bestätigt, dass Ihr API-Schlüssel funktioniert.

Entwickelt für KI-Agenten, die es verdienen zu wissen, was sie wissen.