convez.ai
MCP ServerIntegração & APIsIntermediário
MemHQ

MemHQ SDK & MCP Server

MemHQ/sdk

Memória persistente e recuperável para agentes IA em produção

Ver no GitHub
InicialPluginScore · de 0 a 100

SDK oficial e servidor MCP para MemHQ, infraestrutura de memória hospedada para agentes IA. Oferece clientes TypeScript e Python com suporte a add, search e ask, além de integrações com LangChain, Vercel AI e LlamaIndex.

Instalação

$npx convez-ai MemHQ/sdk

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
50%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Armazenar e recuperar contexto de conversas de usuários
  • Construir agentes IA com memória de longo prazo
  • Implementar busca semântica sobre histórico de interações

Veredito

SDK maduro e bem documentado para memória de agentes IA. Suporte multiplataforma (TS/Python) e integrações diretas com frameworks populares fazem dele escolha prática para aplicações com requisitos de contexto persistente.

README

A tradução para o português deste README ainda está na fila.

MemHQ SDKs & Adapters

Official client libraries for MemHQ — hosted memory infrastructure for AI agents.

These are thin, open-source clients over the MemHQ REST API. The MemHQ service itself is a hosted product; sign up at memhq.ai to get an API key.

Packages

JavaScript / TypeScript (npm)

PackageDescription
@memhq/sdkCore TypeScript SDK — add, search, ask
@memhq/mcp-serverModel Context Protocol server (stdio + HTTP)
@memhq/langchainLangChain.js chat history + retriever
@memhq/vercel-aiVercel AI SDK tools
@memhq/llamaindexLlamaIndex.TS memory + retriever
npm install @memhq/sdk

Python (PyPI)

PackageDescription
memhqCore Python SDK
memhq-langchainLangChain (Python) integration
memhq-llamaindexLlamaIndex (Python) integration
pip install memhq

Quickstart

import { MemHQ } from "@memhq/sdk";

const memhq = new MemHQ({ apiKey: process.env.MEMHQ_API_KEY });

await memhq.add({ messages: [{ role: "user", content: "I prefer dark roast coffee" }], userId: "u1" });
const results = await memhq.search({ query: "coffee preference", userId: "u1" });
const answer = await memhq.ask({ question: "What coffee do I like?", userId: "u1" });

Full docs: memhq.ai/docs

License

Apache-2.0. See LICENSE.

Ver o original no GitHub

Bom para

Relacionados