engram 是什么工具？

engram 是一款Go开发的AI辅助工具。开源MCP工具：Persistent memory system for AI coding agents. Agent-agnostic Go binary with SQL。⭐3.5k · Go 主要应用场景包括：MCP配置。

engram 如何安装和开始使用？

访问 engram 的 GitHub 仓库或官方网站，按照 README 文档中的步骤安装依赖并运行。通常需要 Python 3.8+ 或 Node.js 16+ 基础环境。

engram 是否免费？许可证是什么？

engram 完全免费，采用 MIT 许可证开源发布，任何人都可以免费使用、修改和分发。

engram 适合哪些用户使用？

engram 对初学者友好，无需深厚技术背景即可快速上手。同时也适合有经验的开发者和 AI 工程师进行深度定制。

engram 的社区活跃度和项目维护状况如何？

engram 在 GitHub 上已获得 3,533 个 Star，拥有较好的社区基础，定期更新迭代。

📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🔗 REST API 🧠 Claude

🔌

MCP工具

engram MCP工具

基于 Go · 让 AI 助手直接操作你的系统与工具

英文名：engram

⭐ 3.5k Stars 🍴 419 Forks 💻 Go 📄 MIT 🏷 AI 8.5分

8.5AI 综合评分

持久化记忆编码代理MCP协议Go开发SQL存储

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，engram MCP工具获评「强烈推荐」。已获得 3.5k 颗 GitHub Star，这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.5 分，适合有一定技术背景的用户使用。

📚 深度解析

engram MCP工具是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 engram MCP工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。engram MCP工具提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 engram MCP工具评为 AI 评分 8.5 分，属于同类工具中的优质选择。

📋 工具概览

为AI编码代理提供持久化内存管理的开源MCP工具。采用Go语言实现，提供SQL存储后端，支持多Agent通用。使得AI助手能够跨会话保留上下文和历史信息，显著提升编码效率和连贯性。适合构建长期记忆的AI编程助手开发者。

engram MCP工具是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 3.5k

开发语言

支持平台

Windows / macOS / Linux（跨平台）

维护状态

持续维护，定期更新

开源协议

MIT

AI 综合评分

8.5 分

工具类型

MCP工具

Forks

419

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/Gentleman-Programming/engram

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "engram-mcp--": {
      "command": "npx",
      "args": ["-y", "engram"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 engram MCP工具 执行以下任务...
Claude: [自动调用 engram MCP工具 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "engram_mcp__": {
      "command": "npx",
      "args": ["-y", "engram"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 72/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Persistent memory for AI coding agents One brain. Local or cloud. Agent-agnostic, single binary, zero dependencies.

<a href="docs/INSTALLATION.md">Installation</a> • <a href="docs/engram-cloud/README.md">Engram Cloud</a> • <a href="docs/AGENT-SETUP.md">Agent Setup</a> • <a href="docs/CODEBASE-GUIDE.md">Codebase Guide</a> • <a href="docs/ARCHITECTURE.md">Architecture</a> • <a href="docs/PLUGINS.md">Plugins</a> • <a href="CONTRIBUTING.md">Contributing</a> • <a href="DOCS.md">Full Docs</a>

---

engram /ˈen.ɡræm/ — neuroscience: the physical trace of a memory in the brain.

Your AI coding agent forgets everything when the session ends. Engram gives it a brain.

A Go binary with SQLite + FTS5 full-text search, exposed via CLI, HTTP API, MCP server, and an interactive TUI. Works with any agent that supports MCP — Claude Code, OpenCode, Gemini CLI, Codex, VS Code (Copilot), Antigravity, Cursor, Windsurf, or anything else.

Agent (Claude Code / OpenCode / Gemini CLI / Codex / VS Code / Antigravity / ...)
    ↓ MCP stdio
Engram (single Go binary)
    ↓
SQLite + FTS5 (~/.engram/engram.db)

Install

brew install gentleman-programming/tap/engram

Windows, Linux, and other install methods → docs/INSTALLATION.md

Setup Your Agent

Agent	One-liner
Claude Code	`claude plugin marketplace add Gentleman-Programming/engram && claude plugin install engram`
Pi	`engram setup pi`
OpenCode	`engram setup opencode`
Gemini CLI	`engram setup gemini-cli`
Codex	`engram setup codex`
VS Code	`code --add-mcp '{"name":"engram","command":"engram","args":["mcp"]}'`
Cursor / Windsurf / Any MCP	See [docs/AGENT-SETUP.md](docs/AGENT-SETUP.md)

Full per-agent config, Memory Protocol, and compaction survival → docs/AGENT-SETUP.md

That's it. No Node.js, no Python, no Docker. One binary, one SQLite file.

Setup (4 commands)

```bash git clone https://github.com/Gentleman-Programming/engram.git engram-beta-repo cd engram-beta-repo && git checkout feat/memory-conflict-surfacing-cloud-sync docker compose -f docker-compose.beta.yml up -d go build -o ./engram-beta ./cmd/engram

Quick Start

Use cases

1️⃣ Phase 1 — Conflict detection on save (sanity)

./engram-beta save \
  "Use Clean Architecture" \
  "Layers: entities, use cases, adapters." \
  --type architecture --project beta-test

./engram-beta save \
  "Use Hexagonal Architecture" \
  "Ports and adapters separate domain from infra." \
  --type architecture --project beta-test

✅ Second save returns candidates[] with the first memory's id.

2️⃣ Phase 2 — Cloud sync of relations cross-machine

```bash ./engram-beta cloud enroll beta-test ./engram-beta sync --cloud --project beta-test ./engram-beta cloud status

Isolated env (does NOT touch ~/.engram or your prod cloud)

export ENGRAM_DATA_DIR=/tmp/engram-beta-data export ENGRAM_CLOUD_SERVER=http://127.0.0.1:28080 export ENGRAM_CLOUD_TOKEN=beta-token-CHANGE-ME-please-32chars mkdir -p "$ENGRAM_DATA_DIR" ```

CLI Reference

Command	Description
`engram setup [agent]`	Install agent integration
`engram serve [port]`	Start HTTP API (default: 7437)
`engram mcp [--tools=PROFILE]`	Start MCP server (stdio transport)
`engram tui`	Launch terminal UI
`engram search <query>`	Search memories
`engram save <title> <msg>`	Save a memory
`engram timeline <obs_id>`	Chronological context
`engram context [project]`	Recent session context
`engram stats`	Memory statistics
`engram export [file]`	Export to JSON
`engram import <file>`	Import from JSON
`engram sync`	Git sync export/import
`engram cloud <subcommand>`	Opt-in cloud config/status/enrollment + cloud runtime (`serve`)
`engram projects list\\|consolidate\\|prune`	Manage project names
`engram obsidian-export`	Export to Obsidian vault (beta)
`engram version`	Show version

Full CLI with all flags → docs/ARCHITECTURE.md#cli-reference

Pi Package

Engram has a first-class Pi package: gentle-engram.

engram setup pi

It gives Pi persistent project memory, compaction recovery, and shared memory with other MCP agents through the same local-or-cloud Engram brain. The package is part of the Gentleman Programming agentic-coding ecosystem alongside Gentle-AI, SDD, skills, and Engram Cloud.

Cloud Integration (Opt-In Replication)

Cloud is optional. Local SQLite stays authoritative; cloud is replication/shared access only.

Recommended first path (local smoke):

docker compose -f docker-compose.cloud.yml up -d
engram cloud config --server http://127.0.0.1:18080
engram cloud enroll smoke-project
engram sync --cloud --project smoke-project

Cloud mode is always project-scoped (--project is required; engram sync --cloud --all is intentionally blocked). Known repairable cloud sync/upsert/canonicalization failures keep the original error visible and recommend the explicit doctor/repair flow below; Engram never auto-applies repair from sync or autosync. For blocked cloud sync, transport_failed, or legacy session directory repair, see Engram Cloud Troubleshooting. If cloud sync stays blocked after doctor/repair, download the rescue helper and run the recommended exported-row repair:

tools/repair-missing-session-directory.sh --apply --interactive --fix-exported <project>
engram sync --cloud --project <project>

--fix-exported repairs local exported sessions[].directory and observations[] required fields that can still break the final push after doctor reports ready. For sequential legacy sync_mutations blockers, use tools/repair-missing-session-directory.sh --apply --interactive --all <project>.

After upgrading engram while an MCP client is already running:

engram setup claude-code

Then restart Claude Code so it reloads the Engram MCP subprocess and refreshed hook/config files. Updating the engram binary on disk does not replace an already-running stdio MCP process.

Upgrade flow for existing local databases (diagnose → repair → bootstrap → status):

engram cloud upgrade doctor --project smoke-project        # read-only readiness check
engram cloud upgrade repair --project smoke-project --dry-run
engram cloud upgrade repair --project smoke-project --apply
engram cloud upgrade bootstrap --project smoke-project     # resumable enroll + push + verify
engram cloud upgrade status --project smoke-project        # stage/class/reason

See DOCS.md — Cloud upgrade flow for the full state machine.

For authenticated mode, upgrade flow, dashboard behavior, reason codes, and full runtime/env details:

Full guide + troubleshooting

→ docs/BETA_TESTING.md

→ Report feedback: issues with beta-phase-2-3-4 label

🎯 aiskill88 AI 点评 A 级 2026-05-20

优秀的MCP工具实现，解决AI Agent长期记忆痛点。Go语言保证高性能，SQL存储提供灵活查询能力。社区活跃度高，是构建智能编码助手的核心基础设施。

📚 实用指南（长尾问题）

适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
容器内无法访问宿主机 localhost — 使用 host.docker.internal

部署方案

Docker：engram 提供官方镜像，docker compose up 一键启动
CLI：直接 npm install -g / pip install，命令行调用
云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

👥 适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

⭐ 最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
容器内无法访问宿主机 localhost — 使用 host.docker.internal

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点

+MIT 协议，可免费商用
+标准化 MCP 协议，生态互联性强
+与 Claude 官方生态无缝对接
+即插即用，配置简单快捷

⚠️ 不足

−依赖 Claude 客户端，非 Claude 用户无法使用
−MCP 协议仍在持续演进，接口可能变更
−需要一定的配置步骤

⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

🔗 相关工具推荐

github-mcp-server MCP工具

GitHub官方MCP服务器实现，使AI助手能直接操作GitHub仓库、问题、拉取请求等资源。采用Go语言开发，高性能稳

全市场股票行情MCP接口

一个基于MCP协议的开源股票数据接口工具，支持A股、美股及港股的实时行情与基金数据查询。它允许AI助手直接获取金融市场数

MCP 服务器资源汇总

汇集开源MCP（模型上下文协议）服务器的权威目录库。为开发者提供丰富的MCP服务器实现和集成方案，支持AI应用快速扩展功

playwright-mcp MCP工具

基于Playwright的MCP协议服务器实现，提供浏览器自动化能力。支持网页交互、截图、数据采集等功能，适合开发者集成

📚 相关教程推荐

Cursor AI 编程完全指南：Rules 配置、Composer 使用、MCP 集成

帮助中心 · AI Skill Hub

MCP 工作流生产级配置方案：从开发环境到团队共享

帮助中心 · AI Skill Hub

📰 相关 AI 新闻

AI Agent 自主化能力最新进展

AI 资讯 · 知识关联

Claude Code 最新功能与使用技巧

🍿 AI 圈相关吃瓜

配了5个 MCP 工具，Claude 一个都没用

AI 圈观察

Filesystem MCP 帮 Claude 找文件，找了整个 node_modules

AI 圈观察

Claude 回复了30页，我只问了"你好"

🗺️ 相关解决方案

ai-workflow-templates

docker

docker-deploy

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

技能寻求者

MCP · Agent · 工作流

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

开源AI工具：RAG知识库系统

基于Vue.js前端的RAG知识库系统，提供高效的知识检索和生成功能，助力AI应用开发

❓ 常见问题 FAQ

支持哪些数据库后端？−

主要支持SQL标准数据库，包括SQLite、PostgreSQL等关系型数据库。

是否支持多个AI Agent共享记忆？+

性能如何，适合大规模应用吗？+

MCP 是什么？和普通 API 有什么区别？+

我需要编程基础才能使用这个 MCP 工具吗？+

这个工具支持 Claude Code 吗？还是只有 Claude Desktop？+

MCP 工具是否会访问我的本地文件或数据？+

多个 MCP 工具可以同时使用吗？+

💡 AI Skill Hub 点评

AI Skill Hub 点评：engram MCP工具的核心功能完整，质量优秀。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 engram MCP工具

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`engram`
原始描述	开源MCP工具：Persistent memory system for AI coding agents. Agent-agnostic Go binary with SQL。⭐3.5k · Go
Topics	`持久化记忆编码代理MCP协议Go开发SQL存储`
GitHub	https://github.com/Gentleman-Programming/engram
License	MIT
语言	Go

🔗 原始来源

🐙 GitHub 仓库 https://github.com/Gentleman-Programming/engram

收录时间：2026-05-16 · 更新时间：2026-05-19 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

engram MCP工具

📚 深度解析

📋 工具概览

📖 中文文档

简介

Install

Setup Your Agent

Setup (4 commands)

Quick Start

Use cases

Isolated env (does NOT touch ~/.engram or your prod cloud)

CLI Reference

Pi Package

Cloud Integration (Opt-In Replication)

Full guide + troubleshooting

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · engram MCP工具