PostgMem es un servidor MCP basado en .NET que permite a los agentes de IA almacenar, buscar y recuperar recuerdos a través de embeddings vectoriales en PostgreSQL con la extensión pgvector.
Añadido el:
Creado por:
Apr 25 2025
PostgMem es un servidor MCP basado en .NET que permite a los agentes de IA almacenar, buscar y recuperar recuerdos a través de embeddings vectoriales en PostgreSQL con la extensión pgvector.
Añadido el:
Created by:
Apr 25 2025
Dario Griffo
Destacados
¿Qué es PostgMem?
PostgMem proporciona una solución integral para gestionar recuerdos en aplicaciones de IA. Permite el almacenamiento estructurado de recuerdos con embeddings vectoriales, lo que habilita la búsqueda semántica y la recuperación mediante coincidencias de similitud. Al integrarse con PostgreSQL y la extensión pgvector, admite consultas eficientes, filtrado por etiquetas y almacenamiento de diversos tipos de recuerdos. Construido sobre tecnología .NET, ofrece una fácil compatibilidad con el protocolo MCP para una integración sin problemas con agentes y servicios de IA, lo que lo hace adecuado para aplicaciones que requieren gestión dinámica de recuerdos y rápida recuperación.
¿Quién usará PostgMem?
- Desarrolladores de IA
- Científicos de datos
- Investigadores
- Arquitectos de aplicaciones de IA
¿Cómo usar PostgMem?
- Paso 1: Configurar PostgreSQL con la extensión pgvector instalada
- Paso 2: Configurar variables de entorno con los detalles de conexión de la base de datos
- Paso 3: Ejecutar la aplicación PostgMem
- Paso 4: Usar herramientas MCP Store, Search, Get o Delete para la gestión de recuerdos
Características y Beneficios Clave de PostgMem
Las características principales
- Almacenar recuerdos con vectores y metadatos
- Recuperar recuerdos por ID
- Búsqueda semántica con umbral de similitud
- Filtrar recuerdos con etiquetas
Los beneficios
- Búsqueda de similitud de vectores eficiente
- Fácil integración con flujos de trabajo de IA
- Gestión de recuerdos estructurada y flexible
Principales Casos de Uso y Aplicaciones de PostgMem
- Gestión del contexto del agente de IA
- Recuperación de contenido semántico
- Personalización de IA impulsada por recuerdos
- Almacenamiento y análisis de datos de investigación
FAQs sobre PostgMem
Desarrollador
También te puede gustar：
Herramientas de desarrollo
Una aplicación de escritorio para gestionar interacciones entre servidor y cliente con funcionalidades completas.
Un servidor Model Context Protocol para Eagle que gestiona el intercambio de datos entre la aplicación Eagle y las fuentes de datos.
Un cliente basado en chat que integra y utiliza varias herramientas MCP directamente dentro de un entorno de chat para aumentar la productividad.
Una imagen de Docker que alberga múltiples servidores MCP accesibles a través de un punto de entrada unificado con integración de supergateway.
Proporciona acceso a los saldos de cuentas de YNAB, transacciones y creación de transacciones a través del protocolo MCP.
Un servidor MCP rápido y escalable para gestionar operaciones de trading en tiempo real para múltiples clientes en Zerodha.
Un cliente SSH remoto que facilita el acceso seguro basado en proxy a los servidores MCP para la utilización de herramientas remotas.
Un servidor MCP basado en Spring que integra capacidades de IA para gestionar y procesar protocolos de comunicación de mods de Minecraft.
Un cliente MCP minimalista con funciones de chat esenciales, que admite múltiples modelos e interacciones contextuales.
Un servidor MCP seguro que permite a los agentes de IA interactuar con la aplicación Authenticator para obtener códigos 2FA y contraseñas.
Bases de datos
Un cliente para gestionar e interactuar con MCPs en Chainlit, que permite consultas a bases de datos, gestión de vistas y configuración de bases de datos.
Una herramienta que detecta, registra y documenta automáticamente los cambios de esquema en las bases de datos Supabase PostgreSQL.
Conecta los LLM a Firebolt Data Warehouse para consultas autónomas, acceso a datos y generación de insights.
A client tool designed to facilitate SQL query management and database interactions for enterprise users.
Un MCP para habilitar el análisis y consulta de gastos en lenguaje natural en bases de datos SQLite para registros de gastos.
Un cliente MCP basado en Python para PostgreSQL, que permite una integración fluida de bases de datos PostgreSQL en flujos de trabajo de MCP.
Un servidor para permitir un acceso seguro y de alto rendimiento a los clústeres PolarDB de Alibaba Cloud utilizando el protocolo MCP.
Un cliente MCP de línea de comandos que permite interacciones en lenguaje natural con bases de datos SQLite a través de la API LLM.
Un servidor que permite la ejecución directa de consultas SQL en bases de datos PostgreSQL, soportando consultas parametrizadas y tiempos de espera.
Un servidor MCP basado en Go que permite que modelos de IA interactúen con bases de datos MySQL para consultas y gestión.
Conocimiento y memoria
Una implementación de servidor que admite el Protocolo de Contexto del Modelo, integrando las capacidades de IA industrial de CRIC.
Una interfaz de chat basada en Next.js que se conecta a servidores MCP con llamada de herramientas y UI estilizado.
Un proyecto educativo que demuestra la implementación del servidor y cliente MCP utilizando SDK de Python y TypeScript.
Un cliente MCP basado en Spring Boot que demuestra cómo manejar solicitudes y respuestas de chat en una aplicación robusta.
Aplicación de Spring Boot que proporciona una API REST para la inferencia de IA y la gestión de bases de conocimiento con integración de modelos de lenguaje.
Un servidor que ejecuta comandos de AppleScript, proporcionando control total sobre las automatizaciones de macOS de forma remota.
Un servidor MCP para gestionar notas con características como ver, añadir, eliminar y buscar notas en Claude Desktop.
Recupera los últimos conocimientos de deepwiki.com, convierte páginas a Markdown y proporciona salidas estructuradas o un solo documento.
Una biblioteca cliente que permite la interacción en tiempo real basada en SSE con los servidores MCP de Notion a través de una configuración local.
Proporciona memoria a largo plazo para LLMs almacenando y recuperando información contextual a través de estándares MCP.