Offenes Speicherprotokoll: Ein Speicher für Claude, ChatGPT, Cursor

Das Open Memory Protocol (OMP) ist eine herstellerneutrale Spezifikation und ein Referenzserver, die das Problem isolierter KI-Speicher lösen: Jedes Tool (Claude, ChatGPT, Cursor, Copilot) vergisst Sie, wenn Sie wechseln. OMP bietet eine einheitliche API zum Speichern und Abrufen von Benutzerspeicher über verschiedene Tools hinweg.
Schnellstart
Option A — Gehosteter Server (keine Einrichtung): Richten Sie Ihre Tools auf https://omp-server-production.up.railway.app. Überprüfen Sie den Status mit:
curl https://omp-server-production.up.railway.app/v1/health
# {"status":"ok","version":"0.1","compliance":"OMP-Core","memories_count":0}Option B — Selbst gehostet: Erfordert Node.js 22+. Führen Sie aus:
npx omp-server
Oder mit Docker:
docker run -p 3456:3456 -v omp-data:/data ghcr.io/smjai/omp-server
Lokal testen:
curl http://localhost:3456/v1/health
# {"status":"ok","version":"0.1","compliance":"OMP-Core","memories_count":0}Claude über MCP verbinden
Fügen Sie Ihrer Claude Desktop-Konfigurationsdatei (~/Library/Application Support/Claude/claude_desktop_config.json auf macOS) hinzu:
{
"mcpServers": {
"omp": {
"command": "npx",
"args": ["omp-mcp"],
"env": {
"OMP_SERVER": "http://localhost:3456",
"OMP_API_KEY": "your-omp-key"
}
}
}
}Um die KI-gestützte Speicherextraktion/-komprimierung zu aktivieren, setzen Sie die Server-Umgebungsvariablen: OMP_AI_PROVIDER=anthropic (oder openai) und OMP_AI_API_KEY.
Fügen Sie einen System-Prompt zum Claude-Projekt hinzu, um den Speicher automatisch zu nutzen: „Verwenden Sie zu Beginn jedes Gesprächs omp_recall, um nach relevanten Erinnerungen zu suchen. Wenn der Benutzer etwas Teilenswertes mitteilt, speichern Sie es mit omp_remember im Hintergrund.“
Adapter für ChatGPT und Cursor
Die OMP Bridge-Browsererweiterung speichert ChatGPT-Unterhaltungen alle 2 Minuten auf Ihrem OMP-Server. Wenn Sie Claude öffnen, erscheint eine Toast-Benachrichtigung: „C…“ (zeigt abteilungsübergreifenden Speicherzugriff an).
Die Spezifikation enthält SDKs für TypeScript und Python sowie eine öffentlich gehostete mobile PWA unter https://omp-server-production.up.railway.app/app.
Für wen es gedacht ist
Entwickler, die mehrere KI-Tools (Claude, ChatGPT, Cursor, Copilot) nutzen und beständigen Speicher über Sitzungen hinweg wünschen, ohne manuellen Kontexttransfer.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Lat.md: Ein auf Markdown basierendes Wissensdiagramm für Codebasen
Lat.md erstellt einen Wissensgraphen für Codebasen mithilfe von miteinander verbundenen Markdown-Dateien in einem lat.md/-Verzeichnis. Es löst Skalierungsprobleme bei monolithischer Dokumentation, indem es Abschnitte mit [[Wiki-Links]] verknüpft, über Kommentare wie // @lat: [[section-id]] mit Quellcode verbindet und CLI-Tools für Validierung und Suche bereitstellt.

Claude Code wurde verwendet, um über 4.000 Blind-Werewolf-Spiele mit LLMs zu simulieren
Ein Entwickler nutzte Claude Code, um einen Simulator zu erstellen, in dem LLMs blindes Ein-Nacht-Werwolf spielen, mit etwa 4.600 Spielen über OpenAI- und xAI-Modelle hinweg. Das Experiment zeigte konsistente namensbasierte Abstimmungsmuster trotz minimaler Spielsignale.

OpenGauge: Open-Source-Tool zur lokalen Verfolgung von LLM-Agent-Kosten
OpenGauge ist ein Open-Source-Tool, das API-Aufrufe von LLM-Agenten wie OpenClaw überwacht und Token-Verbrauch, Kosten und Latenz in einer lokalen SQLite-Datenbank protokolliert. Es umfasst einen Proxy-Modus für automatische Protokollierung, detaillierte Kostenstatistiken und eine Sicherungsfunktion (Circuit Breaker), um Endlosschleifen zu verhindern.

Benchmark von lokalem Qwen 3.6 27B als Co-Agent für Codex-Validierung
Ein Entwickler hat eine reproduzierbare Evaluierungs-Suite erstellt, um Qwen 3.6 27B GGUF-Profile (llama.cpp) als Sidecar-Validator für Codex zu testen. Dabei stellte sich heraus, dass 128k-Kontext-Profile für Aufgaben mit langem Kontext notwendig sind und q8 KV Cache nur minimale Genauigkeitsverluste verursacht.