Supermemory

Supermemory je platforma pro persistentní paměť, vyhledávání a správu kontextu pro AI nástroje a agenty. Prakticky kombinuje osobní knowledge base pro běžné použití s vývojářskou vrstvou pro API, MCP, konektory a integrace. Zdrojový kód projektu je veřejně dostupný na GitHubu.

Běžné AI chaty a asistenti typicky drží kontext jen v rámci jednoho vlákna nebo krátkého časového okna. Jakmile se konverzace ukončí, změní se nástroj nebo se přepne projekt, velká část užitečných informací se ztratí a musí se znovu vysvětlovat.

Supermemory podle svého webu staví nad tuto slabinu samostatnou vrstvu pro práci s kontextem. Na hlavní stránce projekt popisuje pět navzájem propojených vrstev:

user profiles pro dlouhodobější znalost uživatele a jeho preferencí
memory graph pro ukládání a propojování znalostí
retrieval pro hledání relevantního kontextu
extractors pro zpracování souborů a různých formátů
connectors pro napojení externích zdrojů dat

Prakticky to znamená, že Supermemory nemá fungovat jen jako další vektorová databáze, ale jako vyšší vrstva nad pamětí, profilem uživatele, dokumenty a konektory. V README projekt výslovně staví vedle sebe paměť, RAG, user profiles, file processing a connectors jako jeden celek.

Pro běžné použití bez programování projekt nabízí Supermemory App. Podle webu jde o osobní dashboard, do kterého je možné ukládat odkazy, chaty, PDF, obrázky, videa a další dokumenty a potom se nad nimi ptát podobně jako nad osobní znalostní bází.

Z praktického pohledu jsou zajímavé hlavně tyto scénáře:

ukládání poznámek, odkazů a dokumentů na jedno místo
vyhledávání napříč dříve uloženým obsahem
seskupování znalostí do projektů
opakované použití stejného kontextu napříč více AI nástroji

Web projektu staví osobní použití hlavně na myšlence „jedna paměť pro všechny nástroje“. Pokud člověk používá více AI klientů a nechce v každém držet oddělenou historii a oddělené preference, je tohle hlavní přínos.

Součástí osobního workflow jsou podle webu i pluginy a rozšíření pro různé nástroje a Chrome extension pro rychlé ukládání obsahu. Článek na webu ale neukazuje detailní UI workflow krok za krokem, takže je lepší brát to jako přehled možností než jako plnohodnotný návod na konkrétní rozhraní.

Pro vývojáře je důležitější druhá část projektu: API vrstva a kontextová infrastruktura pro agenty. README popisuje Supermemory jako memory and context layer for AI a snaží se zabalit do jednoho systému několik obvykle oddělených problémů:

ukládání konverzačních faktů a preferencí
kombinaci personal memory a dokumentového vyhledávání
automaticky udržované uživatelské profily
konektory na externí zdroje
zpracování souborů včetně multimodálních vstupů

Na webu i v README je opakovaně zdůrazněné, že cílem je dát vývojáři jednu API vrstvu místo ručního skládání vektorové databáze, chunkingu, embedding pipeline, profilů a synchronizačních konektorů.

Praktické use-cases pro vývojáře:

agent, který si má pamatovat preference a historii uživatele mezi sezeními
interní knowledge base s dokumenty a personalizovaným kontextem nad jedním API
AI workflow, kde se kombinuje dokumentové vyhledávání s dlouhodobou pamětí uživatele
rychlé přidání paměti do existující aplikace bez návrhu vlastního memory stacku

Podle dokumentace a README je Supermemory možné použít jak přes běžné SDK, tak přes MCP. Pro praktické nasazení do AI klientů je zajímavý hlavně tento quick install z README:

npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes

README zároveň uvádí, že stejný MCP endpoint lze napojit i ručně přes konfiguraci klienta:

{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp"
    }
  }
}

Pokud se nepoužívá OAuth, README ukazuje i variantu s API klíčem:

{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp",
      "headers": {
        "Authorization": "Bearer sm_your_api_key_here"
      }
    }
  }
}

Podporované klienty se mezi webem a README mírně liší podle kontextu, ale opakovaně se objevují například Claude Desktop, Claude Code, Cursor, Windsurf, VS Code, OpenCode a OpenClaw. Web zároveň zmiňuje i pluginový ekosystém pro osobní použití a README přímo odkazuje na open-source pluginy pro Claude Code, OpenCode a OpenClaw.

Prakticky je to zajímavé hlavně tam, kde už existuje agent nebo editor s MCP podporou a stačí mu přidat persistentní paměť bez návrhu vlastního serveru.

API a práce s kontextem

README projektu ukazuje, že základní práce přes SDK je poměrně přímočará. Typický příklad v TypeScriptu vypadá takto:

import Supermemory from "supermemory";
 
const client = new Supermemory();
 
await client.add({
  content: "User loves TypeScript and prefers functional patterns",
  containerTag: "user_123",
});
 
const { profile, searchResults } = await client.profile({
  containerTag: "user_123",
  q: "What programming style does the user prefer?",
});

Z pohledu návrhu aplikace je důležité hlavně toto:

client.add() ukládá obsah nebo konverzační fakta
client.profile() vrací uživatelský profil a podle dotazu i relevantní kontext
hledání může kombinovat document retrieval a memory vrstvu
scope kontextu se řídí přes projekty nebo container tagy

README zmiňuje i různé režimy vyhledávání, například hybridní režim pro kombinaci RAG a paměti nebo režim zaměřený jen na memories. To je praktické tam, kde je potřeba odlišit obecné znalosti z dokumentů od personalizovaných informací o konkrétním uživateli.

Projekt také uvádí integrace pro TypeScript, Python, REST API a frameworky jako Vercel AI SDK, LangChain, LangGraph, Mastra, OpenAI SDK, n8n nebo Zapier. Pokud už agent běží nad některým z těchto stacků, Supermemory míří na co nejmenší integrační tření.

Podle aktuálního ceníku na webu jsou v době psaní k dispozici tyto veřejně uvedené varianty:

Free: 1 milion tokenů měsíčně a 10 tisíc search queries
Pro: 19 USD měsíčně, 3 miliony tokenů a 100 tisíc queries
Scale: 399 USD měsíčně, 80 milionů tokenů a 20 milionů queries
Enterprise: individuální nabídka

Web zároveň uvádí overage ceny 0,01 USD za 1000 tokenů a 0,10 USD za 1000 queries. Tohle je potřeba brát jako aktuální stav podle webu projektu, ne jako dlouhodobě garantovanou informaci.

Na co si dát prakticky pozor:

centrální paměť napříč nástroji je užitečná, ale je potřeba dobře hlídat, co se do ní ukládá
pro oddělení osobních, pracovních nebo klientských dat dává smysl důsledně používat projekty nebo container tagy
benchmarky a výkonové údaje na webu jsou tvrzení projektu, takže před produkčním nasazením dává smysl vlastní ověření
pokud je cílem jen jednoduchý chat bez dlouhodobé paměti, může být celý memory stack zbytečně široký

Web projektu současně deklaruje self-hosting, export dat, že na datech netrénuje modely, a také compliance tvrzení jako SOC 2, HIPAA a GDPR. U citlivějšího nasazení ale stejně dává smysl projít konkrétní bezpečnostní a provozní podmínky podle zvoleného plánu.

Supermemory dává největší smysl ve dvou typech situací:

člověk používá více AI nástrojů a chce sdílenou paměť, historii a uložený kontext nad jedním osobním účtem
tým nebo vývojář staví AI aplikaci, která potřebuje persistentní memory, retrieval a napojení na externí zdroje bez stavby celé infrastruktury od nuly

Naopak menší smysl to má tam, kde stačí jednorázový chat bez dlouhodobého kontextu nebo kde je požadovaná architektura natolik specifická, že vlastní memory stack dává větší kontrolu než hotová platforma.