CueMap
Capa de memoria escrita en Rust que almacena y recupera contexto para aplicaciones de IA, con reranking semántico local.
23 dominios que enlazan
Emergente
- Precio
- Precio no leído
- Actividad
- Mantenida activamenteversión hace 4 semanas
- Empresa
- Dominio desde 2025dominio registrado
- Dominio desde2025dominio registrado
- Servidor MCPio.github.cuemap-dev/cuemap-mcppublicado por cuemap-dev en GitHub
- Estadoaún sin consultar
Cada línea es algo que un programa encontró al buscar: la entrada del registro, la respuesta del propio servidor, una especificación que se puede leer. Si falta una línea, es que no la encontramos, no que no exista.
Cifra y barra: visitas/mes, estimación · año: en línea desde
- #1
Supermemory MCP
Almacena y recupera contexto aprendido para agentes usando una base de datos de grafos vectoriales, inyectando memorias relevantes en prompts del modelo en tiempo real.
4.6kActivoDesde $19/mes - #2
Nerra
Construye una capa de memoria compartida desde tus herramientas empresariales y la sirve a agentes de IA a través de MCP.
31Activo—2024 - #3
memgram
Almacena y recupera memoria contextual para agentes de IA en conversaciones con inspección y gobernanza.
18sin leerDesde $29/mes - #4
Paxs
Proporciona una capa de memoria que aprende continuamente para agentes de IA que evoluciona en su lugar sin olvidar.
14Activo— - #5
bourdon
Proporciona memoria compartida para agentes de IA con reconocimiento instantáneo y recuperación de detalles de referencia.
3ActivoDesde $29/mes - #6
AgentPrizm
Proporciona una capa de memoria persistente y auditable para agentes de IA a través de API y protocolo MCP.
2ActivoDesde $19/mes
¿Qué es CueMap?
Capa de memoria escrita en Rust que almacena y recupera contexto para aplicaciones de IA, con reranking semántico local. En el Atlas figura en Operación de LLM.
¿La gente usa CueMap?
Emergente.
¿CueMap sigue mantenida?
Mantenida activamente: versión hace 4 semanas.
¿Qué alternativas hay a CueMap?
En Operación de LLM, por uso: Supermemory MCP, Nerra, memgram, Paxs, bourdon, AgentPrizm.
¿No es esto? Describe la tarea
betaCinco herramientas del Atlas que encajan, cada una evaluada según lo que escribiste.
Cómo leemos una herramienta
Sin votos, sin reseñas, sin afirmaciones del proveedor. Cada semana un rastreador lee el propio sitio de cada herramienta y unos pocos registros públicos, y las palabras de la tarjeta son bandas sobre lo que leyó.
- Uso: visitas al sitio (estimadas), instalaciones desde npm y PyPI, presencia en el informe de uso de Chrome.
- Actividad: la versión más reciente en GitHub, npm o PyPI; la página con fecha más reciente del sitio; vacantes abiertas en un tablón público.
- Precio: la propia página de precios del proveedor, leída con fecha. Una cifra se imprime solo cuando está en esa página.
- La línea y los casos de uso los escribimos nosotros a partir de la página de inicio, herramienta a herramienta, y se rechazan cuando repiten el marketing del proveedor.
Cómo leen los asistentes de IA cada sitio —la lectura por la que nos preguntan los proveedores— está en la página de visibilidad de cada herramienta.