Spydr
Spydr · Coding
Spydr ist eine Kontext-Engine und ein MCP-Server, der Ihre verstreuten Lesezeichen, Videos, Dateien und Seiten in einem Gedächtnis bündelt, das jeder KI-Client lesen kann. So wandert dieser Kontext zwischen Ihren Tools.
Über Spydr
About
Was ist Spydr
Spydr ist eine Gedächtnisschicht für KI, und die Macher bezeichnen es als das GitHub für LLM-Kontext. Das Versprechen ist bekannt. Ihre nützlichen Informationen liegen in einem Dutzend getrennter Apps verstreut, sodass Sie in jedem neuen Chat dieselben Links und Hintergründe erneut einfügen. Spydr holt dieses Material an einen Ort und liefert es an den KI-Client, den Sie gerade nutzen.
Was Sie speichern, wird in Projekten organisiert, die Spydr Webs nennt. Ein Web funktioniert ähnlich wie ein Ordner in einem Code-Repository. Sie legen ein YouTube-Video, eine Datei oder eine gemerkte Seite hinein, und das alles wird Teil einer durchsuchbaren Sammlung. Der Spydr Memory MCP-Server gibt diese Sammlungen dann an jedes Tool weiter, das das Model Context Protocol spricht, sodass Claude, ChatGPT, Cursor oder ein eigener Agent Ihr gespeichertes Material auf Anfrage durchsuchen können.
Die Grenze, die Sie gleich zu Beginn kennen sollten, ist, dass Spydr jung ist. Videounterstützung und quelloffene Gedächtnisgraphen stehen noch auf der Roadmap und sind nicht ausgeliefert, und Preise jenseits der kostenlosen Stufe sind nicht veröffentlicht. Wenn Sie heute ein ausgereiftes, gut dokumentiertes System brauchen, behalten Sie das im Hinterkopf.
Erste Schritte
- Legen Sie ein Konto auf spydr.dev an und öffnen Sie Ihr erstes Web, also das Projekt, das eine Reihe von Erinnerungen enthält.
- Speichern Sie Material darin, entweder im Browser während des Lesens oder indem Sie vorhandene Links, Dateien und Videos importieren.
- Verbinden Sie den Spydr Memory MCP-Server mit Ihrem KI-Client und bestätigen Sie den eingeschränkten Zugriff, den er für diesen einen Agenten anfragt.
- Stellen Sie dem Client eine Frage und lassen Sie ihn die Gedächtnis-Tools aufrufen, um passende Teile aus Ihren Webs zu holen.
- Teilen Sie ein Web oder eine einzelne Erinnerung mit einem Kollegen, sobald der Kontext über Ihr eigenes Konto hinausgehen soll.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Spydr.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Menschen, die in mehreren KI-Apps leben
- Forschende und Studierende
- Content-Creator und Kuratoren
- Kleine Teams mit gemeinsamer Wissensbasis
Aufgaben
- Die KI mit eigenen Quellen füttern
- Kontext über Tools hinweg halten
- Recherche als Projekte ordnen
- Frühere Arbeit wiederverwenden
- Strukturiertes Wissen teilen
Szenarien
- Ein Projekt planen, während Sie recherchieren
- Ein Thema über mehrere Formate lernen
- Dort weitermachen, wo Sie aufgehört haben
- Mit eigenem Referenzmaterial schreiben
- Eine persönliche Wissensbasis aufbauen
Wichtigste Funktionen
Projektbezogene Gedächtnis-Webs
Spydr bündelt alles, was Sie speichern, in Webs, und ein Web verhält sich wie ein Projekt und nicht wie eine lose Lesezeichenliste. Sie fügen Videos, Dateien und Links der passenden Sammlung hinzu, und jedes Stück bleibt in seinem eigenen Kontext durchsuchbar. Genau diese Struktur trägt den GitHub-Vergleich, weil Sie das Gedächtnis pflegen wie ein Repository, statt es in einen undifferenzierten Haufen zu schütten.
Multimodale Kontextspeicherung
Die Engine ist darauf ausgelegt, mehr als Text zu halten. Sie nimmt Webseiten, YouTube-Videos und Dateien auf, sodass ein Web Formate mischen kann wie eine echte Recherche. Die Unterstützung für die reicheren Medien wird noch ausgebaut, weshalb Sie den Videoumgang als Baustelle behandeln sollten und nicht als fertige Funktion.
Interoperables Gedächtnis über KI-Clients hinweg
Der Kern des Spydr Memory MCP-Servers ist die Portabilität. Er spricht das Model Context Protocol, sodass jeder kompatible Client auf dasselbe Gedächtnis zugreift, statt Ihren Kontext in einer App einzusperren. Sie verbinden einen Client einmal, und er kann Ihre Webs abfragen, und darin liegt der Unterschied zwischen einer Notiz-App und einer Gedächtnisschicht.
Sicherer, pro Agent eingeschränkter Zugriff
Spydr gibt jedem verbundenen KI-Agenten eigene eingeschränkte Zugangsdaten statt eines gemeinsamen Geheimnisses. Es stützt sich für die dynamische OAuth-Client-Registrierung auf den Identitätsanbieter Stytch, sodass der Zugriff auf den Kontext eines einzigen Nutzers begrenzt bleibt und ein Agent nicht das Gedächtnis eines anderen lesen kann. Wer fürchtet, dass Gedächtnis zwischen Sitzungen überläuft, für den ist diese Trennung die Funktion, auf die es ankommt.
Semantische Suche mit FindWebs und FindMemories
Der MCP-Server stellt Tools bereit, mit denen ein Agent Ihren Inhalt nach Bedeutung durchsucht. FindWebs zeigt die Sammlungen, die zu einer Anfrage passen, und FindMemories gräbt in den einzelnen Einträgen darin. Ihr Client ruft sie von selbst auf, sodass eine einfache Frage wie "was habe ich zu Preisseiten gespeichert" zu einer Gedächtnisabfrage wird, ohne dass Sie eine Datei nennen. Diese Suche ist der Kern des KI-Kontexts, den er liefert.
Soziales Teilen und Remixen
Spydr bringt eine soziale Ebene mit, sodass Sie ein Web teilen oder kuratierten Kontext mit anderen tauschen können. Die Roadmap zielt auf quelloffene Gedächtnisgraphen, wodurch Communities wiederverwenden und remixen könnten, was andere gesammelt haben. Das ist ein Teil des Produkts, der noch wächst, und heute ist die soziale Seite mehr Versprechen als fertiges Werkzeug.
Vor- und Nachteile
Vorteile
- Bricht Datensilos auf, indem es Lesezeichen, Videos und Dateien in einem Gedächtnis bündelt
- Kontext wandert über einen MCP-Server zwischen KI-Clients, statt in einer App eingesperrt zu bleiben
- Webs im Projektstil halten Gespeichertes geordnet und durchsuchbar, statt es in eine Liste zu schütten
- Pro Agent eingeschränkter Zugriff ohne gemeinsame Geheimnisse senkt das Risiko, dass Gedächtnis zwischen Sitzungen überläuft
- Eine kostenlose Option lässt Sie die Gedächtnisschicht testen, bevor Sie sich festlegen
Nachteile
- Preise jenseits der kostenlosen Stufe sind nicht veröffentlicht, Sie können also nicht im Voraus planen
- Video und einige reichere Formate sind noch in Entwicklung, was das multimodale Versprechen einschränkt
- Den Kontext als Webs zu ordnen, erfordert etwas Eingewöhnung, wenn Sie eine reine Notiz-App erwartet haben
- Produkt und Dokumentation sind jung, rechnen Sie also mit Lücken und rauen Kanten
Häufige Fragen
Spydr sammelt Ihre verstreuten Lesezeichen, Videos, Dateien und Seiten in einem einzigen Gedächtnis, das KI-Clients lesen können. Statt in jedem Chat denselben Hintergrund einzufügen, speichern Sie ihn einmal und lassen einen verbundenen Agenten danach suchen, wenn Sie fragen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Spydr.
Alternativen zu Spydr
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.