> ## Documentation Index
> Fetch the complete documentation index at: https://docs.conare.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Conare Platform

> Conare gibt deiner App eine eigene Retrieval-Infrastruktur: KI-Memory pro Endnutzer, Vektor- und Volltext-DB, gehostete Embeddings und Daten-Connectoren.

Conare stellt deiner Anwendung einen eigenen Retrieval-Stack bereit: **KI-Speicher** pro Endnutzer, eine **Vektor- und Volltextdatenbank** sowie **Embeddings**, die aus demselben Modell stammen, das deine Daten indiziert – dazu Connectoren, die die Tools deiner Nutzer in deren Speicher einfließen lassen.

## Produkte

<CardGroup cols={2}>
  <Card title="AI Memory" icon="brain" href="/memory/overview">
    Persistenter Speicher pro Endnutzer: Speichern, hybride Suche, LLM-synthetisierter Deep Recall und proaktive Vorschläge.
  </Card>

  <Card title="ConareDB" icon="database" href="/db/overview">
    Vektor- und Volltextsuchmaschine mit isolierten Namespaces. Das Substrat unter AI Memory, auch eigenständig verfügbar.
  </Card>

  <Card title="Embeddings" icon="binary" href="/embeddings/overview">
    Vektoren im Dokumentenraum aus genau dem Modell, mit dem Conare retrievt. Zustandslos, einheitsnormiert, pinbar.
  </Card>

  <Card title="Integrations" icon="plug" href="/integrations/overview">
    Sechs erstklassige Connectoren plus ein Katalog von rund 200 Datenquellen, die deine Endnutzer per Klick verbinden können.
  </Card>
</CardGroup>

## Nutzungsarten

* **HTTP-API** – deine App bettet Memory für *ihre* Endnutzer ein. Authentifiziere dich mit einem organisationseigenen Integration-Key (`cint_...`); jede Anfrage nennt eine `endUserId`. Starte mit dem [Quickstart](/platform/quickstart) oder dem [TypeScript-SDK](/platform/sdk).
* **MCP** – Coding-Agents (Claude Code, Codex, Cursor) nutzen Conare direkt als MCP-Server unter `https://api.conare.ai/mcp`. Siehe [MCP-Tools](/memory/mcp).

## Custom Models

Für Teams, die Retrieval nachweislich auf ihre eigenen Daten abgestimmt haben wollen, trainiert und pflegt Conare individuelle Embedding- und Reranking-Modelle, akzeptanzgeprüft anhand deines Golden-Query-Sets. Erfahre, [wie das Engagement abläuft](/embeddings/custom-models), oder [buche ein Gespräch](https://cal.com/amurzin/30min).

<Card title="API-Referenz" icon="code" href="/api-reference">
  Jeder Endpunkt, generiert aus derselben OpenAPI-3.1-Spezifikation, die auch die Produktions-Smoke-Tests prüfen.
</Card>