crewmemory

Ein gemeinsamer Speicher für jeden KI-Coding-Agenten in deinem Team — Claude Code, Codex, Cursor, Gemini CLI, opencode, Windsurf, Claude Desktop oder einen beliebigen MCP-Client.

Der Speicher liegt in einem Git-Repository, das dir gehört (GitHub oder ein beliebiger Git-Host). Jeder Speichervorgang wird automatisch committet und gepusht; jeder Lesevorgang zieht zuerst den neuesten Stand. Wenn der Agent deines Teammitglieds einen Fix, eine Entscheidung oder seinen aktuellen Arbeitsstand protokolliert, weiß dein Agent das Sekunden später.

Kein Server nötig. Keine Cloud-Datenbank. Kein Lock-in: Es ist reines Markdown + Git.

Installation

Ein Befehl (sobald das Paket veröffentlicht ist)

uvx --from crewmemory-mcp crewmemory install codex --repo https://github.com/org/crewmemory.git --user alice --launcher uvx

Ersetze codex durch claude-code, claude-desktop, cursor, gemini, opencode oder windsurf. Derselbe Befehl funktioniert auf Windows, macOS und Linux, wenn uv installiert ist. Starte den Client nach der Registrierung neu.

Für ein privates Memory-Repository übergib außerdem --token <fine-grained-token>; verwende ein Token, das auf dieses Repository beschränkt ist und Lese-/Schreibzugriff auf Contents hat.

Installation aus einem Quellcode-Checkout

uv venv .venv
uv pip install --python .venv/bin/python -e .
.venv/bin/crewmemory install codex --repo https://github.com/org/crewmemory.git --user alice

Auf Windows lautet die ausführbare Datei .venv\Scripts\crewmemory.exe.

Unterstützte Clients: claude-code, claude-desktop, codex, cursor, gemini, opencode, windsurf. Der Installer sichert und führt vorhandene Konfigurationen zusammen, ist idempotent und speichert ein privates lokales Verbindungsprofil, sodass crewmemory doctor und crewmemory ui auch außerhalb des Agenten funktionieren.

Oder frag einfach deine KI

Füge das Folgende in den Agent ein, der in diesem Ordner läuft:

Installiere dich selbst als crewmemory-MCP-Server für Claude Code. Mein Memory-Repository ist https://github.com/org/crewmemory.git, mein Name ist alice, Token ist github_pat_xxx.

Der Agent führt crewmemory install claude-code ... für dich aus. Keine manuellen Tool-Aufrufe nötig.

Projekterkennung

Beim Start einer Sitzung weisen die MCP-Anweisungen den Agenten an, team_context(project_path="<absolute workspace root>") aufzurufen. Dadurch werden das aktuelle Git-Repository und der aktuelle Branch dynamisch ausgewählt, sodass eine globale MCP-Installation projektübergreifend funktioniert. crewmemory init ist optional und trägt ein Projekt in der lokalen Registrierung für Menschen und Diagnosen ein.

crewmemory init            # registers the project; reads branch/git identity

Jederzeit verifizieren

crewmemory doctor          # config, connectivity, project detection, counts

Related MCP server: bikky

Dashboard für Menschen (kein Agent nötig)

crewmemory ui              # opens http://127.0.0.1:8765 in your browser
crewmemory ui --port 9000 --no-browser

Ein lokales Web-Dashboard für das gesamte Team – sieh alles, ohne einen Agenten zu fragen:

• Team jetzt – wer gerade woran arbeitet, Fortschrittsbalken, ⛔ Blocker, veraltete Badges

• Aktivität – vollständige Zeitleiste: jede Notiz/Entscheidung/Lösung/Status/Löschung von allen

• Memories – alle sechs Typen stöbern & suchen, nach Autor/Art filtern, Volltext aufklappen

• Profile – Rollen der Mitglieder, Zeitzonen, Git-Identitäten

• Übersicht – Zählungen nach Typ/Autor/Projekt/Lebenszyklus + Speicherinformationen

Nur lesend, bindet ausschließlich an 127.0.0.1, aktualisiert sich automatisch alle 30 Sekunden. Null zusätzliche Abhängigkeiten.

Windows

Voll unterstützt:

uv venv .venv-win
uv pip install --python .\.venv-win\Scripts\python.exe -e .
.\.venv-win\Scripts\crewmemory.exe install claude-code --repo ... --user alice --token ...
.\.venv-win\Scripts\crewmemory.exe ui

Mitgliedsnamen werden auf jeder Plattform zu sicheren Dateinamen bereinigt (_member_filename), Codex-TOML-Werte werden für Windows-Pfade/Backslashes/Anführungszeichen korrekt escaped, und alle Git-Aufrufe laufen mit GIT_TERMINAL_PROMPT=0, damit nichts beim Warten auf Eingaben hängen bleibt.

Was deine Agenten können (Tools)

Feature-Checkliste

• Gemeinsames Crew-Memory auf deinem eigenen Git-Host · persönliches privates Memory (nur lokaler Bereich, wird nie gepusht)

• Git-nativer Speicher: Markdown + YAML-Frontmatter, konfliktfreie Dateistrategie (eindeutige Dateinamen, Status-/Aktivitätsdateien pro Benutzer)

• Automatische Sitzungssynchronisierung bei jedem Lese-/Schreibvorgang · manuelles Sync-Tool · offline-sicher (Schreibvorgänge werden lokal committet, Push wird später erneut versucht)

• Benutzer- & Mitgliedsprofile, automatisch aus der Git-Konfiguration erstellt (crewmemory init)

• Fortschritts- und Blocker-Tracking im Team-Status, mit Veraltungsmarkierungen

• Decision memory, gotchas, patterns, solutions, handoffs — sechs Eintragsarten

• Memory-Lebenszyklus: unverifiziert → verifiziert → ersetzt/veraltet, mit Konfidenzwerten, die mit dem Alter und bei Änderungen an verknüpftem Code verfallen (codeänderungsbewusster Verfall)

• Konflikt-/Duplikaterkennung beim Speichern + Konsolidierungsfinder

• Provenienz: Autorenzuordnung, mit Commits verknüpfte Memories, vollständige git log --follow-Historie pro Memory

• Zeitreise: Crew-Memory bei jedem Commit/Tag/Branch lesen

• Branch-bewusster Kontext: Einträge merken sich Projekt+Branch; recall gewichtet Übereinstimmungen mit dem aktuellen Branch höher

• Kontextbudget-Verwaltung: recall packt die besten Memories in ein Zeichenbudget

• Code-Integration: mit Dateien verknüpfte Memories ermöglichen PR-vs-Entscheidung-Review, Erkennung veralteter Memories nach PRs, „Warum existiert dieser Code?“-Lookup, Blame-Kreuzreferenzen, Commit-Zusammenfassungen

• Projektbezogenes Memory: Einträge werden mit dem erkannten Projekt-Slug getaggt; der Status zeigt Projekt@Branch

• Facettensuche: Tags, Autor, Datei, Typ, Projekt (semantische Suche: zukünftige Arbeit)

• MCP-basiert, stdio-Transport, standardmäßig selbst gehostet/Open Source

Repo-Layout (wird automatisch erstellt)

notes/ decisions/ solutions/ gotchas/ patterns/ handoffs/   # memory types
status/     current focus per member (task, %, blockers)
activity/   append-only timeline per member
profiles/   member profiles

Konfiguration (pro Teammitglied)

Manuelle Konfigurationsausschnitte (falls du Konfigurationen lieber selbst bearbeitest) sind im Installer enthalten — er schreibt genau diese Form:

{ "mcpServers": { "crewmemory": {
    "command": "/path/to/crewmemory",
    "env": { "CREWMEMORY_REPO_URL": "...", "CREWMEMORY_USER": "...", "CREWMEMORY_TOKEN": "..." }
} } }

Codex verwendet [mcp_servers.crewmemory] in ~/.codex/config.toml; OpenCode verwendet die mcp.servers.*.type=local-Struktur — beides wird von crewmemory install codex/opencode übernommen.

Empfohlener Team-Workflow

Füge Folgendes zu deiner CLAUDE.md / AGENTS.md hinzu:

At session start call team_context(project_path="<absolute workspace root>"), then update_status() for your task.
Use recall() before researching anything the team may know.
Save durable learnings immediately (log_solution/log_decision/save_gotcha/save_pattern).
When switching tasks update update_status(); at day's end call save_handoff().

Oder nutze einfach die eingebauten Prompts: /session-start, /session-end, /pr-review-flow.

Sicherheit

• Speichere niemals Geheimnisse im Memory — es ist ein lesbares Git-Repository.

• Ein öffentliches Memory-Repository macht jede Team-Notiz, jeden Status, jeden Pfad und jede Übergabe öffentlich. Bevorzuge private.

• Private Repositories + feingranulare PATs (eines pro Mitglied, Contents: RW) sind die vorgesehene Einrichtung.

• Tokens bleiben ausschließlich in lokalen Umgebungsvariablen bzw. der Konfiguration; die gesamte Git-Ausgabe wird geschwärzt, bevor sie Agents erreicht.

Veröffentlichung

Das Repository enthält plattformübergreifende CI, Wheel-/sdist-Prüfungen und einen PyPI-Trusted-Publishing-Workflow. Siehe PUBLISHING.md für die Release-Checkliste.

Fehlerbehebung

• crewmemory doctor diagnostiziert alles und gibt genaue Fixes aus.

• Authentifizierung fehlgeschlagen → das Token benötigt Contents-Lese-/Schreibzugriff auf das Memory-Repository.

• Push nach mehreren Versuchen fehlgeschlagen → die Änderung ist lokal sicher (eingereiht); führe später sync_memory aus.

• „Zeigt auf ein anderes Remote“ → lösche ~/.crewmemory/<repo> oder setze CREWMEMORY_LOCAL_PATH.