Skip to main content
Glama
GIGAParviz
by GIGAParviz

Одна общая память для каждого ИИ-агента разработки в вашей команде — Claude Code, Codex, Cursor, Gemini CLI, opencode, Windsurf, Claude Desktop или любой MCP-клиент.

Память хранится в git-репозитории, который принадлежит ваm (GitHub или любой git-хостинг). Каждое сохранение автоматически коммитится и пушится; каждое чтение сначала подтягивае т последнюю версию. Когда аген т вашего коллеги записивает исправление, решение или то, над чем он работае т, — ваш аген т узнаё т об этом через несколько секунд.

Не нужно запуска ть сервер. Никакой облачной базы данны х. Никакой привязки: это прос то Markdown + git.

crewmemory architecture


Установка

Одна команда (после публикации пакета)

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

Замените codex на claude-code, claude-desktop, cursor, gemini, opencode или windsurf. Эта же команда работае т на Windows, macOS и Linux при нали чии uv. После регистрации перезапустите клиента.

Для прива тного репозитория памяти так же передайте --token <fine-grained-token>; используйте токен с ограничением на этот репозиторий и правами чтения/записи Contents.

Установка из исходников

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

В Windows исполняемый файл находится по пути .venv\Scripts\crewmemory.exe.

Поддерживаемые клиенты: claude-code, claude-desktop, codex, cursor, gemini, opencode, windsurf. Установщик создаё т резервную копию и объединяе т существущую конфигурацию, идемпотенте н и сохраняе т прива тный локальный проф иль подключения, поэтом у crewmemory doctor и crewmemory ui работают вне аген та.

Или прос то спросите своего ИИ

Вставьте это агенту, запущенному в этой паке:

Установи себя как MCP-сервер crewmemory для Claude Code. Мой репозиторий памя ти — <https://githb.com/org/crewmemory.gi t>, моё имя — alice, токен — githb_pa t_xxx.

Аген т сам выполнит crewmemory install claude-code ... за вас. Никаких ручных вызовов инструментов не нужно.

Определение п роекта

В начале сеанса MCP-инструкции предисываю т агенту вызва ть team_context(project_path="<absolute workspace root>"). Это динамически выбирае т текущий G i t-репозиторий и ветку, поэтом у одна глобальная установка MCP работае т во всех п роектах.

crewmemory init необязателен и регистрируе т п роект в локальном реестре для людей и диа гностики.

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

Проверка в любое время

crewmemory doctor          # config, connectivity, project detection, counts

Дашборд для людей (аген т не нужен)

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

Локальный веб-дашборд для всей команды — видьте всё, не спрашивая аген та:

  • Команда сейчас — кто и над чем работае т пря мо сейчас, прогрес-бары, блокеры, метки устаревания

  • Активнось — полная хронология: все заметки/решения/решения п ро блем/статусы/удаления всех участников

  • Память — просмотр и поиск по всем шести типам, фильтр по автору/типу, разворот полного текста

  • Профили — роли участников, часовые пояса, git-идентичности

  • Обзор — счётчики по типу/автору/проекту/жизненному циклу + информация о хранилище

Только для чтения, привязывается только к 127.0.0.1, автообновление каждие 30 сеунд. Ноль лишних зависимостей.

Related MCP server: bikky

Windows

Полностью подерживае тся:

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

Имена участников нормализуются в безопаные имена файлов на всех платформах (_member_filename), значения TOML для Codex корректно экранируются для путей Windows/обратных слешей/кавычек, а все вызовы git выполняются с GIT_TERMINAL_PROMPT=0, поэтом у ничто не зависае т в ожидании ввода.


Что ваши аген ты умеют (инструменты)

Область

Инструменты

Сессия

team_context (вводный брифинг), MCP-промпты session_start / session_end / pr_review_flow

Умный поиск

recall — ранжирование по релевантности × новизне × уверенности, упаковка в контекстный бьджет; ищет в командно й и личной областях

Прямой поиск

search_memory (фильтры: kind/tags/author/file/project), list_recent, memory_stats (автоиндекс), recent_activiтy

Сохранение знани й

save_note, log_deci sion (контекс т+решение+обоснование), log_solution (про блема/ошибка/исправление), save_gotcha, save_pattern, remember_commit_digest (суммаризация коммитов)

Присутствие

update_status(task, progress%, blockers), get_team_status, профили через set_my_profile/get_profile

Передача дел

save_handoff (сводка/следующие шаги/блокеры/вопросы), latest_handoff

Жизненный цикл

verify_memory, flag_stale, mark_superseded(old, new), find_duplicates (дедупликация/консолидация)

Нативный Git

entry_history (провенанс на уровне коммитов), memory_at(ref) (путешествие во времени к тегу/sha/ветке), sync_memory (ручной pull/push; офлайн-записи становятся в локальную очередь)

Работа с кодом

why_code(path) («зачем существует этот код?»), pr_memory_review(base) (решения, аннулированные PR), git_blame_context(file, lines)

Для людей

дашборд crewmemory ui — статусы, блокеры, активность, просмотр памяти, профили

Список возможностей

  • Общая память команды на вашем собственном git-хостинге · личная приватная память (только локальная область, никогда не отправляется в remote)

  • Нативное для Git хранилище: Markdown + YAML frontmatter, стратегия файлов без конфликтов (уникальные имена файлов, отдельные файлы статусов/активности для каждого пользователя)

  • Автосинхронизация сессии при каждом чтении/записи · ручной инструмент синхронизации · безопасность в офлайне (записи коммитятся локально, push повторится позже)

  • Профили пользователей и участников, автоматически создаются из git-конфига (crewmemory init)

  • Отслеживание прогресса и блокеров в статусе команды с метками устаревания

  • Память решений, грабли, паттерны, решения проблем, передачи дел — шесть типов записей

  • Жизненный цикл записей: непроверенные → проверенные → заменённые/устаревшие, с оценками уверенности, которые снижаются со временем и при изменении связанного кода (затухание с учётом изменений кода)

  • Обнаружение конфликтов/дубликатов при сохранении + поиск консолидации

  • Происхождение: атрибуция автора, записи, привязанные к коммитам, полная история git log --follow для кажой записи

  • Путешествие во времени: читайте память команды на любом коммите/теге/ветке

  • Контекст с учётом ветки: записи помнят проект+ветку; recall повышае т приоритет совпадений с текущей веткой

  • Управление контекстным бюджетом: recall упаковывае т лучшие записи в бюджет по символам

  • Интеграция с кодом: записи, привязанные к файлам, обеспечиваю т сверку PR с решениями, обна ружение устаревших записей после PR, поиск «зачем существует этот код», перекрёстные ссылки blame, суммаризацию коммитов

  • Память по проектам: записи помечаются определённым project slug; в статусе показывается project@branch

  • Фасеточный поиск: теги, автор, файл, тип, проект (семантический поиск: в планах)

  • На базе MCP, трансторт stdio, самохостинг/открытый исходный код по умолчанию

Структура репозитория (создаётся автоматически)

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

Конфигурация (для кажого участника)

Переменная

Обязательно

Значение

CREWMEMORY_REPO_URL

да

URL репозитория памяти

CREWMEMORY_USER

да

идентичность (автор, коммиты, статус)

CREWMEMORY_TOKEN

для прива тных репозиториев

PAT с правами чтения+записи Contents

CREWMEMORY_EMAIL

нет

email для коммитов

CREWMEMORY_BRANCH

нет

закрепить ветку

CREWMEMORY_PROJECT_PATH

нет

путь к репозиторию кода (иначе автопределяе тся из текущей директ ории)

CREWMEMORY_HOME

нет

каталог данных (по умолчанию ~/.crewmemory)

Ручные фрагменты конфигурации (если предпочитаете редактировать конфиги сами) находятся в установщике — он записывае т ровно такую форму:

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

Codex использует [mp_servers.crewmemory] в ~/.codex/config.toml; OpenCode использует форму mp.servers.*.typ=local — обе обрабатываются командой crewmemory install codex/opencode.

Рекомендуемый рабочий процесс команды

Добавьте в свой CLAUDE.md / AGENTS.md:

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().

Или просто используйте встроенные промпты: /session-start, /session-end, /pr-review-flow.

Безопасность

  • Никогда не сохраняйте секреты в память — это читаемый git-репозиторий.

  • Публичный репозиторий памяти делае т публичными все командные заметки, статусы, пути и передачи дел. Предпочите прива тный.

  • Прива тные репозитории + fine-grained PAT (по одному на участника, Contents: RW) — предолагаемая конфигурация.

  • Токены хранятся только в локальных переменных окружения/конфиге; весь вывод git маскируется перед передачей аген там.

Публикация

Репозиторий включае т кроссплатформенный CI, проверки wheel/sdist и workflow доверенной публикации в PyPI. Чек-лист релиза — в PUBLISHING.md.

Устранение неполадок

  • crewmemory doctor диа гностируе т всё и выводит точные исправления.

  • Сбой авторизации → токену нужны права Contents Read+Wrie на репозитории памяти.

  • Push не удался после повторных попыток → изменение безопано сохранено локально (в очереди); позже выполните sync_memory.

  • «Points to a different remote» → удалите ~/.crewmemory/<repo> или укажите CREWMEMORY_LOCAL_PATH.

Install Server
A
license - permissive license
A
quality
A
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    Not graded
    quality
    A
    maintenance
    Enables AI coding agents to maintain persistent, cross-session memory of codebase architecture, naming conventions, and decisions through MCP tools. Eliminates repetitive project re-explanation by automatically injecting stored context into every session with local-first SQLite storage and optional team sharing capabilities.
    4
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Provides persistent memory for AI coding agents via MCP, enabling teams to share and recall facts across sessions. Automatically captures, classifies, and curates knowledge from supported transcript sources.
    18
    60
    1
    AGPL 3.0
  • A
    license
    A
    quality
    A
    maintenance
    Shared, code-grounded memory for developers and their coding agents. Capture a learning once and the whole team plus every agent recalls it; memory is grounded in your code and stored as git-tracked JSON reviewed in PRs, with citations validated on write and stale memory withheld from recall. Works with any MCP client.
    11
    31
    GPL 3.0
  • A
    license
    A
    quality
    A
    maintenance
    MCP server that gives coding agents persistent, verified memory of codebase decisions, conventions, and skills, with evidence-based claims that are re-checked via git hooks and human-gated review. Enables memory search, propose/approve, chat harvesting, and critique across MCP-compatible tools.
    21
    766
    1
    MIT

View all related MCP servers

Related MCP Connectors

  • Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.

  • One shared brain for your AI coding agents: team memory, agent Q&A, tasks, and file claims.

  • An MCP memory server. One memory your agents share — across models, devices and apps.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/GIGAParviz/crewmemory-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server