de en es ja ko ru zh

Mnemosyne

Name: Mnemosyne
Author: M4F-S

by M4F-S

Overview Schema Related Servers Score Discussions

Python

Local

Mnemosyne 🧠

PyPI version Python 3.9+ MCP License: Apache-2.0

Промышленный, локально-ориентированный иерархический движок памяти для автономных AI-агентов.

Mnemosyne предоставляет AI-агентам (Hermes, OpenClaw, OpenManus, Claude Desktop, Cursor, Windsurf, CrewAI, LangChain) постоянную структурированную долговременную память. Он соединяет человекочитаемые Obsidian Markdown Vaults с высокоскоростными PostgreSQL + pgvector (HNSW) или SQLite без настройки, обеспечивая гибридный поиск Reciprocal Rank Fusion (RRF), графы знаний на вики-ссылках, временное затухание Эббингауза, общий доступ между агентами флота и асинхронную облачную синхронизацию Google Drive.

📑 Содержание

Related MCP server: Synapto

⚡ Полная матрица возможностей

Возможность	Описание	Преимущество
🤖 MCP Native (v2024-11-05)	Стандартизированный сервер протокола stdio JSON-RPC	Бесшовная интеграция для Claude, Cursor, Windsurf, Hermes, OpenClaw
🔎 Векторный поиск HNSW с высокой полнотой	Индексация HNSW через `pgvector` с `vector_cosine_ops` (`m=16, ef_construction=64`)	Субмиллисекундный векторный поиск без переобучения кластеризации
⚖️ Гибридный поиск RRF	Reciprocal Rank Fusion плотных эмбеддингов (1.0) + GIN FTS (0.8) + граф (0.6) + значимость (0.2)	Захватывает точные технические ключевые слова (CVE, токены кода) и нечёткую семантику
🏛️ Область Wing и Room	Двухуровневая таксономия (`wing` = домен/проект, `room` = канал/тема)	Устраняет раздувание контекстного окна и междоменные галлюцинации
🌐 Общая память между агентами	Центральная `shared_db`, доступная для запросов во флотах мультиагентов с проверкой учётных данных	Коллективный интеллект флота без ущерба для частных баз данных
☁️ Асинхронная синхронизация Google Drive	Локально-ориентированный двунаправленный движок синхронизации с MD5-диффингом и разрешением веток `.conflict.md`	Субмиллисекундный ввод-вывод агента локально + автоматическое облачное резервное копирование и командный обмен
⏳ Временное затухание Эббингауза	Экспоненциальное затухание $Salience_t = Salience_0 \times (0.95)^{\Delta t}$ с автоматическим архивированием через 90 дней	Автоматически отсеивает временный шум, сохраняя активные воспоминания чёткими
📌 Иммунитет закреплённых воспоминаний	Постоянный иммунитет к затуханию через `pinned=True` или теги `#pinned`	Гарантирует, что фундаментальные инструкции и основные правила никогда не исчезнут
📖 Obsidian Zettelkasten	Записывает человекочитаемые заметки Markdown с YAML frontmatter и `[[Wiki Links]]`	Прямой визуальный просмотр, редактирование и визуализация графа в Obsidian
📜 Приёмник с учётом реплик	Разбиение скользящим окном на 1500 символов с перекрытием 200 символов по границам реплик	Сохраняет всю историю разговора, не разрывая блоки кода
🛡️ Защита от инъекций в промпты	Нейтрализует управляющие токены (`<	im_start	>`, \`[INST]`) в тексте; экранирует XML-теги контекста	Предотвращает отравление памяти и атаки захвата контекста
⚡ Поддержка FastEmbed ONNX	Сверхлёгкий движок эмбеддингов на ONNX runtime (~30MB RAM)	Снижение потребления памяти на 90% по сравнению с тяжёлыми PyTorch `sentence-transformers`
🔄 Резервный SQLite без настройки	Автоматический переход на локальный SQLite, когда PostgreSQL недоступен	100% паритет функций для автономных рабочих станций разработчиков

🏗️ Системная архитектура

                                ┌──────────────────────────────────────────────┐
                                │          AI Agents & LLM Frameworks          │
                                │  Hermes • OpenClaw • Claude • Cursor • Manus │
                                └──────────────────────┬───────────────────────┘
                                                       │ JSON-RPC (stdio) / Python SDK
                                                       ▼
┌─────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                                           Mnemosyne Core (v3.4.0)                                           │
│                                                                                                             │
│  ┌─────────────────────────┐  ┌─────────────────────────┐  ┌─────────────────────────────────────────────┐  │
│  │ Admission & Security    │  │ Multi-Backend Embedder  │  │ Turn-Aware Session Ingestor                 │  │
│  │ - Secret Regex Guard    │  │ - FastEmbed (ONNX 30MB) │  │ - Turn boundary splitting                   │  │
│  │ - Injection Neutralizer │  │ - Remote Microservice   │  │ - 1500-char linear sliding window           │  │
│  │ - Path Traversal Guard  │  │ - SentenceTransformers  │  │ - Sequential [[Wiki Link]] chaining         │  │
│  └─────────────────────────┘  └─────────────────────────┘  └─────────────────────────────────────────────┘  │
│                                                                                                             │
│  ┌───────────────────────────────────────────────────────────────────────────────────────────────────────┐  │
│  │                                 Hybrid RRF Retrieval & Graph Ranker                                   │  │
│  │            RRF Score = 1.0 * Dense(HNSW) + 0.8 * Keyword(FTS) + 0.6 * Graph + 0.2 * Salience          │  │
│  └───────────────────────────────────────────────────────────────────────────────────────────────────────┘  │
└───────────────────────────────────────┬───────────────────────────────────────┬─────────────────────────────┘
                                        │                                       │
                ┌───────────────────────┴───────────────────────┐               │
                ▼                                               ▼               ▼
 ┌─────────────────────────────┐                 ┌─────────────────────────────────────────────┐
 │    PostgreSQL + pgvector    │                 │       Obsidian Markdown Vault (Local)       │
 │ - HNSW vector_cosine_ops    │                 │ - Human-Readable Markdown + YAML Frontmatter │
 │ - GIN tsvector English FTS  │                 │ - [[Wikilink]] Knowledge Graph Visualizer   │
 │ - Self-Healing DB Pool      │                 │ - Atomic Writes with EXDEV Fallback         │
 │ - Private DB + shared_db    │                 └──────────────────────┬──────────────────────┘
 └─────────────────────────────┘                                        │ Async Background Sync
                                                                        ▼
                                                 ┌─────────────────────────────────────────────┐
                                                 │              Google Drive Cloud             │
                                                 │ - Service Account / OAuth2 Authentication    │
                                                 │ - MD5 Checksum Verification                 │
                                                 │ - Sibling .conflict-TIMESTAMP.md Resolution │
                                                 └─────────────────────────────────────────────┘

🧠 Подробный разбор ключевых возможностей

1. Иерархическая таксономия Wing и Room

Перекрёстное загрязнение памяти — основной режим отказа во флотах мультиагентов. Mnemosyne структурирует память как двухуровневый физический дворец:

wing (Domain/Project): Граница домена верхнего уровня (например, ecommerce, pentest, devops, shared).
room (Topic/Channel): Детализированное разделение тем (например, database, firewall, stripe_api).

Запросы можно строго ограничивать конкретным wing или room, предотвращая обращение маркетинговых промптов к результатам тестирования на проникновение.

2. Гибридный поиск Reciprocal Rank Fusion (RRF)

Стандартный векторный поиск не справляется с точными техническими строками (например, CVE-2024-38077, 0x7fff5fbff8c0), а поиск по ключевым словам — с семантическими концепциями. Mnemosyne выполняет многокандидатный поиск и объединяет результаты с помощью взвешенного RRF:

$$\text{RRF Score}(d) = \sum_{m \in \text{modes}} w_m \cdot \frac{1}{k + \text{rank}_m(d)} + 0.2 \cdot \text{Salience}(d)$$

Плотный векторный поиск HNSW: Вес $1.0$ (косинусное расстояние по 384-мерным эмбеддингам).
Полнотекстовый поиск PostgreSQL: Вес $0.8$ (tsvector с весом заголовка как A и содержимого как B).
Рекурсивный обход графа: Вес $0.6$ (рекурсивный CTE, обнаруживающий [[Wiki Links]] на 1 и 2 хопа).
Движок значимости памяти: Вес $0.2$ (оценка важности от $0.0$ до $1.0$).

3. Общий слой памяти между агентами (`shared_db`)

В автономных мультиагентных средах агенты поддерживают изолированные частные базы данных (toy_db, old_db, candy_db и т.д.), чтобы предотвратить повреждение состояния. Однако коллективный интеллект требует обмена глобальными политиками и проверенными фактами.

Публикация: С помощью memory_publish_shared проверенные заметки публикуются в shared_db.
Проверка учётных данных: Содержимое сканируется строгими regex-фильтрами на ключи Anthropic (sk-ant-), ключи Google Gemini (AIza...), токены HuggingFace (hf_...), ключи OpenAI (sk-proj-...), ключи доступа AWS (AKIA...), токены Slack (xox-) и приватные ключи.
Мягкий отказ при поиске: Когда агент запрашивает память, memory_recall обращается и к частному хранилищу, и к shared_db. Если общая база данных временно недоступна, система плавно деградирует, не прерывая работу агента.

4. Временное затухание Эббингауза и иммунитет закреплённых заметок

Воспоминания естественным образом теряют актуальность со временем. Mnemosyne реализует экспоненциальную кривую забывания Германа Эббингауза:

$$\text{Salience}(t) = \text{Salience}0 \times (0.95)^{\Delta t{\text{days}}}$$

Обратная связь при обращении: Обращение к воспоминанию обновляет last_accessed_at, сбрасывая его затухание.
Ночное автоматическое архивирование: Консолидация автоматически переводит заметки с $\text{Salience} < 0.05$ и без обращений более $>90\text{ дней}$ в status = 'archived'.
Иммунитет закреплённых: Системные правила, основные политики или заметки, отмеченные pinned=True или тегом #pinned, получают постоянный иммунитет от временного затухания ($\text{Salience} = 1.0$).

5. Obsidian Markdown Vault и двунаправленный граф

Каждое воспоминание, созданное агентом, одновременно записывается как человекочитаемый файл .md внутри вашего Obsidian vault:

Zettelkasten Frontmatter: Содержит title, date, tags, type, salience, wing и room.
Граф знаний: Целевые заметки, упомянутые как [[Target Note]], автоматически разбираются в двунаправленные рёбра в PostgreSQL.
Живой просмотр: Откройте Obsidian на рабочем столе или мобильном устройстве и исследуйте коллективную память вашего флота агентов в интерактивном Graph View Obsidian.

6. Дословный приёмник сессий с учётом реплик

Транскрипты разговоров часто содержат важные нюансы, теряемые при сжатом суммаризации. memory_ingest_session:

Разбивает сырые транскрипты по границам реплик (User:, Assistant:, ### Turn, **Human**:).
Для реплик длиннее 1500 символов применяет линейное скользящее окно (1500 символов с перекрытием 200 символов).
Связывает последовательные фрагменты вики-ссылками [[Session ... Turn 01 Part 02]], сохраняя блоки кода, трассировки выполнения и поток разговора.

7. Асинхронная облачная синхронизация Google Drive

Надёжно храните резервные копии ваших агентных vault и синхронизируйте их между несколькими машинами или мобильными устройствами:

Скорость локального хранения: Вызовы инструментов агента выполняются на скорости локального SSD (<1 мс) без блокировки из-за сетевой задержки Google Drive.
Фоновый демон / синхронизация по Cron: Сканирует файлы хранилища, вычисляет MD5-контрольные суммы и двунаправленно синхронизирует изменения с Google Drive.
Разрешение конфликтов: Если файл изменён одновременно и на Google Drive, и в локальном хранилище агента, Mnemosyne сохраняет входящую версию как NoteName.conflict-YYYYMMDD-HHMMSS.md, предотвращая потерю данных.
Аутентификация: Поддерживает JSON сервисного аккаунта Google Cloud (GOOGLE_APPLICATION_CREDENTIALS, GDRIVE_SERVICE_ACCOUNT_JSON) и пользовательские токены OAuth2 (GDRIVE_TOKEN_JSON).

8. Гибкие бэкенды эмбеддингов (FastEmbed / микросервис / локальный)

Mnemosyne адаптируется к любому бюджету ресурсов развёртывания:

FastEmbed ONNX Runtime (рекомендуется для автономных узлов): Использует выполнение через C++ в ONNX Runtime (~30 МБ ОЗУ). Ноль накладных расходов PyTorch.
Централизованный микросервис (mnemosyne.embed_service): Размещает sentence-transformers в одном выделенном контейнере, обслуживающем несколько контейнеров агентов по HTTP (MEMORY_EMBED_URL).
Локальные SentenceTransformers: Автономное выполнение PyTorch (all-MiniLM-L6-v2, 384-мерные).
Детерминированный хеш как запасной вариант: Математический векторный хеш с нулевым использованием ОЗУ для сред с экстремальными ограничениями ресурсов.

9. Эшелонированная безопасность и защита от инъекций

Неуязвимость к обходу пути: Двойная проверка канонических путей (is_relative_to) гарантирует, что файловые операции не могут выйти за пределы корня хранилища.
Атомарная запись в соседние файлы: Файлы записываются во временные файлы рядом с целевыми (.note.pid.tmp) и атомарно переименовываются, с автоматическим запасным вариантом для сквозных монтирований томов EXDEV.
Нейтрализация управляющих токенов: Нейтрализует токены инъекций LLM (<|im_start|>, <|system|>, [INST], <<SYS>>) в прозе, сохраняя блоки кода дословно.
Структурированное XML-обрамление контекста: Извлечённые воспоминания оборачиваются в теги <recalled_memory_context id="..." title="..." source="..."> с экранированием внутренних тегов, что гарантирует, что хост-LLM никогда не перепутают извлечённые воспоминания с активными системными директивами.

🛠️ Справочник инструментов MCP (8 инструментов)

Все 8 инструментов изначально предоставляются агентам через стандартный MCP JSON-RPC stdio:

1. `memory_remember`

Сохраняет приватную заметку памяти в хранилище с семантическим эмбеддингом, тегами и иерархической областью видимости.

{
  "title": "PostgreSQL HNSW Tuning",
  "content": "For datasets >10,000 vectors, use HNSW with m=16 and ef_construction=64 for optimal recall.",
  "tags": ["database", "pgvector", "performance"],
  "wing": "engineering",
  "room": "databases",
  "salience": 0.8,
  "pinned": true
}

2. `memory_publish_shared`

Публикует очищенную и проверенную находку или политику в общую память флота, разделяемую между агентами (shared_db).

{
  "title": "Fleet Security Policy: SSL Verification",
  "content": "All internal agent HTTP requests must enforce SSL certificate validation.",
  "tags": ["security", "policy"],
  "wing": "shared",
  "room": "general"
}

3. `memory_recall`

Ищет воспоминания в приватных и общих базах данных флота, используя гибридный RRF, векторы HNSW, ключевые слова или граф.

{
  "query": "HNSW index configuration parameters",
  "mode": "hybrid",
  "top_k": 5,
  "scope": {
    "wing": "engineering",
    "room": "databases"
  },
  "include_shared": true
}

4. `memory_ingest_session`

Принимает полную стенограмму разговора и разбивает её на фрагменты дословно по границам реплик.

{
  "transcript": "User: How do we configure pgvector?\nAssistant: Use CREATE EXTENSION vector; then create an HNSW index.",
  "wing": "engineering",
  "room": "sessions"
}

5. `memory_timeline`

Просматривает недавние операции с памятью (запоминание, извлечение, напоминание, консолидация) в хронологическом порядке.

{
  "limit": 20
}

6. `memory_history`

Просматривает историю версий и снимки прошлых правок конкретной заметки памяти до обновлений.

{
  "title": "PostgreSQL HNSW Tuning",
  "limit": 5
}

7. `memory_remind_me`

Планирует будущее проактивное напоминание или повторяющуюся задачу.

{
  "title": "Rotate Database Credentials",
  "content": "Verify that all 5 agent connection pools are refreshed with new passwords.",
  "trigger_at": "2026-09-01T00:00:00Z",
  "recurring": "monthly"
}

8. `memory_audit`

Получает метрики состояния памяти в реальном времени, статус бэкенда хранилища, количество запросов и активные крылья.

{}

🌐 Продакшен-архитектура мультиагентного флота

В мультиагентных продакшен-конфигурациях (таких как флот Hermes из 5 агентов) Mnemosyne изолирует базы данных агентов во внутренней сети Docker, предоставляя при этом общий интеллект:

                                  ┌─────────────────────────────────────────┐
                                  │      Production VPS (${VPS_HOST})      │
                                  └────────────────────┬────────────────────┘
                                                       │
         ┌───────────────────┬──────────────────┼───────────────────┬──────────────────┐
         ▼                   ▼                  ▼                   ▼                  ▼
┌──────────────────┐┌──────────────────┐┌──────────────────┐┌──────────────────┐┌──────────────────┐
│   hermes-agent   ││ hermes-assistant ││ hermes-marketing ││  hermes-pentest  ││  hermes-trader   │
│      (Toy)       ││      (Old)       ││     (Candy)      ││     (Pencil)     ││      (Coin)      │
│   Database:      ││   Database:      ││   Database:      ││   Database:      ││   Database:      │
│     toy_db       ││     old_db       ││     candy_db     ││     pencil_db    ││     trader_db    │
└────────┬─────────┘└────────┬─────────┘└────────┬─────────┘└────────┬─────────┘└────────┬─────────┘
         │                   │                  │                   │                  │
         └───────────────────┴──────────────────┼───────────────────┴──────────────────┘
                                                │
                                                ▼
                               ┌───────────────────────────────────┐
                               │   PostgreSQL + pgvector (HNSW)    │
                               │   - Private DBs: toy_db, old_db.. │
                               │   - Shared DB:   shared_db        │
                               └───────────────────────────────────┘

🚀 Быстрый старт и установка

1. Установка

# Standard installation
pip install mnemosyne-memory

# With Google Drive Cloud Synchronization support
pip install "mnemosyne-memory[gdrive]"

# With lightweight FastEmbed ONNX support (~30MB RAM)
pip install "mnemosyne-memory[fastembed]"

# Full installation (All extras + Dev dependencies)
pip install "mnemosyne-memory[dev,gdrive,fastembed,embed-service]"

2. Запуск с Docker Compose

Запустите контейнер PostgreSQL + pgvector:

docker compose up -d

3. Запуск MCP-сервера

# Standalone with local SQLite (Zero configuration)
python -m mnemosyne server

# With PostgreSQL + pgvector
MEMORY_DB_DSN="postgresql://mnemosyne:***@localhost:5432/my_agent_db" python -m mnemosyne server

🤖 Рецепты интеграции с агентными фреймворками

1. Claude Desktop (`claude_desktop_config.json`)

{
  "mcpServers": {
    "mnemosyne": {
      "command": "python3",
      "args": ["-m", "mnemosyne", "server"],
      "env": {
        "MEMORY_VAULT_PATH": "/Users/username/Documents/Obsidian/AgentVault",
        "MEMORY_DEFAULT_WING": "claude"
      }
    }
  }
}

2. Cursor IDE (`.cursor/mcp.json`)

{
  "mcpServers": {
    "mnemosyne": {
      "command": "python3",
      "args": ["-m", "mnemosyne", "server"],
      "env": {
        "MEMORY_VAULT_PATH": "./.vault",
        "MEMORY_DEFAULT_WING": "codebase"
      }
    }
  }
}

3. Агент Hermes (`~/.hermes/config.yaml`)

mcp_servers:
  obsidian_memory:
    command: python3
    args: ["-m", "mnemosyne", "server"]
    env:
      MEMORY_DB_DSN: "postgresql://mnemosyne:***@${DB_HOST}:5432/toy_db"
      MEMORY_SHARED_DSN: "postgresql://mnemosyne:***@${DB_HOST}:5432/shared_db"
      MEMORY_VAULT_PATH: "/opt/data/vault"

4. OpenClaw (`openclaw-config.yaml`)

plugins:
  mcp_servers:
    mnemosyne:
      command: "python3"
      args: ["-m", "mnemosyne", "server"]
      env:
        MEMORY_VAULT_PATH: "~/.openclaw/vault"
        MEMORY_DEFAULT_WING: "openclaw"

5. Python SDK и скрипты автономных агентов

from mnemosyne import UnifiedMemorySystem

mem = UnifiedMemorySystem(
    vault_path="~/.agent/vault",
    dsn="postgresql://mnemosyne:***@localhost:5432/agent_db",
    shared_dsn="postgresql://mnemosyne:***@localhost:5432/shared_db"
)

# Remember fact
mem.remember(
    title="Kubernetes Cluster Policy",
    content="Deployments in staging must specify resource memory limits.",
    wing="infrastructure",
    room="k8s",
    tags=["kubernetes", "policy"],
    pinned=True
)

# Hybrid recall
results = mem.recall(
    query="staging memory limits",
    mode="hybrid",
    scope={"wing": "infrastructure"}
)

for r in results:
    print(r["title"], "->", r["formatted_context"])

💻 Полный справочник команд CLI

Mnemosyne включает полнофункциональный управляющий CLI:

# 1. Store a memory note
python -m mnemosyne remember "API Architecture" "Uses Bearer JWT auth." --tags security auth --wing backend --room api --salience 0.8 --pinned

# 2. Publish shared fleet memory
python -m mnemosyne publish-shared "Global Production Policy" "Always check SSL certs." --wing devops

# 3. Search memories
python -m mnemosyne recall "JWT authentication" --mode hybrid --top-k 5 --wing backend

# 4. View activity timeline
python -m mnemosyne timeline --limit 20

# 5. Trigger Ebbinghaus decay & link reconciliation
python -m mnemosyne consolidate --decay-rate 0.95 --archive-threshold 0.05

# 6. Check system statistics & health
python -m mnemosyne stats

# 7. Synchronize with Google Drive (One-off pass)
python -m mnemosyne sync-gdrive --folder "My-Agent-Vault" --credentials service-account.json

# 8. Run Google Drive Sync as a background daemon
python -m mnemosyne sync-gdrive --daemon --interval 60

# 9. Run standalone Centralized Embedding Microservice
python -m mnemosyne embed-service --host 0.0.0.0 --port 8000 --model all-MiniLM-L6-v2

⚙️ Справочник переменных окружения

Переменная	По умолчанию	Описание
`MEMORY_VAULT_PATH`	`~/.mnemosyne/vault`	Путь в файловой системе к локальному каталогу хранилища Obsidian Markdown
`MEMORY_DB_DSN`	(нет)	DSN PostgreSQL (например, `postgresql://user:pass@host:5432/db`). Если не задан, используется SQLite
`MEMORY_SHARED_DSN`	(нет)	DSN PostgreSQL для опциональной общей базы данных флота, разделяемой между агентами
`MEMORY_AGENT_NAME`	`local-agent`	Идентификатор агента-источника в мультиагентных развёртываниях флота
`MEMORY_EMBED_URL`	(нет)	URL удалённого централизованного микросервиса эмбеддингов (например, `http://localhost:8000`)
`MEMORY_REQUIRE_POSTGRES`	`false`	Установите `true`, чтобы при сбое PostgreSQL возникала ошибка вместо переключения на SQLite
`GOOGLE_APPLICATION_CREDENTIALS`	(нет)	Путь к JSON-файлу сервисного аккаунта Google Cloud для синхронизации Google Drive
`GDRIVE_SERVICE_ACCOUNT_JSON`	(нет)	Строковое JSON-содержимое учётных данных сервисного аккаунта Google Cloud
`GDRIVE_TOKEN_JSON`	(нет)	Строковое JSON-содержимое авторизованного пользовательского токена Google OAuth2
`TOKENIZERS_PARALLELISM`	`false`	Отключает форки токенизатора HuggingFace для сохранения целостности потока stdio JSON-RPC
`HF_HUB_DISABLE_PROGRESS_BARS`	`1`	Отключает индикаторы прогресса в stdio, чтобы потоки MCP оставались чистыми
`HF_HUB_OFFLINE`	`0`	Установите `1`, чтобы запускать SentenceTransformers на 100% офлайн с использованием локального кэша
`TRANSFORMERS_OFFLINE`	`0`	Установите `1`, чтобы запретить transformers выполнять внешние сетевые запросы к HuggingFace

🧪 Тестирование и бенчмарки

Mnemosyne поддерживает комплексный набор тестов (модульные тесты, тесты безопасности на инъекции, тесты SQLite и интеграционные тесты с работающим PostgreSQL pgvector):

# Run all unit tests
pytest tests/ -v -m "not integration"

# Run full test suite including live PostgreSQL + pgvector tests
MEMORY_DB_DSN="postgresql://mnemosyne:***@localhost:5432/test_db" pytest tests/ -v

📄 Лицензия

Лицензия Apache-2.0. Создано для экосистемы открытых автономных агентов. Полные условия см. в LICENSE.

Install Server

RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

license - permissive license

quality

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

1wRelease cycle

2Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Tools

View all tools

Related MCP Servers

aimemory
Knowledge & Memory RAG Systems
George3307
A
license
Not graded
quality
D
maintenance
Gives AI agents persistent memory with semantic search, automatic extraction, and memory decay, accessible via MCP protocol.
Updated 6 months ago (2026-02-20 22:53 UTC)
12
MIT
Synapto
Knowledge & Memory Search
ramonlimaramos
A
license
Not graded
quality
A
maintenance
Provides persistent, searchable memory for MCP-compatible agents, enabling recall by meaning, automatic decay, trust scoring, and cross-agent handoffs.
Updated 4 days ago (2026-08-27 15:11 UTC)
5
MIT
mcp-memory
Knowledge & Memory RAG Systems
oneKn8
A
license
A
quality
D
maintenance
Provides persistent memory with semantic search for MCP-based AI agents, enabling them to store and recall information across sessions using vector embeddings.
Updated 5 months ago (2026-03-23 14:16 UTC)
4
1
MIT
madb-mcp-server
Knowledge & Memory Autonomous Agents
spshkar84
F
license
Not graded
quality
B
maintenance
Provides persistent, causal memory for AI agents with semantic recall, causal tracking, and importance-based forgetting through MCP tools.
Updated 2 months ago (2026-07-07 04:22 UTC)

View all related MCP servers

Related MCP Connectors

XMemo
Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.
mcp
Your memory, everywhere AI goes. Build knowledge once, access it via MCP anywhere.
OpenAkashic
Shared long-term memory vault for AI agents with 20 MCP tools.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

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/M4F-S/gomaa'

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