AIBrain
AIBrain ist ein lokaler, datenschutzfreundlicher KI-Speichermanager für Entwickler, die Coding-Agenten ausführen. Jeder Agent, den du verwendest — opencode, Claude Code, Codex, Cursor, Zed und 15+ weitere — liest und schreibt in denselben Markdown-Speicherordner über einen lokalen MCP-Server, mit vollständig offline semantischer Suche (eingebettete ONNX-all-MiniLM-L6-v2-Embeddings), RAG-Chat mit nummerierten Zitaten und einem Lebenszyklus wie im menschlichen Gehirn: Rauschen wird beim Schreiben gefiltert, dauerhafte Fakten werden in die Bibliothek übernommen, alte Einträge werden archiviert. Dein Speicher verlässt nie deinen Rechner — keine Cloud, keine Telemetrie.
✨ Warum AIBrain?
Ein Gehirn, jeder Agent — ein gemeinsamer Speicher, den deine gesamte Agentenflotte über das Model Context Protocol (MCP) liest und schreibt. Keine speicher-Silos pro Tool mehr und kein erneutes Erklären deines Projekts für jeden neuen Agenten.
Wirklich offline — Embeddings werden auf deinem Rechner mit einem eingebetteten ONNX-Modell berechnet; keine API-Schlüssel, keine Datenexfiltration, keine entfernten Modellaufrufe.
Semantisch, nicht nur Stichwort — finde Notizen nach Bedeutung mit lokaler Vektorsuche oder stelle Fragen in natürlicher Sprache und erhalte Antworten, die auf deinem Speicher basieren, mit nummerierten Zitaten.
Speicher, der sich wie ein Gehirn verhält — rauschgefiltertes Schreiben, Promote/Demote-Kuratierung, Mutationsjournal mit Ein-Klick-Rückgängig und Aufbewahrung mit einer festen 7-Tage-Sicherheitsgrenze. Nichts wird jemals stillschweigend gelöscht.
Kostenlos & Open Source — MIT-lizenziert, Rust + Tauri 2 + React, keine kostenpflichtigen Stufen.
Related MCP server: Stoa
✨ Funktionen
🔎 Semantische Vektorsuche
Vollständig offline Embeddings — das ONNX-
all-MiniLM-L6-v2-Modell (384-dim) und seine WASM-Laufzeit sind in der App eingebettet; das Abrufen entfernter Modelle ist deaktiviert.SQLite-Vektorspeicher (
{brain}/.aibrain/vec.db) mit Brute-Force-Kosinus-Suche — völlig ausreichend für ein persönliches Gehirn mit Hunderten von Einträgen.Automatische Neuindizierung per Inhalts-Hash — jeder Eintrag wird mit FNV-1a gehasht; nur geänderte Einträge werden neu eingebettet, sodass reine Formatierungsänderungen keine Neuindizierung auslösen.
Modellwechselsicherheit: Vektoren von einem anderen Embedding-Modell stimmen nie überein.
💬 Frag dein Gehirn
RAG-Chat über deinen Speicher: Die besten Vektortreffer werden als Kontext herangezogen, das Modell antwortet nur aus diesen Notizen, mit nummerierten 【n】-Zitaten und Quellen-Chips (Titel, Datum, Punktzahl).
Unterstützt durch OpenRouter (eigenen Schlüssel mitbringen) oder jeden lokalen OpenAI-kompatiblen Anbieter — LM Studio, Ollama oder BionicGPT, automatisch erkannt und mit einem Klick angewendet.
Einmalige Vervollständigungen (noch kein Streaming).
🧠 Lebenszyklus des Speichers wie im menschlichen Gehirn
Rauschfilter beim Schreiben — Begrüßungen, Bestätigungen und nackte eingefügte Befehle werden als Geschwätz klassifiziert und in
inbox/_buffer.mdumgeleitet, anstatt in das datierte Sitzungsprotokoll (aus, um nie Substanz zu verlieren — der Klassifikator tendiert dazu, zu behalten).Mutationsjournal + Ein-Klick-Rückgängig — jedes Anhängen, Befördern, Herabstufen und Archivieren wird protokolliert und ist umkehrbar.
Befördern / Herabstufen — Inbox-Einträge werden in
library/concepts/als kuratierte Notizen befördert (Slug pro Thema, datierte Abschnitte); Herabstufen entfernt sie wieder.Aufbewahrung — Inbox-Dateien, die älter als N Tage sind, werden in
archive/YYYY-MM-DD/archiviert, mit einer festen 7-Tage-Sicherheitsgrenze: Nichts Jüngeres wird jemals angefasst, nichts wird jemals gelöscht.Hintergrund-Bibliothekar — konsolidiert regelmäßig den Puffer in das heutige Protokoll (regelbasierter Rauschfilter + Deduplizierung), optional destilliert er es durch dein konfiguriertes lokales LLM, sodass nur dauerhafte Fakten überleben („Human-Brain-Modus“).
🔌 Agent-MCP-Server
Ein kleiner stdio-Server (mcp-server, als Schwester-Binary gebündelt) stellt den Speicher jedem MCP-fähigen Client zur Verfügung — 12 Tools, siehe unten. Das Dashboard scannt deinen Rechner, listet nur installierte Agenten auf und verbindet jeden mit einem echten MCP-Handshake (kein Auto-Connect). Die Verbindungen zeigen auf eine stabile Kopie des Servers im App-Datenverzeichnis, sodass sie Neuinstallationen überstehen — und der Scan heilt veraltete Einträge selbst. Funktioniert mit opencode, Claude Code, Claude Desktop, Codex, Cursor, VS Code, Zed, Windsurf, Cline, Continue, Gemini CLI, Antigravity, Goose, Aider, Qwen Code, Kimi CLI, Crush, Amp, OpenHands und Copilot CLI — oder mit jeder Konfigurationsdatei über universelle Verbindung.
🛰️ Synapse Observatory UI
14 Themes (Synapse, Midnight, Aurora, Dracula, Gruvbox, Nord, Forest, Hacker, Terminal, Paper Dark, Graphite, Solarized Light, One Light, Paper), dunkel und hell, mit WCAG-geprüfter Akzentfarbe.
Offline-Schriftarten — IBM Plex Sans + JetBrains Mono in der App eingebettet; nichts wird aus dem Web geladen.
Seiten: Dashboard (Agentenverbindungen), Speicher (durchsuchbare, attribuierte Zeitleiste), Fragen (RAG-Chat), Einstellungen (Anbieter, Bibliothekar, Themes) und Onboarding (Speicherordner auswählen oder erstellen).
🔐 Lokale Privatsphäre
Keine Telemetrie, keine Cloud. Der einzige ausgehende Datenverkehr ist die optionale Update-Prüfung und ein optionaler OpenRouter-Schlüssel, den du für den Chat hinzufügst.
Embeddings verlassen nie den Rechner: In-App-Vektoren werden lokal berechnet; agentenseitiges
recallspricht nur mit einem localhost-Endpunkt, den du konfiguriert hast (alles andere fällt auf Stichwortsuche zurück).Das
audit-MCP-Tool berichtet genau, welche Netzwerkaufrufe AIBrain machen kann.CSP sperrt die Webview auf lokale Ressourcen und den Update-Endpunkt.
Vollständige Entfernung: Der Deinstaller bietet ein Kontrollkästchen „Alles von diesem System entfernen“, das jede Agentenverbindung, injizierten Anweisungsblock, Sicherungsdatei und App-Daten entfernt — oder verwende in der App Einstellungen → Alles entfernen & deinstallieren. Ein benutzerdefinierter Speicherordner, den du selbst ausgewählt hast, wird vom Deinstaller nie gelöscht.
📥 Installation
Hole dir v0.3.0 von der Releases-Seite:
Plattform | Installationsprogramme |
Windows |
|
Linux |
|
macOS |
|
Auto-Update ist integriert: Die App prüft die Releases-Seite (latest.json) und hält sich selbst aktuell; Artefakte sind signiert und werden gegen einen Schlüssel verifiziert, der nur auf dem Rechner des Maintainers aufbewahrt wird.
🚀 Schnellstart
Installiere die App für deine Plattform (oben).
Wähle oder erstelle einen Speicherordner — einen einfachen Ordner mit Markdown. Das Gehirn-Layout (
library/,inbox/,index.md) wird bei Bedarf für dich erstellt; leere Ordner funktionieren.Verbinde deine Agenten — das Dashboard listet auf, was installiert ist. Klicke auf Verbinden und die Konfiguration des Agenten erhält einen standardmäßigen MCP-Eintrag, der auf das Gehirn zeigt. Claude Code- und Cursor-Agenten können die MCP-Tools dann direkt in ihren Sitzungen verwenden.
Nutze Fragen — öffne die Fragen-Seite, gib eine Frage ein, erhalte eine Antwort, die auf deinem Speicher basiert, mit 【n】-Zitaten. Optional kannst du zuerst einen OpenRouter-Schlüssel hinzufügen oder in den Einstellungen auf einen lokalen Anbieter zeigen.
Agenten fügen dauerhafte Fakten über
append_loghinzu; prüfe die Speicher-Seite, um alles zu sehen, was aufgezeichnet wurde, attribuiert nach Agent und Projekt.
🔌 MCP-Tools
Tool | Zweck |
| Liest eine Speichernote anhand des Pfads relativ zum Gehirn-Root |
| Listet alle Speichernnotizen und Sitzungsprotokolle auf |
| Fügt eine datierte, dauerhafte Tatsache zum heutigen Sitzungsprotokoll hinzu (rauschgefiltert) |
| Gibt den Gehirn-Index zurück — „Was weiß dieses Gehirn?“ |
| Stichwortsuche in Notizen + Protokollen; bis zu 20 Treffer |
| Semantischer Abruf — Vektorsuche über einen localhost-Embedding-Endpunkt, sonst Stichwort-Fallback |
| Die letzten N Speichereinträge, neueste zuerst |
| Heuristischer Thread-Finder über die letzten ~14 Tage (offen/blockiert/zu erledigen…) |
| Beweist genau, welche Netzwerkaufrufe AIBrain machen kann (Offline-Garantie) |
| Verfolgt Sitzungen und protokolliert deren Zusammenfassungen |
| Schlägt eine dauerhafte Tatsache zur menschlich geprüften Kuratierung vor |
🛠 Entwicklung
Voraussetzungen: Node 20, Rust stable und die Plattform-Toolchain, die die CI verwendet — unter Ubuntu 22.04: libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev patchelf libgtk-3-dev; Windows benötigt die MSVC-Toolchain; macOS benötigt Xcode-Befehlszeilentools.
PowerShell blockiert den
npm.ps1-Shim — unter Windows immernpm.cmdaufrufen.
# app/
npm.cmd install
npm.cmd run build # tsc + vite build (+ WASM trim)
npm.cmd run tauri dev # run with hot reload
# app/src-tauri/
cargo test # workspace tests (core, mcp-server)
cargo build -p aibrain-mcp-server --release # agent server binary
# app/ — embedding pipeline smoke test (model, dims, similarity)
node scripts/embed-smoke.mjsArbeitsbereich-Layout:
app/ React 19 + Vite + TypeScript frontend
app/src-tauri/ Tauri 2 shell + Tauri commands
app/src-tauri/crates/core/ aibrain-core — vectors, lifecycle, librarian,
chat, locals, settings, journal, connectors
app/src-tauri/crates/mcp-server/ the stdio MCP server binary
app/public/models|wasm|fonts| vendored assets — never fetched at runtimeCI (.github/workflows/ci.yml) läuft bei jedem Push/PR: Frontend-Build + Rust-Tests auf Ubuntu 22.04 und Windows. Releases (.github/workflows/release.yml) bauen alle drei Betriebssysteme bei v*-Tags, führen Tests aus und erstellen einen signierten Release mit Installern + Updater-Artefakten.
🗺 Roadmap
Streaming-Chat (SSE) mit Sichtbarkeit von Tool-Aufrufen
Wissensgraph-Ansicht des Speichers
Speicher-Gesundheits-Lint (Waisen, kaputte Wikilinks, doppelte Fakten)
Lebenszyklus-Steuerung in der UI (Rückgängig / Befördern / Aufbewahrung), Frontend-Tests
❓ FAQ
Ist mein Speicher privat?
Ja. AIBrain ist lokal: Notizen, Embeddings und Suchen verlassen nie deinen Rechner. Der einzige optionale ausgehende Datenverkehr ist die Auto-Update-Prüfung und ein OpenRouter-Schlüssel, den du selbst für den RAG-Chat hinzufügst. Führe audit (MCP-Tool) aus, um genau zu sehen, welche Netzwerkaufrufe AIBrain machen kann.
Benötigt es eine GPU oder einen API-Schlüssel? Nein. Die semantische Suche läuft vollständig offline auf der CPU mit einem eingebetteten ONNX-Modell. Für die Fragen-Seite (RAG-Chat) kannst du einen OpenRouter-Schlüssel mitbringen oder auf einen beliebigen lokalen OpenAI-kompatiblen Server zeigen (LM Studio, Ollama, BionicGPT) — oder den Chat ganz überspringen und AIBrain ausschließlich als Agenten-Speicher verwenden.
Mit welchen KI-Agenten funktioniert es? opencode, Claude Code, Claude Desktop, Codex, Cursor, VS Code, Zed, Windsurf, Cline, Continue, Gemini CLI, Goose, Aider, Qwen Code, Kimi CLI, OpenHands, Copilot CLI und mehr — alles, was MCP spricht, plus universelle Konfigurationsverbindung für den Rest.
Wie unterscheidet sich das von AGENTS.md / CLAUDE.md? Das sind statische Regeldateien pro Projekt. AIBrain ist ein lebendiger, durchsuchbarer, projektübergreifender Speicher: Sitzungsprotokolle, kuratierte Konzepte und Threads, an die sich jeder Agent semantisch erinnern kann – nicht nur der, der die Datei geschrieben hat.
Wird jemals etwas gelöscht? Nein. Die Aufbewahrung archiviert alte Posteingangseinträge in datierte Ordner mit einer festen 7-Tage-Sicherheitsgrenze, und jede Änderung wird protokolliert, sodass sie rückgängig gemacht werden kann.
📄 Lizenz
MIT – siehe LICENSE.
Erstellt mit Tauri 2 · Rust-Kern · React + TypeScript · funktioniert mit opencode, Claude Code, Codex, Cursor, VS Code, Zed & Freunden
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Connectors
Portable AI memory shared across models and harnesses - plain markdown you own.
Personal wiki and memory layer for AI assistants. Persistent, structured memory across sessions.
One memory, every AI. A shared, user-owned markdown memory your AI clients read and write over MCP.
Persistent personal memory for AI assistants — save, search, and recall across every MCP client.
Related MCP Servers
- AlicenseNot gradedqualityAmaintenanceLocal-first, file-based memory layer for AI agents — one shared Markdown vault across Claude, Codex, Gemini, Cursor and any MCP client. Provides read/write memory tools with an audit trail, per-agent trust levels, and Git sync; no cloud and no lock-in.2MIT
- AlicenseNot gradedqualityAmaintenancePersistent shared memory for AI coding agents that turns a folder of markdown files into searchable memory across sessions, repos, and machines.12Functional Source , Version 1.1, MIT Future
- AlicenseNot gradedqualityDmaintenanceProvides persistent long-term memory for AI assistants with tag-based retrieval, wiki-style linking, and source references, storing memories as markdown files with SQLite index.1MIT
- AlicenseNot gradedqualityAmaintenanceOne shared memory for every AI you use, in plain Markdown files you own. Teach one AI something and the rest know it, with per-AI folder permissions so each assistant only sees what you allow.728Apache 2.0
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/NitishKashyapR/unified-ai-memory'
If you have feedback or need assistance with the MCP directory API, please join our Discord server