Skip to main content
Glama

AIBrain — это локальный, уважающий приватность менеджер AI-памяти для разработчиков, которые запускают агентов кодинга. Каждый используемый вами агент — opencode, Claude Code, Codex, Cursor, Zed и ещё 15+ — читает и пишет в одну и ту же папку Markdown-памяти через локальный MCP-сервер, с полностью офлайн-семантическим поиском (встроенные ONNX-эмбеддинги all-MiniLM-L6-v2), RAG-чатом с нумерованными цитатами и жизненным циклом памяти, похожим на человеческий мозг: шум отфильтровывается при записи, устойчивые факты продвигаются в библиотеку, старые записи архивируются. Ваша память никогда не покидает вашу машину — никакого облака, никакой телеметрии.


✨ Зачем AIBrain?

  • Один мозг, каждый агент — общая память, которую читает и пишет весь ваш флот агентов через Model Context Protocol (MCP). Больше никаких изолированных хранилищ памяти для каждого инструмента или повторных объяснений вашего проекта каждому новому агенту.

  • Действительно офлайн — эмбеддинги вычисляются на вашей машине с помощью встроенной ONNX-модели; никаких API-ключей, утечки данных или удалённых вызовов моделей.

  • Семантический, а не только по ключевым словам — находите заметки по смыслу с помощью локального векторного поиска или задавайте вопросы на естественном языке и получайте ответы, основанные на вашей памяти, с нумерованными цитатами.

  • Память, которая ведёт себя как мозг — запись с фильтром шума, курирование promote/demote, журнал изменений с отменой в один клик и хранение с жёстким 7-дневным минимумом безопасности. Ничто никогда не удаляется молча.

  • Бесплатно и с открытым исходным кодом — лицензия MIT, Rust + Tauri 2 + React, без платных тарифов.

Related MCP server: Stoa

✨ Возможности

🔎 Семантический векторный поиск

  • Полностью офлайн-эмбеддинги — модель ONNX all-MiniLM-L6-v2 (384-мерная) и её WASM-рантайм встроены в приложение; удалённая загрузка моделей отключена.

  • Векторное хранилище SQLite ({brain}/.aibrain/vec.db) с поиском по косинусной близости полным перебором — этого достаточно для личной памяти из сотен записей.

  • Автоматическая переиндексация по хэшу содержимого — каждая запись хэшируется FNV-1a; повторно эмбеддятся только изменённые записи, поэтому правки только форматирования никогда не вызывают переиндексацию.

  • Безопасность при смене модели: векторы от другой модели эмбеддингов никогда не совпадают.

💬 Спросите свой мозг

  • RAG-чат по вашей памяти: лучшие векторные совпадения берутся как контекст, модель отвечает только на основе этих заметок, с нумерованными 【n】 цитатами и чипами источников (название, дата, оценка).

  • Работает через OpenRouter (нужен ключ) или любой локальный провайдер, совместимый с OpenAI — LM Studio, Ollama или BionicGPT, автоматически обнаруживается и применяется в один клик.

  • Однократные завершения (потоковой передачи пока нет).

🧠 Жизненный цикл памяти как у человеческого мозга

  • Фильтр шума при записи — приветствия, подтверждения и голые вставленные команды классифицируются как болтовня и направляются в inbox/_buffer.md вместо датированного журнала сессии (по умолчанию не теряя сути — классификатор склоняется к сохранению).

  • Журнал изменений + отмена в один клик — каждое добавление, продвижение, понижение и перемещение в архив журналируется и обратимо.

  • Promote / demote — записи из входящих продвигаются в library/concepts/ как курируемые заметки (slug по теме, датированные разделы); demote удаляет их снова.

  • Хранение — файлы входящих старше N дней архивируются в archive/YYYY-MM-DD/, с жёстким 7-дневным минимумом безопасности: ничего моложе этого срока никогда не затрагивается, ничего никогда не удаляется.

  • Фоновый библиотекарь — периодически консолидирует буфер в сегодняшний журнал (правила фильтрации шума + дедупликация), при желании дистиллируя его через ваш настроенный локальный LLM, чтобы выживали только устойчивые факты («режим человеческого мозга»).

🔌 MCP-сервер для агентов

Небольшой stdio-сервер (mcp-server, поставляется как отдельный бинарник) открывает память любому MCP-совместимому клиенту — 12 инструментов, см. ниже. Панель управления сканирует вашу машину, перечисляет только установленных агентов и подключает каждого с реальным MCP-рукопожатием (без авто-подключения). Соединения указывают на стабильную копию сервера в каталоге данных приложения, поэтому они переживают переустановки — а сканирование самовосстанавливает устаревшие записи. Работает с 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 и Copilot CLI — или с любым конфигурационным файлом через универсальное подключение.

🛰️ Интерфейс Synapse Observatory

  • 14 тем (Synapse, Midnight, Aurora, Dracula, Gruvbox, Nord, Forest, Hacker, Terminal, Paper Dark, Graphite, Solarized Light, One Light, Paper), тёмные и светлые, с проверенными по WCAG акцентными цветами.

  • Офлайн-шрифты — IBM Plex Sans + JetBrains Mono встроены в приложение; ничего не загружается из интернета.

  • Страницы: Dashboard (подключения агентов), Memory (поисковая, атрибутированная хронология), Ask (RAG-чат), Settings (провайдеры, библиотекарь, темы) и Onboarding (выбор или создание папки памяти).

🔐 Локальная приватность

  • Никакой телеметрии, никакого облака. Единственный исходящий трафик — это необязательная проверка обновлений и необязательный ключ OpenRouter, который вы добавляете для чата.

  • Эмбеддинги никогда не покидают машину: векторы в приложении вычисляются локально; агентский recall общается только с локальным эндпоинтом, который вы настроили (всё остальное откатывается к поиску по ключевым словам).

  • MCP-инструмент audit сообщает, какие именно сетевые вызовы может совершать AIBrain.

  • CSP ограничивает webview локальными ресурсами и эндпоинтом обновлений.

  • Полное удаление: деинсталлятор предлагает флажок «Удалить всё с этой системы», который убирает все подключения агентов, внедрённые блоки инструкций, файлы резервных копий и данные приложения — или используйте Настройки → Удалить всё и деинсталлировать в приложении. Пользовательская папка памяти, которую вы выбрали сами, никогда не удаляется деинсталлятором.

📥 Установка

Возьмите v0.3.0 со страницы Releases:

Платформа

Установщики

Windows

.exe (NSIS-установщик) + .msi

Linux

.deb + .AppImage

macOS

.dmg + .app (не подписано — щёлкните правой кнопкой → Открыть при первом запуске)

Автообновление встроено: приложение проверяет страницу Releases (latest.json) и поддерживает себя в актуальном состоянии; артефакты подписаны и проверяются по ключу, который хранится только на машине мейнтейнера.

🚀 Быстрый старт

  1. Установите приложение для вашей платформы (выше).

  2. Выберите или создайте папку памяти — обычную папку с Markdown. Структура мозга (library/, inbox/, index.md) создаётся автоматически, если её нет; пустые папки работают.

  3. Подключите своих агентов — панель Dashboard показывает, что установлено. Нажмите Connect, и в конфигурации агента появится одна стандартная MCP-запись, указывающая на мозг. Агенты Claude Code и Cursor затем могут использовать MCP-инструменты напрямую в своих сессиях.

  4. Используйте Ask — откройте страницу Ask, введите вопрос, получите ответ, основанный на вашей памяти, с 【n】 цитатами. При желании сначала добавьте ключ OpenRouter или укажите локального провайдера в Настройках.

  5. Агенты добавляют устойчивые факты через append_log; проверьте страницу Memory, чтобы увидеть всё записанное, с атрибуцией по агенту и проекту.

🔌 MCP-инструменты

Инструмент

Назначение

read_note

Прочитать заметку памяти по пути относительно корня мозга

list_notes

Перечислить все заметки памяти и журналы сессий

append_log

Добавить датированный, устойчивый факт в сегодняшний журнал сессии (с фильтром шума)

memory_summary

Вернуть индекс мозга — «что знает этот мозг»

search_library

Поиск по ключевым словам в заметках + журналах; до 20 совпадений

recall

Семантический отзыв — векторный поиск через локальный эндпоинт эмбеддингов, иначе откат к ключевым словам

recent_facts

Последние N записей памяти, сначала новые

open_threads

Эвристический поиск открытых тем за последние ~14 дней (ожидающие/заблокированные/задачи…)

audit

Доказать, какие именно сетевые вызовы может совершать AIBrain (офлайн-гарантия)

session_start / session_end

Отслеживать сессии и записывать их сводки

propose_memory

Предложить устойчивый факт для курирования с участием человека

🛠 Разработка

Предварительные требования: Node 20, Rust stable и инструментарий платформы, который использует CI — на Ubuntu 22.04: libwebkit2gtk-4.1-dev libappindicator3-dev librsvg2-dev patchelf libgtk-3-dev; Windows требует MSVC-тулчейн; macOS требует инструменты командной строки Xcode.

PowerShell блокирует shim npm.ps1 — в Windows всегда вызывайте npm.cmd.

# 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.mjs

Структура рабочего пространства:

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 runtime

CI (.github/workflows/ci.yml) запускается при каждом push/PR: сборка фронтенда + тесты Rust на Ubuntu 22.04 и Windows. Релизы (.github/workflows/release.yml) собирают все три ОС на тегах v*, запускают тесты и создают черновик подписанного релиза с установщиками + артефактами обновления.

🗺 Дорожная карта

  • Потоковый чат (SSE) с видимостью вызовов инструментов

  • Просмотр графа знаний памяти

  • Линтер здоровья памяти (осиротевшие записи, битые вики-ссылки, дублирующиеся факты)

  • Управление жизненным циклом в интерфейсе (отмена / продвижение / хранение), тесты фронтенда

❓ FAQ

Приватна ли моя память? Да. AIBrain локально-ориентирован: заметки, эмбеддинги и поиск никогда не покидают вашу машину. Единственный необязательный исходящий трафик — это проверка автообновления и ключ OpenRouter, который вы добавляете сами для RAG-чата. Запустите audit (MCP-инструмент), чтобы увидеть точно, какие сетевые вызовы может совершать AIBrain.

Нужен ли GPU или API-ключ? Нет. Семантический поиск работает полностью офлайн на CPU с встроенной ONNX-моделью. Для страницы Ask (RAG-чат) вы можете принести ключ OpenRouter или указать на любой локальный сервер, совместимый с OpenAI (LM Studio, Ollama, BionicGPT) — или вообще пропустить чат и использовать AIBrain чисто как хранилище памяти агентов.

С какими AI-агентами он работает? opencode, Claude Code, Claude Desktop, Codex, Cursor, VS Code, Zed, Windsurf, Cline, Continue, Gemini CLI, Goose, Aider, Qwen Code, Kimi CLI, OpenHands, Copilot CLI и другие — всё, что говорит на MCP, плюс универсальное подключение через конфиг для остальных.

Чем это отличается от AGENTS.md / CLAUDE.md? Это статические файлы правил для конкретного проекта. AIBrain — это живая, доступная для поиска память между проектами: журналы сессий, курируемые концепции и обсуждения, которые каждый агент может вспомнить семантически — а не только тот, кто написал файл.

Удаляется ли что-либо когда-нибудь? Нет. Хранение архивирует старые записи входящих в папки с датами с жёстким 7-дневным минимальным сроком хранения, и каждое изменение журналируется, чтобы его можно было отменить.

📄 Лицензия

MIT — см. LICENSE.


Создано с Tauri 2 · ядро на Rust · React + TypeScript · работает с opencode, Claude Code, Codex, Cursor, VS Code, Zed и другими

Maintenance

ActivityMaintained
ResponsivenessSyncing

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

Related MCP Servers

  • A
    license
    Not graded
    quality
    A
    maintenance
    Local-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.
    2
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    Persistent shared memory for AI coding agents that turns a folder of markdown files into searchable memory across sessions, repos, and machines.
    12
    Functional Source , Version 1.1, MIT Future
  • A
    license
    Not graded
    quality
    D
    maintenance
    Provides 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.
    1
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    One 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.
    72
    8
    Apache 2.0

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/NitishKashyapR/unified-ai-memory'

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