Skip to main content
Glama

TIMPS — Persistenter Speicher für KI-Codierungsagenten

Status: Soloprojekt, früh. Der MCP-Server und die CLI sind die Teile, die ich tatsächlich täglich nutze und denen ich vertraue. Alles andere in diesem Repo (Desktop-App, Mobil, JetBrains, Plugin-Marktplatz) ist jünger und weniger getestet — unten gekennzeichnet. Ich hätte wirklich lieber, dass du den Kern ausprobierst und mir sagst, dass er kaputt ist, als Marketingtexte zu lesen.


Probier es in 30 Sekunden aus

npx timps-code "what does this codebase do?"

Keine Installation, keine Konfiguration, kein API-Schlüssel. Richte es auf ein beliebiges Repo. Wenn du Ollama lokal laufen hast, ist das zu 100 % kostenlos und nichts verlässt deinen Rechner. Wenn nicht, führt es dich durch die Auswahl eines Anbieters.

Um tatsächlich persistenten Speicher in Claude Code, Cursor oder einem anderen MCP-Client zu erhalten, füge den MCP-Server hinzu:

npm install -g @timps-ai/timps-mcp

dann richte deinen MCP-Client darauf aus (Konfigurationsanweisungen in MCP Setup).


Related MCP server: Lockstep Core

Was es tatsächlich tut

Bitte Claude Code heute, einen Fehler zu beheben. Schließe die Sitzung. Frage morgen etwas Verwandtes — es hat keine Ahnung, was du gestern entschieden hast, was du bereits versucht hast oder warum du etwas so strukturiert hast, wie du es getan hast. Du endest damit, denselben Kontext in jeder Sitzung erneut zu erklären.

TIMPS sitzt zwischen dir und deinem Agenten als MCP-Server und führt einen Speicher pro Projekt:

  • Was es sich merkt — Architekturentscheidungen, die du getroffen hast, Muster und Konventionen, die für deine Codebasis spezifisch sind, Fehler, auf die du bereits gestoßen bist und wie sie behoben wurden, sowie ein einfaches Audit-Log darüber, was es geschrieben hat und warum.

  • Wo es lebt — lokale JSON/SQLite-Dateien standardmäßig, pro Projekt schlüsselbasiert, damit verschiedene Repos sich nicht vermischen. Optional Postgres/Qdrant, wenn du es teamweit teilen möchtest.

  • Was es kostet — kostenlos, wenn du Ollama lokal ausführst. Optionale kostenpflichtige Anbieter (Claude, GPT, Gemini), wenn du stattdessen deren Denkqualität möchtest.

Das ist das ganze Konzept. Es ist eine Speicherschicht, kein neuer Agent — es funktioniert neben jedem Codierungsagenten, den du bereits verwendest.


So funktioniert es (Kurzversion)

Unter der Haube ist der Speicher in ein paar echten Ebenen organisiert:

  1. Arbeitsspeicher — aktuelle Sitzung: aktive Dateien, letzte Fehler, Live-Ziele. Wird beim Beenden gelöscht.

  2. Episodischer Speicher — ein Protokoll vergangener Sitzungen und ihrer Ergebnisse.

  3. Semantischer Speicher — das Dauerhafte: Muster, Konventionen, Entscheidungen, die aus dem episodischen Speicher befördert wurden, weil sie weiterhin wichtig waren.

  4. Audit-Trail — ein append-only, hash-verkettetes Protokoll jedes Speicherzugriffs, damit du genau sehen kannst, was das System gelernt hat und wann.

Darüber hinaus gibt es eine tiefere Reihe von Subsystemen (zeitliche Mustererkennung, Widerspruchserkennung, Konfidenzbewertung, bedeutungsbasiertes Beschneiden) für diejenigen, die weiter gehen möchten — die vollständige Aufschlüsselung findest du in ARCHITECTURE.md statt hier, da die meisten Leute die Interna nicht kennen müssen, um es zu nutzen.


MCP Setup

Claude Code

Füge zu ~/.claude.json hinzu:

{
  "mcpServers": {
    "timps": {
      "command": "timps-mcp"
    }
  }
}

Cursor

Füge zu .cursor/mcp.json hinzu:

{
  "mcpServers": {
    "timps": {
      "command": "timps-mcp"
    }
  }
}

Windsurf

Füge zu ~/.config/windsurf/config.json hinzu:

{
  "mcpServers": {
    "timps": {
      "command": "timps-mcp"
    }
  }
}

Jeder andere MCP-Client

Führe timps-mcp über stdio aus. Das ist alles, was das Protokoll erfordert.


Was gemessen wird, ehrlich

Führe selbst aus: npx tsx benchmark/index.ts --quick

Metrik

Ergebnis

Recall@5 (20 Testabfragen gegen einen synthetischen Korpus mit 50 Fakten)

19/20

Widerspruchserkennung (10 bekannte widersprüchliche Paare)

10/10

Abfragelatenz, prozessintern, 500 Fakten

~1ms p95

Dies sind selbst durchgeführte Benchmarks auf einem synthetischen Datensatz, den ich erstellt habe — nicht unabhängig verifiziert und keine Aussage darüber, wie es auf deiner tatsächlichen Codebasis funktioniert. Betrachte sie als „die Kernlogik funktioniert wie vorgesehen", nicht als konkurrierende Behauptung.


Auch in diesem Repo (früh / experimentell)

Das Monorepo enthält eine VS-Code-Erweiterung, eine Desktop-App (Tauri), eine mobile App, ein JetBrains-Plugin und einen Multi-Agenten-„Schwarm"-Modus zur Aufgabenzerlegung. Diese existieren und funktionieren größtenteils, aber sie wurden weit weniger real eingesetzt als der CLI/MCP-Kern — behandle sie als „probier es aus, wenn du neugierig bist", nicht als „produktionsreif". Ich sage das lieber offen, als dass du es auf die harte Tour herausfindest.


Probier es aus und sag mir, was falsch ist

Das ist mir gerade wirklich nützlich: Führe den 30-Sekunden-Befehl oben auf einem deiner echten Repos aus und sag mir, was kaputtging, was verwirrend war oder was es falsch gemacht hat. Dieses Feedback ist für dieses Projekt mehr wert als ein Stern.

Lizenz

MIT

A
license - permissive license
-
quality - not tested
C
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 Servers

View all related MCP servers

Related MCP Connectors

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/TIMPSs/timps'

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