Skip to main content
Glama
dannybombastic

AI Context Manager

by dannybombastic
OverviewSchemaRelated ServersScoreDiscussions
Python
Hybrid

AI Context Manager MCP

Servidor MCP (Model Context Protocol) en Python que actúa como sync agent entre el workspace local y la aplicación cloud.

¿Qué hace?

  • Gestiona la carpeta .ai/ en tu workspace (skills, prompts, specs, contexto, bootstrap)

  • Sincroniza assets con la app cloud (cloud_sync pull/push)

  • Genera MODEL_BOOTSTRAP.md adaptado al entorno (vscode, claude, opencode, cli, generic)

  • Mantiene .gitignore actualizado para no commitear el contexto local

Related MCP server: Mnehmos Synch

Requisitos

  • Python 3.11+

  • pip / pipx

Instalación

# Con pipx (recomendado, instala en entorno aislado)
pipx install .

# O con pip en un virtualenv
python -m venv .venv
source .venv/bin/activate   # Linux/macOS
.venv\Scripts\activate      # Windows
pip install -e .

Variables de entorno (obligatorias para sync cloud)

# Linux/macOS
export AI_CONTEXT_MANAGER_BASE_URL="https://cloud.example.com"
export AI_CONTEXT_MANAGER_TOKEN="pat_xxx"

# Windows (PowerShell)
$env:AI_CONTEXT_MANAGER_BASE_URL="https://cloud.example.com"
$env:AI_CONTEXT_MANAGER_TOKEN="pat_xxx"

# Windows (cmd)
set AI_CONTEXT_MANAGER_BASE_URL=https://cloud.example.com
set AI_CONTEXT_MANAGER_TOKEN=pat_xxx

Arrancar el servidor MCP

# Modo stdio (para clientes MCP como Claude Desktop, OpenCode, etc.)
python -m mcp_server

# O usando el script instalado
ai-context-manager serve

Configuración en VS Code (tasks.json)

Crear .vscode/tasks.json en tu proyecto:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "AI Context Manager: Start MCP",
      "type": "shell",
      "command": "python -m mcp_server",
      "options": {
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      },
      "problemMatcher": []
    },
    {
      "label": "AI Context Manager: Sync (pull)",
      "type": "shell",
      "command": "ai-context-manager cloud-sync --direction pull",
      "options": {
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      },
      "problemMatcher": []
    }
  ]
}

Configuración en Claude Desktop

Añadir en claude_desktop_config.json:

{
  "mcpServers": {
    "ai-context-manager": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "env": {
        "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
        "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
      }
    }
  }
}

Configuración en OpenCode

Añadir en tu config de OpenCode:

{
  "mcp": {
    "servers": {
      "ai-context-manager": {
        "command": "python",
        "args": ["-m", "mcp_server"],
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      }
    }
  }
}

Setup inicial de un proyecto

# 1. Inicializar .ai/ en el workspace
ai-context-manager init --mode workspace

# 2. Vincular con proyecto cloud
ai-context-manager cloud-link --project-key my-project

# 3. Descargar assets del cloud
ai-context-manager cloud-sync --direction pull

# 4. Asegurar .gitignore
ai-context-manager ensure-gitignore

Tools disponibles (MCP)

Tool

Descripción

init_storage

Inicializa .ai/ en workspace o global

ensure_gitignore

Añade .ai/ al .gitignore

scan_repo

Escanea el repo buscando assets IA

list_assets

Lista assets (skills/prompts/specs/context)

register_asset

Registra un asset existente en el registry

move_asset

Mueve un asset actualizando el registry

remove_asset

Elimina un asset del registry

create_skill

Crea un nuevo skill desde template

create_prompt

Crea un nuevo prompt desde template

create_spec

Crea una nueva spec desde template

generate_bootstrap

Genera MODEL_BOOTSTRAP.md para el entorno

cloud_project_link

Vincula workspace con proyecto cloud

cloud_sync

Sincroniza assets (pull: cloud→local, push: local→cloud)

cloud_pull_backup

Descarga un backup específico del cloud

Resources disponibles (MCP)

Resource

Descripción

registry://

Contenido completo del registry.json

context://bootstrap

Contenido del MODEL_BOOTSTRAP.md

skills://<id>

Contenido de un skill por ID

prompts://<id>

Contenido de un prompt por ID

specs://<id>

Contenido de una spec por ID

Estructura local generada

.ai/
  registry.json          # fuente de verdad local
  context/
    AI_GUIDELINES.md
    MODEL_BOOTSTRAP.md   # generado por generate_bootstrap
  skills/
    *.md
  prompts/
    *.md
  specs/
    *.md
  templates/
    skill.md
    prompt.md
    spec.md
  .sync/
    state.json           # estado de sync (hashes/ETags)
    project.json         # binding local_path <-> project_key
Install Server
A
license - permissive license
B
quality
A
maintenance

How are these scores calculated?

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.

Tools

View all tools

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/dannybombastic/mcp-standard-ai'

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