kiro-recall

Ein lokaler MCP-Memory-Server für Kiro CLI, der deinem KI-Assistenten über Sitzungen hinweg ein persistentes, semantisches Gedächtnis verleiht.

Inspiriert von der Gedächtnisarchitektur von Kiro Crew – neu implementiert als leichtgewichtiges, eigenständiges System mit SQLite + Ollama-Embeddings und Obsidian als menschenlesbarem Sync-Ziel.

Was es tut

• Semantisches Gedächtnis – strukturierte Schlüssel-Wert-Fakten (pref.editor: Neovim, project.active: MyProject)

• Episodisches Gedächtnis – Gesprächsfragmente, die mit der Zeit verblassen (~23 Tage Halbwertszeit)

• Lektionen – Korrekturen und Regeln, die allen anderen Erinnerungen vorgehen (höchste Priorität)

• Semantischer Abruf – Vektor-Ähnlichkeitssuche über Qwen3-Embedding (1024-dimensional, läuft lokal)

• Obsidian-Sync – rendert Erinnerungen als Markdown mit [[wikilinks]] zur Graphen-Navigation

Related MCP server: tartarus-mcp

Architektur

┌──────────────────────────────────────────┐
│  Kiro CLI / any MCP client               │
│  Tools: Remember, Recall, Learn, Forget  │
└──────────────┬───────────────────────────┘
               │ stdio (MCP protocol)
       ┌───────▼───────┐          ┌─────────────────┐
       │  memory.db    │  sync →  │  Obsidian Vault  │
       │  (SQLite)     │          │  (Markdown)      │
       └───────┬───────┘          └─────────────────┘
               │
       ┌───────▼───────┐
       │  Ollama       │
       │  qwen3-embed  │
       │  (localhost)   │
       └───────────────┘

Voraussetzungen

• macOS oder Linux

• Python 3.10+

• Ollama (für lokale Embeddings)

• uv (empfohlen) oder pip

Installation

git clone https://github.com/YOUR_USERNAME/kiro-recall.git
cd kiro-recall
bash install.sh

Das Installationsskript wird Folgendes tun:

1. Ollama installieren (falls nicht vorhanden) und als Dienst starten

2. Das Modell qwen3-embedding:0.6b abrufen

3. Eine Python-venv erstellen und Abhängigkeiten installieren

4. Die MCP-Server-Konfiguration in ~/.kiro/settings/mcp.json installieren

5. Die Steuerdatei nach ~/.kiro/steering/obsidian-memory.md installieren

6. Optional das Gedächtnis aus einem bestehenden Obsidian-Vault befüllen

Manuelle Einrichtung

Falls du das Installationsskript nicht verwenden möchtest:

# 1. Install Ollama and the embedding model
brew install ollama  # or: curl -fsSL https://ollama.com/install.sh | sh
brew services start ollama
ollama pull qwen3-embedding:0.6b

# 2. Create venv and install deps
uv venv .venv
uv pip install "mcp[cli]>=1.0.0" "httpx>=0.27.0"

# 3. Copy to ~/.kiro/memory
mkdir -p ~/.kiro/memory
cp server.py db.py embed.py obsidian_sync.py ~/.kiro/memory/

# 4. Add to MCP config (see install.sh for the JSON patch)

MCP-Tools

Speicherstufen

Schlüsselformat

• pref.* – Benutzerpräferenzen (pref.theme, pref.voice, pref.editor)

• project.* – Aktive Projekte (project.active, project.stack)

• user.* – Fakten über den Benutzer (user.role, user.company, user.tools)

Obsidian-Sync

Manuell oder per Cron ausführen:

~/.kiro/memory/.venv/bin/python ~/.kiro/memory/obsidian_sync.py

Ausgaben:

• Memory/Semantic.md – alle Fakten, nach Präfix gruppiert

• Memory/Lessons.md – Korrekturen, nach Kategorie gruppiert

• Sessions/YYYY-MM-DD.md – die episodischen Erinnerungen von heute

Konfiguration

Setze den Obsidian-Vault-Pfad über die Umgebungsvariable (wird bei der Installation abgefragt und in ~/.kiro/memory/.env gespeichert):

export KIRO_MEMORY_VAULT="$HOME/Documents/Obsidian/My Vault"

Der Standardwert ist ~/Documents/Obsidian/Kiro Knowledge Base.

Der Ollama-Endpunkt wird in embed.py festgelegt:

OLLAMA_URL = "http://localhost:11434/api/embed"
MODEL = "qwen3-embedding:0.6b"

Lizenz

MIT