papi
OfficialPAPI
Deine KI startet jede Sitzung bei null. Dein Projekt bleibt auf Kurs.

KI-Codierungswerkzeuge sind großartig darin, Code zu schreiben, und schrecklich darin, eine Richtung beizubehalten. Der Umfang wächst, Pläne ändern sich, und die Entscheidungen dahinter werden in einem Chatfenster getroffen und gehen dort verloren. PAPI hält das Projekt auf Kurs. Es gibt deinem Assistenten strukturierte Plan-, Build-, Review- und Release-Zyklen sowie eine Entscheidungs-Historie, die festhält, was gewählt, was verworfen wurde und warum. Dein Assistent schreibt und liest sie, während er arbeitet, sodass sie aktuell bleibt, ohne dass jemand sie pflegt.
Du verbindest es einmal. Von da an startet dein Assistent jede Sitzung mit dem Wissen, in welchem Zyklus du dich befindest, was in Arbeit ist und was als Nächstes zu tun ist.
Kostenlos starten. Die gesamte Plan → Build → Review → Release-Schleife für bis zu drei Projekte, ohne Karte. Free führt ein echtes Projekt von Anfang bis Ende durch; es ist keine Testversion. Preise.
Was dieses Repo ist. Dokumentation, Installationsanleitungen und der Issue-Tracker. Die Engine von PAPI ist Closed Source und gehostet – du verbindest dich damit, du baust sie nicht von hier aus. Das Paket
@papi-ai/serverauf npm ist die unterstützte lokale Laufzeit. Der Inhalt dieses Repos ist MIT-lizenziert.
Schnellstart
Lass deine KI es installieren. Füge dies deinem Assistenten ein – Cursor, Claude Code, Windsurf, Codex, VS Code oder einem anderen MCP-Client:
Lies https://getpapi.ai/llms.txt und richte PAPI ein
Das ist die gesamte Installation. Dein Assistent liest das Runbook für das jeweilige Tool, in dem er läuft, und richtet die Verbindung selbst ein. (Dieselben Anweisungen findest du in diesem Repo als llms.txt und llms-install.md, falls dein Assistent keine URLs abrufen kann.)
Dann authentifiziere dich – dieser Teil liegt bei dir. PAPI meldet sich über OAuth an, und keine KI kann für dich durch einen Browser-Zustimmungsbildschirm klicken. Dein Assistent sagt dir genau, wo du klicken musst; bis du das tust, bleibt der Server bei Needs authentication und kein Tool-Aufruf funktioniert. Das ist der Schritt, den Leute übersehen.
Sobald du verbunden bist, sag deinem Assistenten:
Führe das
setup-Tool aus, um dieses Projekt zu scaffolden, dann führeorientaus und sag mir, in welchem Zyklus sich dieses Projekt befindet.
Du willst es lieber selbst einrichten?
In Claude Code ist der kürzeste Weg das Plugin – zwei Zeilen, nichts zum Kopieren oder Bearbeiten:
/plugin marketplace add getpapi/papi
/plugin install papi@papiDas Plugin enthält die Server-Konfiguration sowie zwei Skills: check-mcp diagnostiziert eine Verbindung, die nicht funktioniert, und papi-verify prüft den aktuellen Zyklus.
Jedes Tool akzeptiert auch direkt denselben streamable-HTTP-Endpunkt, https://mcp.getpapi.ai/mcp. In Claude Code sieht das so aus:
claude mcp add --transport http papi https://mcp.getpapi.ai/mcpIn jedem Fall schließe mit /mcp → papi → Authenticate ab.
DeepSeek-Harness-Nutzer können das repository-eigene Bundle installieren, nachdem sie ein PAPI-Verbindungstoken erstellt haben:
dsh plugin --profile web add @papi-ai/deepseek-harnessSiehe PAPI für DeepSeek Harness für Token-Handling, Verifizierung, Kompatibilität und Entfernung.
Tool-spezifische Konfiguration für Cursor, VS Code, Windsurf, Codex und jeden generischen MCP-Client findest du in docs/install.md.
Related MCP server: Mono Memory MCP
Was du bekommst
plan zerlegt deine Ziele in einen Zyklus aus richtig dimensionierten Aufgaben, jede mit einem Build-Handoff, den dein Assistent direkt ausführen kann.
build verfolgt, was gebaut wurde, was dich überrascht hat und was unterwegs entdeckt wurde.
review und release schließen den Kreis, sodass jeder Zyklus den nächsten Plan speist.
Strategie-Reviews treten alle paar Zyklen einen Schritt zurück und prüfen die Richtung, nicht nur die Geschwindigkeit.
Ein Dashboard unter getpapi.ai zeigt deine Zyklen, das Board und Entscheidungen, sodass du den Projektzustand sehen kannst, ohne zu fragen.
Die Methodik ist das Produkt: eine Plan-, Build-, Review-, Release-Schleife, die dein Assistent mit dir durchläuft, mit Erinnerung, die sich aufbaut. PAPI wurde mit PAPI für jeden Zyklus im obigen Badge gebaut.

Der Hub öffnet sich mit einer Frage – was als Nächstes passiert. Der Fortschritt des Zyklus durch Plan, Build, Review und Release steht darunter.

Das Board ist das vollständige Bild. Dein Assistent schreibt als Nebeneffekt der Arbeit darauf, sodass es aktuell ist, ohne dass jemand es pflegt.
Wie sich das von einem Tracker unterscheidet
Im Gegensatz zu Linear, Jira, Asana oder Notion wurde dies nicht für Menschen gebaut und dann für Agenten geöffnet. Diese Boards gehen davon aus, dass ein Mensch das Ticket schreibt und ein Mensch es liest, in einem Tab, den deine KI nicht sehen kann. PAPIs Board wird von deinem Assistenten als Nebeneffekt der Arbeit geschrieben und gelesen: Ein Build zu starten öffnet die Aufgabe, sie abzuschließen erstellt den Bericht, das Release schließt den Zyklus. Du genehmigst den Plan und gibst das Review frei. Die Ticket-Administration dazwischen ist der Teil, der verschwindet. Du verwaltest das Ergebnis, nicht die Tastendrücke.
Im Gegensatz zu Taskmaster und anderen In-Repo-Aufgabendateien ist PAPIs Zustand keine Datei, die ein Tool einmal generiert und dann abweicht. Er ist gehostet und strukturiert – Zyklen, Build-Berichte, Review-Urteile und Active Decisions mit Konfidenzniveaus, die sich ändern, wenn Beweise eintreffen. Dieselbe Projekt-Erinnerung ist von Claude Code, Cursor, VS Code oder Codex aus vorhanden, sodass ein Toolwechsel deinen Kontext nicht zurücksetzt und die Erkenntnisse des letzten Zyklus eine Eingabe für den nächsten Plan sind, statt etwas, an das du dich erinnern musst, es zu erwähnen.
Keines davon ist ein Vorwurf an die Tools. Sie lösen ein anderes Problem als das, das jedes Mal bricht, wenn dein Assistent ein neues Fenster öffnet.

Active Decisions sind der Teil, für den ein Task-Tracker kein Feld hat: was entschieden wurde, warum, was verworfen wurde und wann es erneut überprüft werden sollte. Das Vertrauen bewegt sich, wenn Beweise eintreffen.

Jeder Zyklus hinterlässt eine Spur, sodass die Begründung hinter dem Projekt auch Monate später noch da ist – auch für den Assistenten, der sie zurückliest.
Tools
PAPI stellt deinem Assistenten diese MCP-Tools zur Verfügung. Die gesamte Schleife ist eine Handvoll Aufrufe.
Kernschleife
orient – ein Aufruf gibt den aktuellen Zyklus, was in Arbeit ist und die empfohlene nächste Aktion zurück. Führe es zu Beginn jeder Sitzung aus.
setup – scaffoldet PAPI auf ein neues Projekt.
plan – zerlegt Ziele in einen Zyklus aus richtig dimensionierten Aufgaben, jede mit einem Build-Handoff, den dein Assistent direkt ausführen kann.
build_list – listet die Aufgaben des aktuellen Zyklus und ihre Handoffs auf.
build_execute – startet eine Aufgabe (erstellt einen Branch und Handoff) und schließt sie ab (zeichnet den Build-Bericht auf).
review_list / review_submit – zeigt fertige Builds an und zeichnet Accept / Request-Changes / Reject-Urteile auf.
release – merged abgeschlossene Arbeit und rollt den Zyklus vorwärts.
Board und Backlog
board_view – liest das Projekt-Board und jede Aufgabe.
board_edit – ändert Status, Zyklus, Priorität oder Notizen einer Aufgabe.
ad_hoc – zeichnet schnelle Arbeit außerhalb des Zyklus auf, sodass sie in der Projekt-Historie erscheint.
idea – erfasst ein Feature, einen Bug oder eine Forschungsnotiz im Backlog.
bug – meldet einen Bug gegen das Board.
Strategie und Intelligenz
strategy_review – tritt alle paar Zyklen einen Schritt zurück, um die Richtung zu prüfen, nicht nur die Geschwindigkeit.
strategy_change – zeichnet eine Active Decision auf, mit Supersede-Historie.
zoom_out – eine periodische Retrospektive über viele Zyklen.
Dokumente und Projekte
doc_register / doc_search – registriert und findet Projekt-Referenzdokumente.
project_list / project_switch / project_create – verwaltet mehrere PAPI-Projekte.
Dokumentation
In diesem Repo:
Doc | Was es abdeckt |
Das Agent-Runbook – weise deine KI darauf hin (Live-Version: getpapi.ai/llms.txt) | |
Tool-spezifische Installationsanweisungen für KI-Assistenten | |
Installationspfade für jedes unterstützte Tool | |
Zyklen, Handoffs, Entscheidungen und wie die Teile zusammenpassen | |
Verbindungsprobleme, Projekt-Routing, häufige Fixes |
Vollständige Dokumentation auf der Website – kein Konto nötig:
Seite | Was sie abdeckt |
Von null zu deinem ersten Zyklusplan in unter 5 Minuten | |
Die vollständige Plan → Build → Review → Release-Schleife | |
Zyklen, Handoffs, Active Decisions – das Vokabular | |
Jeder Befehl auf einer Seite | |
Jedes PAPI-MCP-Tool mit Parametern und Anwendungsfällen | |
Erste Hilfe bei Verbindung und Authentifizierung | |
Für Teams: Dashboards lesen, Zyklusberichte, Review-Ablauf |
Community und Support
Festgefahren oder etwas kaputt? Öffne ein Issue – es gibt Vorlagen für jeden Fall, und die Verbindungsproblem-Vorlage ist die richtige, wenn PAPI sich nicht verbinden oder nicht authentifizieren lässt, was die häufigste Stolperstelle ist:
Discord ist schneller für Fragen, und Release-Notizen landen dort zuerst.
CONTRIBUTING.md beschreibt, wie ein nützlicher Bericht aussieht und was ein Docs-PR ändern kann.
Eine Schwachstelle gefunden? Öffne kein Issue – SECURITY.md hat den privaten Kanal.
Repository mit einem Stern markieren
Wenn PAPI für dich nützlich ist, gib ihm einen Stern. Das ist die einzige Bitte, und so finden es andere, die mit KI-Assistenten entwickeln.
Links
Website und Dashboard: getpapi.ai
Preise: getpapi.ai/pricing — kostenloser Tarif, keine Kreditkarte
Was in jedem Zyklus veröffentlicht wurde: getpapi.ai/changelog
Daten, Zugriff und was PAPI noch nicht hat: getpapi.ai/trust
Lizenz: der Inhalt dieses Repos (Dokumentation, Anleitungen, Konfigurationsbeispiele, Dockerfile) ist MIT. Diese Lizenz gilt nur für dieses Repository — nicht für die PAPI-Engine und nicht für den Namen oder das Logo von PAPI, die Marken sind.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.
No tool schema history has been recorded yet.
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
The project brain for AI coding agents — memory, decisions, sprints, knowledge base via MCP.
Persistent AI memory shared across Claude, ChatGPT, coding agents, and compatible MCP clients.
Project memory for coding agents: requirements, decisions, code graph and delivery telemetry.
1Your versioned memory across every AI tool — context maps, personal memory, and tasks over MCP.
Related MCP Servers
- FlicenseNot gradedqualityNot gradedmaintenanceAn MCP server that provides persistent project context, workflow management, and knowledge capture for AI coding agents. It enables agents to maintain structured memory across sessions by tracking project profiles, conventions, skills, and technical debt.7-
- AlicenseNot gradedqualityDmaintenanceA self-hosted MCP server that provides AI assistants with a shared, persistent SQLite-backed memory for storing and retrieving project context, decisions, and discoveries. It enables cross-session continuity and team-wide knowledge sharing to keep AI coding tools aligned and informed.3MIT
- AlicenseNot gradedqualityDmaintenanceA database-backed MCP server that acts as a project memory bank, enabling AI assistants to store, retrieve, and search structured context like decisions, tasks, and architecture using SQLite and vector embeddings.Apache 2.0
- AlicenseNot gradedqualityDmaintenanceMCP server that provides persistent memory and contextual awareness to language models, enabling project onboarding, recall of architectural rules, and code consistency across sessions.32MIT
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/getpapi/papi'
If you have feedback or need assistance with the MCP directory API, please join our Discord server