Skip to main content
Glama

📜 Litopys

Живая летопись для вашего ИИ.

Постоянная графовая память, которая сохраняется между сессиями и клиентами. Создана для Claude Code, Claude Desktop и любого агента, совместимого с MCP.

litopys-dev.github.io/litopys — установка, скриншоты и быстрое начало работы

CI License: MIT Bun


🇺🇦 Читати українською

Зачем нужен Litopys?

Современные системы памяти для ИИ-агентов заставляют идти на компромисс: либо тяжелые векторные базы данных с утечками подпроцессов и потреблением ~500 МБ ОЗУ, либо простые markdown-файлы, которые не масштабируются дальше нескольких десятков заметок.

Litopys предлагает третий путь: типизированный граф знаний, хранящийся в обычном markdown, работающий через легкий слой MCP (~75 МБ ОЗУ), редактируемый вручную и доступный для запросов как по ключевым словам, так и по структуре. Litopys означает «летопись» на украинском — потому что именно этим и должна быть память вашего ИИ: живой записью того, что он узнал о вас, когда и почему.

Related MCP server: auxly-memory-cli

Возможности

  • 🧠 Типизированный граф — 6 типов узлов (человек, проект, система, концепция, событие, урок) с 11 первоклассными типами связей

  • 🔌 MCP-native — работает с Claude Code, Claude Desktop, Cursor, Cline или любым клиентом MCP (см. docs/integrations)

  • 📝 Markdown-first — каждый узел является обычным файлом .md с YAML-заголовком. Можно редактировать вручную, искать через grep, версионировать в git

  • 🤖 Модельно-независимый экстрактор — Anthropic, OpenAI или локальная Ollama. Выбирайте в зависимости от вашего бюджета ресурсов/средств (см. Расход ресурсов ниже). Факты проходят через карантин, поэтому ничего не попадет в базу без проверки

  • 🌐 Веб-панель управления — просматривайте, ищите, редактируйте, визуализируйте граф и проверяйте карантин по адресу http://localhost:3999

  • 🔐 Локальное хранение — граф живет в ~/.litopys/graph/ в виде файлов; сервер по умолчанию привязывается к 127.0.0.1; никакой телеметрии

Панель управления

Скриншоты сделаны на основе синтетического демо-графа, входящего в комплект docs/screenshots/ — это не личные заметки автора.

Статус

Вышел v0.1.2 — готовые бинарные файлы для Linux / macOS / Windows (x64 + arm64) с контрольными суммами SHA-256, проверяемыми через install.sh. Релиз безопасности поверх стабильной ветки v0.1.1 — см. CHANGELOG. Публичные интерфейсы (инструменты MCP, CLI, экспорт JSON schemaVersion: 1, структура markdown на диске) заморожены; критические изменения будут выпускаться в версии 0.2.x.

Основной граф, MCP-сервер (5 инструментов, stdio + HTTP/SSE), экстрактор + карантин + еженедельный дайджест, таймер-демон, панель управления (чтение + запись + визуализация графа + проверка карантина), механизмы защиты идентификации, сборка в один бинарный файл, установщик в одну строку, документация по интеграции для каждого клиента — всё готово. См. Что дальше для планируемых обновлений.

Расход ресурсов

Честные цифры из личной установки автора (Ubuntu, Bun 1.x). MCP-сервер потребляет мало; экстрактор — это то, где возникают расходы, и они зависят от выбранного адаптера.

Компонент

ОЗУ

Когда возникают расходы

MCP-сервер (stdio или HTTP)

~75 МБ

всегда, пока подключен клиент

Просмотр / веб-панель

~50 МБ

опционально, только во время работы

Экстрактор — Anthropic / OpenAI

0 локально

за вызов API (токены), нет локального ОЗУ

Экстрактор — Ollama + модель 3B

~2–3 ГБ

только во время тика, выгружается после

Экстрактор — Ollama + модель 7B

~5 ГБ

только во время тика, выгружается после

Таким образом, минимальный расход составляет ~75 МБ для MCP-сервера. Извлечение опционально — вы можете использовать Litopys только для чтения/записи из вашего агента и никогда не запускать демона. Если вы включите извлечение, вариант с локальной Ollama меняет деньги на ОЗУ; вариант с Anthropic/OpenAI меняет ОЗУ на центы за сессию. Параметр keep_alive в Ollama означает, что показатели 3B/7B временны — модель выгружается из ОЗУ через несколько минут после завершения тика.

Быстрый старт

Установка в одну строку (Linux / macOS):

curl -fsSL https://raw.githubusercontent.com/litopys-dev/litopys/main/install.sh | sh

Это скачивает один бинарный файл (~100 МБ) в ~/.local/bin/litopys, инициализирует ~/.litopys/graph/ с необходимыми поддиректориями и выводит подсказки по регистрации MCP.

Закрепите конкретную версию, поместив присвоение после пайпа — переменные окружения, установленные перед curl, действуют только на сам curl, а не на переданную оболочку:

curl -fsSL https://raw.githubusercontent.com/litopys-dev/litopys/main/install.sh | LITOPYS_VERSION=v0.1.2 sh

Затем зарегистрируйте MCP-сервер в вашем клиенте:

# Claude Code
claude mcp add litopys -- ~/.local/bin/litopys mcp stdio
// Claude Desktop — ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "litopys": {
      "command": "/home/you/.local/bin/litopys",
      "args": ["mcp", "stdio"]
    }
  }
}

Перезапустите клиент. Ресурс litopys://startup-context автоматически загружает профиль владельца, активные проекты, недавние события и ключевые уроки при каждой новой сессии. Агент читает/пишет через пять инструментов MCP: litopys_search, litopys_get, litopys_related, litopys_create, litopys_link.

Полные инструкции для конкретных клиентов находятся в docs/integrations/ — Claude Code, Claude Desktop, Cursor, Cline, ChatGPT Connectors, Gemini.

Удаленный режим (HTTP/SSE)

Для удаленных клиентов (коннекторы Claude Desktop, MCP-хосты в браузере):

LITOPYS_MCP_TOKEN=your-secret litopys mcp http
# listens on 127.0.0.1:7777 by default
# set LITOPYS_MCP_BIND_ADDR=0.0.0.0 + TLS proxy for remote exposure
# set LITOPYS_MCP_CORS_ORIGIN=https://your-client to enable CORS

Установка для разработки (из исходного кода)

git clone https://github.com/litopys-dev/litopys.git
cd litopys
bun install
bun run build:binary       # produces dist/litopys

Опционально — демон для долгоживущих транскриптов

cp packages/daemon/systemd/litopys-daemon.{service,timer} ~/.config/systemd/user/
systemctl --user enable --now litopys-daemon.timer

Опционально — автозапуск веб-панели

Панель управления (litopys viewer) может работать как пользовательская служба systemd, чтобы она возвращалась после каждой перезагрузки.

litopys viewer install        # generates token, writes unit, enables service
litopys viewer install --lan  # same + binds to 0.0.0.0 for LAN access
systemctl --user status litopys-viewer

# Remove:
litopys viewer uninstall

Токен доступа. viewer install автоматически генерирует случайный токен и сохраняет его в ~/.litopys/viewer.token. Вывод установки печатает готовый к использованию URL со встроенным токеном:

✓ litopys-viewer installed

  Open dashboard:    http://localhost:3999/?token=<token>
  Share with others: http://192.168.1.x:3999/?token=<token>   # --lan only

  Opening the link once saves the token — no re-entry needed.
  Retrieve token later: cat ~/.litopys/viewer.token

Открытие URL один раз сохраняет токен в localStorage — больше никаких запросов. Чтобы поделиться доступом на запись с кем-то, отправьте им URL, который включает ?token=…. Чтобы получить токен в любое время: cat ~/.litopys/viewer.token.

GET-эндпоинты (просмотр, поиск, вид графа) всегда открыты. Мутирующие эндпоинты (создание / редактирование / удаление узлов, принятие или отклонение карантина) требуют токен.

Или установите LITOPYS_ENABLE_VIEWER=1 при запуске install.sh, чтобы включить его как часть установки в одну строку. Требуется loginctl enable-linger $USER, если вы хотите, чтобы панель управления оставалась активной после выхода из системы.

Проверка целостности

litopys check           # human-readable report, grouped by error kind
litopys check --json    # { nodeCount, edgeCount, errorCount, errors[] } for CI

Загружает и разрешает весь граф, затем помечает битые ссылки, дубликаты ID, связи с неверным типом и ошибки парсинга/валидации. Завершается с ненулевым кодом при обнаружении проблем — добавьте это в git pre-push хук или шаг CI, чтобы ошибки никогда не попадали в базу незаметно.

Резервное копирование графа

Litopys хранит всё как обычный markdown в ~/.litopys/graph/, поэтому работает любой инструмент, версионирующий файлы. Два распространенных подхода:

Git + приватный удаленный репозиторий (инкрементальная история, вне сайта, бесплатно):

cd ~/.litopys
git init
git add graph/ .gitignore README.md
git commit -m "baseline"
gh repo create my-litopys-graph --private --source=. --push

С этого момента каждый хук завершения сессии или ручное принятие оставляет рабочее дерево «грязным» — периодически делайте git add -A && git commit -m "sync" && git push, чтобы поддерживать резервную копию в актуальном состоянии. Ваш граф содержит личные факты, поэтому держите удаленный репозиторий приватным.

JSON-снимок (портативный, удобный для diff, дружелюбный к инструментам):

litopys export > graph.json              # compact
litopys export --pretty > graph.json     # indented, VCS-friendly
litopys export --no-body > meta.json     # metadata only, strip markdown bodies

Дамп содержит meta (exportedAt, counts, schemaVersion) плюс все узлы, отсортированные по ID, и ребра, отсортированные по (from, relation, to) — детерминировано между запусками, поэтому diff graph-yesterday.json graph-today.json точно покажет, что добавил LLM/демон. Передавайте его в инструменты анализа, переносите между хостами или коммитьте вместе с кодом.

Восстановление из снимка на новом хосте (или после переустановки):

litopys import graph.json --dry-run   # preview the plan
litopys import graph.json             # create new nodes, skip existing ones
litopys import graph.json --force     # also overwrite existing ids

По умолчанию используется консервативный подход — существующие узлы никогда не затрагиваются, если вы не передадите --force. Каждый узел предварительно проверяется на соответствие схеме, поэтому поврежденный снимок прервет процесс до того, как что-либо попадет на диск.

История релизов

См. CHANGELOG.md. Будущая работа определяется отзывами реальных пользователей — откройте issue, если что-то не устраивает.

Принципы проектирования

  • Агентно-независимый. Нет жесткой зависимости от какого-либо поставщика LLM или клиента. MCP — единственная точка интеграции. Ollama — экстрактор по умолчанию; Anthropic/OpenAI — опциональные адаптеры.

  • Портативные данные. Граф — это обычный markdown + YAML-заголовок на диске. Читается в любом редакторе, версионируется в git, доступен для поиска из оболочки.

  • Легкая среда выполнения. ~75 МБ ОЗУ для MCP-сервера. Экстрактор работает вне процесса и запускается по вашему расписанию, а не при каждом запросе — см. Расход ресурсов для полного анализа затрат по адаптерам.

  • Опциональные интеграции. Вспомогательные инструменты для конкретных клиентов (хуки, фрагменты конфигурации) находятся в docs/integrations/ — вы можете использовать Litopys без них.

Лицензия

MIT © 2026 Denis Blashchytsia и участники Litopys.

A
license - permissive license
Not graded
quality - not tested
A
maintenance

Maintenance

Maintainers
Response time
1wRelease cycle
6Releases (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.

Related MCP Servers

  • A
    license
    Not graded
    quality
    B
    maintenance
    Governed multi-agent memory for AI agents. Hybrid markdown + SQLite store with full-text search, vector retrieval, and LLM reranking. Three transports: MCP stdio, HTTP JSON-RPC, and MCP SSE. One Go binary
    1
    Apache 2.0
  • 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
    B
    quality
    C
    maintenance
    Local Markdown-backed memory tools for Codex and other MCP-capable agents. Exposes durable agent knowledge via CLI and MCP server.
    5
    MIT
  • A
    license
    A
    quality
    B
    maintenance
    A local-first shared memory layer for MCP-aware agents like Claude, Codex, and Hermes, enabling persistent memory across chats and clients via Markdown files and SQLite FTS.
    6
    2
    MIT

View all related MCP servers

Related MCP Connectors

  • Token-efficient MCP memory for Markdown vaults. Tiered search, GraphRAG, AI memories.

  • Persistent memory and knowledge graphs for AI agents. Hybrid search, context checkpoints, and more.

  • Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.

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/litopys-dev/litopys'

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