Skip to main content
Glama

Qué es y por qué

Cada instancia de un LLM nace sin memoria, y cada herramienta (opencode, Claude Code, Codex, Cursor, VS Code...) guarda lo suyo en silos incompatibles: hay que repetir el contexto y la continuidad muere entre sesiones. misMEM lo resuelve con una base SQLite (~/.mismem/mem.db) y un protocolo MCP de seis invocaciones, accesible desde cualquier cliente que hable MCP. La cooperatividad hace a la persistencia de la información.

La memoria tiene tres capas, como la biológica, y la pérdida es intencional: lo crudo se disuelve, lo destilado persiste, lo cristalizado permanece.

flowchart LR
    C["Cualquier cliente MCP<br/>opencode, Claude Code, Codex,<br/>Cursor, VS Code..."]

    subgraph E["engine (Node 22)"]
        S["server.ts<br/>MCP por stdio"]
        H["server-http.ts<br/>MCP por HTTP y visor, :3200"]
    end

    subgraph D["SQLite (mem.db)"]
        EP["episodes<br/>texto literal"] -->|consolidación| ME["memories<br/>gist, saliencia"] -->|crystallize| TR["traits<br/>patrones estables"]
    end

    N["Consolidación nocturna<br/>mismem-consolidate"]
    L["LLM<br/>cualquiera con API compatible con OpenAI"]
    V["Servidor de embeddings<br/>cualquier modelo, por /v1/embeddings"]

    C -->|stdio| S
    C -->|HTTP| H
    S --> D
    H --> D
    N -->|episodios pendientes| L
    L -->|memorias destiladas| N
    N --> D
    V -.->|vectores, opcional| E

Related MCP server: nuzo-memory

Quickstart

Linux: un script lo configura todo

git clone https://github.com/lucasmella-stack/misMEM.git && bash misMEM/scripts/install.sh

Pregunta dónde guardar la memoria y con qué proveedor consolidar (DeepSeek, OpenRouter, OpenAI, un servidor compatible o ninguno), deja la clave en ~/.config/mismem/env con permisos 600 y configura los clientes MCP que encuentre, con los hooks de inyección y refuerzo en Claude Code. Ofrece además montar un servidor de embeddings local para la búsqueda por significado (otro servidor u otro modelo) y dejar la consolidación nocturna como timer de systemd.

Los clientes llaman a ~/.local/bin/mismem-run, así que ninguna clave queda en su configuración. Volver a ejecutarlo actualiza sin duplicar y respeta lo que esté configurado a mano. --help explica el resto: --from-npm, el modo sin preguntas y qué clientes toca.

Docker: un servidor para varias máquinas

docker run -d --name mismem-brain \
  -e MISMEM_AUTH_USER=brain -e MISMEM_AUTH_PASS=<contraseña> \
  -v mismem-data:/data -p 127.0.0.1:3200:3200 \
  ghcr.io/lucasmella-stack/mismem-brain:latest
curl http://127.0.0.1:3200/healthz

Imagen multi-arch (linux/amd64 y linux/arm64). El visor queda en /viewer y el MCP en /mcp; para exponerlo con Traefik y TLS, DEPLOY.md.

npm: sin clonar nada

En la configuración MCP del cliente; el fichero y la forma cambian de uno a otro. Éste es el de los que usan mcpServers en JSON:

{
  "mcpServers": {
    "mismem": {
      "command": "npx",
      "args": ["-y", "@lucasmella/mismem"]
    }
  }
}

La base se crea sola en el primer uso (~/.mismem/mem.db, configurable con MISMEM_DB) y no sale de la máquina; las dos funciones opcionales que mandan texto afuera están en Privacidad.

git clone https://github.com/lucasmella-stack/misMEM.git
cd misMEM/engine
pnpm install
pnpm test        # todo verde antes de usar
pnpm build       # compila a dist/

Y en la configuración MCP del cliente: "command": "node", "args": ["<ruta-al-repo>/misMEM/engine/dist/server.js"].

Qué incluye

Qué hace

Más

Seis invocaciones

capture, recall, reinforce, consolidate, crystallize, forget, más una capa de compatibilidad con Engram (mem_save, mem_search, ...)

Arquitectura

Recall híbrido

Palabras (FTS5) y significado (embeddings, opcional) fusionados por RRF sobre las tres capas a la vez. Si el servidor de embeddings cae, sigue por palabras

Recall

Medido, no supuesto

Un corpus dorado público en castellano y pnpm eval: aciertos y MRR por tipo de pregunta, contra un suelo declarado

Recall

Saliencia con decay

Lo que no se usa pierde la mitad cada 90 días; el refuerzo sigue el uso real, no la aparición

Arquitectura

Índice hebbiano

Cuenta qué recuerdos se usaron juntos en el mismo turno

Arquitectura

Ámbitos

Un scope por proyecto o cliente dentro de la misma base; una búsqueda con ámbito no mezcla los demás

Arquitectura

Consolidación nocturna

Un LLM destila los episodios en memorias, con prefiltro de ruido

Consolidación

Visor web

Memorias, rasgos, lo pendiente, el origen de cada recuerdo, el estado del índice semántico y el grafo; con acciones opcionales

Arquitectura

Temas

Qué recuerdos hablan de lo mismo aunque vivan en ámbitos distintos, calculado sobre los vectores. El grafo se puede pintar por tema

Arquitectura

Lo que el modelo recibe

El servidor anuncia cuándo usar cada herramienta; cada resultado de recall trae su capa, su fecha, los detalles y la polaridad

Arquitectura

Hooks de cliente

Adelantan recuerdos antes de responder y refuerzan los que se usaron

Hooks

Ingesta y exportación

Exports de ChatGPT, transcripts de VS Code, migración desde Engram, bóveda de Obsidian

Arquitectura

Servidor remoto

MCP por Streamable HTTP con BasicAuth, guarda de Host y límite de cuerpo; el visor entra por su propio formulario

DEPLOY.md

El visor

Capturas del visor (/viewer): el grafo entero con sus ajustes, y el grafo local alrededor de una memoria con su detalle al costado. Cada nodo mide sus conexiones visibles y se pinta por ámbito o por tema.

Documentación

Para

Ir a

Operar un servidor, y todas las variables de entorno

DEPLOY.md

Entender el motor

docs/architecture.md, docs/recall.md, docs/hooks.md

Contribuir

CONTRIBUTING.md y las normas

Convenciones para agentes

AGENTS.md

Qué cambió en cada versión

CHANGELOG.md

Reportar una vulnerabilidad

SECURITY.md

Qué documento es para quién

docs/README.md

Privacidad

La memoria es de quien la usa. La base (*.db), los volcados y los exports personales están en .gitignore: nunca se commitean. El servidor HTTP sin MISMEM_AUTH_USER y MISMEM_AUTH_PASS corre sin autenticación: así sólo en localhost.

Dos funciones opcionales mandan texto fuera del proceso, y sólo si se configuran:

  • Búsqueda por significado: el servidor de embeddings recibe el texto de cada memoria, de cada rasgo, de cada episodio pendiente y de cada consulta. Conviene correrlo en la propia máquina o en la red interna.

  • Consolidación con LLM: los episodios viajan textuales al proveedor configurado (DeepSeek, OpenRouter, OpenAI o cualquier servidor compatible). Sin su clave no corre, y apuntándola a un servidor de la propia red no sale nada.

Contribuir

Los issues y los PR son bienvenidos. El punto de partida es CONTRIBUTING.md: entorno, flujo, formularios de issue y plantillas de PR.

Gracias

misMEM lo arrancó una persona sola, pero no siguió así. @iDiagoValeta colaboró en su desarrollo de forma activa como muestra de su amor y apoyo incondicional hacia el Open-Source.

Licencia

MIT. Ver LICENSE.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      F
      maintenance
      Local-first, auditable memory for AI agents. Provides durable context for MCP hosts with SQLite storage, CLI, and MCP tools for memory management.
      2
      Apache 2.0
    • A
      license
      Not graded
      quality
      D
      maintenance
      Persistent memory MCP server for AI agents, featuring a visual interface to browse, search, edit, and delete memory. It provides tools for capturing episodes, recalling, consolidating, crystallizing traits, and forgetting, with local SQLite storage and optional authenticated web UI.
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables coding agents to store, recall, and manage persistent memory across sessions through MCP tools, with reviewable handoffs and SQLite-backed local storage.
      1
      MIT