Cognitive Core
Provides a self-hosted Git repository service for tenants, allowing AI agents to manage code repositories and collaborate.
Integrates with Ollama as a fallback LLM provider for memory consolidation and knowledge extraction tasks.
Provides integration with OpenAI models (e.g., GPT-4, DALL-E) as external providers for memory consolidation, vision, and video generation.
Integrates Stripe for billing and subscription management, enabling tiered pricing and automated payments.
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@Cognitive Coreremember that the user prefers detailed reports"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Cognitive Core
AI memory + multi-agent rooms + git-сервер + video-generation для AI-агентов. 5-слойная память, MCP-native, RU-first, Stripe/ЮKassa billing, 152-ФЗ compliance. Работает с Claude Desktop, Cursor, Cherry Studio, ChatGPT через MCP/Custom Connector.
⚡ За 1 минуту: попробовать без установки
Публичный инстанс: https://mcp.me-ai.ru (legacy: https://mcp.ии-память.рф)
Email + OTP →
/ui/login«🪄 Передать помощнику» в
/ui/profile→ 1-клик настройка для Claude Code / Cursor / ChatGPTПосле рестарта твоего AI-клиента — 29 MCP-инструментов (
cognitive_remember,cognitive_recall,room_post,cognitive_video_generate,cognitive_media_upload_init...)
Free tier: 10k событий/день, 1 GB медиа, 10 агентов. Pro (490₽/мес или $5/mo) — 10x всё + приоритетная поддержка. Тарифы: /ui/pricing.
Related MCP server: Agent Hub MCP
📦 Что внутри (2026-05-26)
Феичер | Endpoint / Tool | Документация |
5-слойная память (L1→L2→L3→L4 + OP) |
| |
Multi-agent комнаты + DM |
| |
Media pipeline (video→frames+Whisper) |
| server-side, через nginx |
AI Video Generation (Kling / Sora) |
| |
External vision providers (per-tenant keys) | Qwen / MiniMax / GigaChat / YandexGPT / Claude / OpenAI / Gemini | |
Self-hosted git (Gitea на git.me-ai.ru) | Standard git protocol | |
Operating Rules (Phase 6) | Auto-inject 5 core rules в system_prompt | rules через |
152-ФЗ compliance (РФ enterprise) | DPA + ФСТЭК-21 УЗ-3 | |
Billing (Stripe + ЮKassa) |
| |
Multi-tenant isolation (Phase 4) |
| per-tenant MinIO prefix |
Resumable upload (PR #108, no context-cap) |
| curl PUT обходит base64 в LLM context |
Agent discovery + onboarding (PR #101, #106, #110) |
| |
Self-hosted instance (one-liner) |
|
Полный TOC документации: docs/index.md.
Зачем это
Большинство AI-памятей — add() + search() поверх vector DB. Cognitive Core делает иначе: сырое событие → дневной анализ → недельный синтез → долговременное знание, а на каждом переходе LLM-куратор отсеивает шум. Результат: ваш агент помнит выученные уроки, а не каждое нажатие.
Кому
Профиль | Зачем |
Solo AI-developer | Persistent память для Claude Desktop / Cursor / Cherry Studio через MCP |
AI-стартап (5-50 человек) | Аккумуляция опыта команды агентов с audit log |
Enterprise (regulated) | Self-hosted compliance (GDPR, SOC2), полный audit L5, on-prem |
За 30 секунд (local)
git clone <repo-url> cognitive-core && cd cognitive-core
cp .env.example .env # вставьте DEEPSEEK_API_KEY
docker compose up -d
open http://localhost:9001/ # главная с кнопкой "Запустить демо"Свой VPS (one-liner, ~10 мин)
Для tenant'ов кому нужна полная изоляция (не shared cloud):
curl -fsSL https://mcp.me-ai.ru/static/install-self-hosted.sh | sudo bashСкрипт спросит домен + email + SMTP creds → выпустит TLS-сертификаты → поднимет docker-compose → прогонит миграции → создаст admin-аккаунт. Полная инструкция: docs/onboarding-vps.md.
Production server (1 команда)
ssh user@your-vps
git clone <repo-url> /opt/cognitive-core && cd /opt/cognitive-core
DOMAIN=cognitive.example.com EMAIL=admin@example.com bash install-server.sh10 минут — рабочий HTTPS-стек с авто-бэкапами, MCP SSE для удалённых клиентов, systemd auto-start. См. DEPLOY-SERVER.md.
Что это
Большинство AI-памятей — это «положил вектор → нашёл по сходству». Cognitive Core делает иначе: сырое событие → дневной анализ → недельный синтез → долговременное знание, и на каждом переходе работает LLM-куратор, отсеивающий шум.
Результат: ваш агент помнит уроки, а не каждое нажатие.
Через минуту локального демо в системе будет 18 событий, 3 дневных буфера и ~30 выученных знаний.
Сравнение с конкурентами
Mem0 | Letta | Zep | Cognitive Core | |
Self-hosted | ✅ | ⚠️ heavy | ⚠️ paid | ✅ один docker compose |
Multi-layer consolidation | ❌ | ❌ | ❌ | ✅ 3 LLM-уровня |
Per-agent state checkpoint | ❌ | ✅ | ❌ | ✅ + общая память |
Audit log L5 | ❌ | ❌ | ❌ | ✅ append-only |
Snapshot + restore SHA-256 | ❌ | ❌ | ❌ | ✅ |
Multi-language | ❌ | ❌ | ❌ | ✅ 8 языков |
MCP server | ⚠️ | ❌ | ❌ | ✅ stdio + SSE |
Production install за 10 мин | ❌ | ❌ | ⚠️ | ✅ install-server.sh |
Детальное сравнение с примерами кода — COMPARISON.md. Анализ рынка — MARKET.md.
Главная идея — 5 слоёв памяти
L1 сырые события → L2 дневные срезы → L3 эталонные знания → L4 архив (S3)
↓ ↓ (LLM) ↓ (LLM+куратор) ↓
POST /events ежедневно ночью еженедельно снапшоты
↓
OP — KNN-поиск из агентовСлой | Что хранит | Когда обновляется | Кто пишет |
L1 raw events | Сырой лог опыта агентов | Сразу при | Агенты |
L2 daily buffers | Резюме дня по доменам | Каждую ночь (02:00 UTC) | LLM Daily Analyzer |
L3 master knowledge | Подтверждённые знания + tools | Каждую неделю + по аудиту | LLM Weekly Consolidator + Куратор |
L4 snapshots | Бэкапы L3 в S3/MinIO | После weekly если L3 изменилась | System |
L5 audit log | Каждое действие в системе | Постоянно | Все компоненты |
OP operative | Сессия KNN-поиска по L3 | По запросу | Агенты |
Почему это лучше обычного RAG
Обычный RAG | Cognitive Core |
Кладёт всё подряд | Куратор-LLM фильтрует шум на каждом переходе |
Знание = текст + вектор | Знание = |
Векторный поиск | Векторный поиск + temporal-aware + tools-registry |
Без аудита | Полный L5 audit-log: кто-когда-что |
Без бэкапов | L4 snapshot/restore с SHA-256 |
1 контекст на всё | Изоляция по доменам, мульти-агент |
Стек
Python 3.11 + FastAPI + asyncpg
PostgreSQL 16 с расширением pgvector (HNSW для KNN)
Redis Stack (RediSearch для быстрого KNN с TAG-фильтром)
MinIO (S3-совместимое хранилище для L4)
DeepSeek V4 Pro как основной LLM (с fallback на OpenAI / Ollama)
fastembed
multilingual-e5-smallдля эмбеддингов (CPU, 384-dim, 8 языков)Docker Compose — поднимается одной командой
Без npm/build для UI: vanilla HTML+CSS+JS, ~600 LOC.
Установка и запуск
Требования
Docker + Docker Compose v2
4 GB RAM (для контейнеров) + 1 GB для fastembed model cache
Шаги
# 1. Клонировать
git clone <repo-url> cognitive-core
cd cognitive-core
# 2. Конфигурация
cp .env.example .env
# Откройте .env и установите DEEPSEEK_API_KEY (получить на platform.deepseek.com)
# 3. Запустить
docker compose up -d --build
# 4. Проверить
curl http://localhost:9001/health
# {"healthy":true,"version":"0.2.0",...}
# 5. Загрузить демо-данные (опционально — можно из UI)
python scripts/seed_demo.py --fullПорты по умолчанию
9001— Web UI + API (FastAPI)5432— PostgreSQL6379— Redis9000/9002— MinIO API / Console (admin:minioadmin/minioadmin)
Web-интерфейс
URL | Назначение |
| Главная — объяснение, диаграмма, кнопка демо |
| Дашборд — live-метрики, графики, обозреватель знаний |
| Песочница API — все эндпоинты по этапам |
| OpenAPI Swagger |
API кратко
# Записать событие в L1
curl -X POST http://localhost:9001/events \
-H "X-API-Key: key-design-001" \
-H "Content-Type: application/json" \
-d '{"source_agent":"my_agent","domain":"my_domain","payload":{"task":"...","result":"...","feedback":"positive"}}'
# Найти знания по KNN
curl -X POST http://localhost:9001/operative/query \
-H "X-API-Key: key-design-001" \
-H "Content-Type: application/json" \
-d '{"domain":"my_domain","context":"how to ...","top_k":5}'
# Запустить daily консолидацию
curl -X POST "http://localhost:9001/memory/consolidate/daily?domain=my_domain" \
-H "X-API-Key: key-design-001"Полный список — в DEMO.md или открыв /docs.
Python SDK
from cognitive import AsyncMemoryClient
async with AsyncMemoryClient(
base_url="http://localhost:9001",
api_key="key-design-001",
) as memory:
# Записать опыт
await memory.remember(
domain="codegen",
payload={"task": "...", "result": "...", "feedback": "positive"},
)
# Найти знания
results = await memory.recall(domain="codegen", context="how to ...")См. cognitive-client/README.md для полного API.
MCP-сервер для Claude Desktop / Cursor / Code
Cognitive Core можно подключить к любому MCP-совместимому ИИ-клиенту:
// claude_desktop_config.json
{
"mcpServers": {
"cognitive-core": {
"command": "python",
"args": ["-m", "mcp_server.server"],
"cwd": "/path/to/cognitive-core",
"env": {
"COGNITIVE_API_URL": "http://localhost:9001",
"COGNITIVE_API_KEY": "key-design-001"
}
}
}
}После перезапуска Claude получает 7 инструментов: cognitive_remember, cognitive_recall, cognitive_list, cognitive_tools, cognitive_consolidate, cognitive_health, cognitive_domains.
Подробности в mcp_server/README.md.
Тестирование
# Все тесты в контейнере
docker exec cognitive_api python -m pytest tests/ -v
# Только юнит-тесты (без сети/LLM)
docker exec cognitive_api python -m pytest tests/test_sanitizer.py tests/test_embedder.py tests/test_models.py -v
# Только API + интеграция
docker exec cognitive_api python -m pytest tests/test_api.py tests/test_dashboard.py -vТекущие категории:
test_models.py— Pydantic-схемы (12 тестов)test_sanitizer.py— фильтр SQL/JS/XSS/shell (20 тестов)test_embedder.py— эмбеддинги (3 теста)test_api.py— интеграция API (34 теста)test_dashboard.py— read-only обозреватели (8 тестов)test_advisory_lock.py— защита от двойной консолидации (3 теста)test_pgvector.py— pgvector интеграция (6 тестов)test_demo.py— streaming /demo/run (2 теста)
Безопасность
Аутентификация: X-API-Key per-agent через
AGENT_API_KEYSв.envRate limiting: 100 событий/сек на агента (Redis INCR + TTL)
Sanitizer: блокирует SQL-инъекции, JS, XSS, shell-команды до записи в L1
JSON depth limit: ≤10 уровней, ≤500 ключей, ≤256KB payload
Audit log L5: каждое действие логируется (агент, время, цель, успех/ошибка)
L4 snapshots: SHA-256 проверка целостности при восстановлении
Для production:
TLS через nginx — конфиг в nginx/ + docker-compose.prod.yml
Бэкапы Postgres: scripts/backup_postgres.sh
Подробнее: DEPLOY.md
Hot-reload эмбеддингов
При смене эмбеддинг-модели в app/services/embedder.py:
# Удалит stale-векторы из Redis + переиндексирует все домены
curl -X POST http://localhost:9001/memory/reindex \
-H "X-API-Key: key-design-001"
# Cold-start после рестарта Redis (без LLM-вызовов)
curl -X POST http://localhost:9001/memory/restore-redis \
-H "X-API-Key: key-design-001"Производительность
На обычном ноутбуке (M2 / 16GB / без GPU):
POST /events: ~5 ms
KNN-запрос (RediSearch, до 1000 знаний): ~3-5 ms
KNN-запрос (pgvector HNSW, до 1000 знаний): ~5-15 ms
Daily consolidation (DeepSeek): ~10 сек на домен
Weekly consolidation: ~20-30 сек на домен
fastembed на CPU: ~50-100 ms на embed
Дорожная карта
Версия | Статус | Что |
v0.2.0 | ✅ | MVP: 5 слоёв, 13 эндпоинтов, 69 тестов |
v0.2.5 | ✅ | UX: главная, дашборд, песочница, общий дизайн |
v0.3.0 | ✅ | Reliability: pgvector, advisory lock, hot-reload |
v0.4.0 | 🔄 | Reach: MCP-сервер, GitHub publish, видео-демо |
v0.5.0 | ⏳ | Production: Alembic, TLS, CI, бэкапы, runbook |
v1.0.0 | ⏳ | Scale: мультитенантность, Celery, шардирование, Ollama+GPU |
v2.0.0 | ⏳ | Advanced: граф знаний, temporal queries, активное обучение |
Полный план — roadmap.md.
Структура проекта
cognitive-core/
├── app/ # FastAPI приложение
│ ├── api/ # Роутеры: events, operative, memory, tools, dashboard, demo
│ ├── db/ # Адаптеры: postgres (asyncpg), redis, s3 (minio)
│ ├── models/ # Pydantic-схемы
│ ├── security/ # auth, sanitizer, validator, audit
│ ├── services/ # Бизнес-логика: ingestor, analyzer, consolidator, curator,
│ │ # embedder, llm_client, operative, tools, prompts, metrics
│ ├── main.py # FastAPI + lifespan + middleware
│ ├── config.py # Pydantic-settings из .env
│ └── worker.py # Фоновый scheduler (daily/weekly/monthly)
├── sandbox/ # Web UI: home.html, dashboard.html, index.html, shared.css, tour.js
├── mcp_server/ # MCP-сервер для Claude Desktop / Cursor / Code
├── cognitive-client/ # Python SDK (sync + async)
├── tests/ # 80+ pytest
├── scripts/ # seed_demo.py, delegate_deepseek.py, consult_deepseek.py
├── nginx/ # nginx.conf для production TLS
├── docker-compose.yml # Локальная разработка
├── docker-compose.prod.yml # Production (с nginx + TLS)
├── Dockerfile
├── requirements.txt
├── .env.example
├── README.md # ← вы здесь
├── DEMO.md # Пошаговая инструкция демо
├── DEPLOY.md # Runbook production-деплоя
├── roadmap.md # План развития
└── CLAUDE.md # Заметки для AI-помощниковВклад в проект
PR'ы приветствуются. Перед PR:
docker exec cognitive_api python -m pytest tests/должен быть зелёнымНовый код покрыт тестами
Изменение API → обновить
DEMO.mdИзменение архитектуры → обновить
roadmap.md
Лицензия
MIT — см. LICENSE.
Благодарности
DeepSeek — основной LLM
pgvector — векторный поиск в Postgres
Redis Stack — KNN с TAG-фильтрами
fastembed — лёгкие эмбеддинги без GPU
FastMCP — MCP-сервер на Python
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.
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/mocartlex-wq/cognitive-core'
If you have feedback or need assistance with the MCP directory API, please join our Discord server