Skip to main content
Glama

AI Context Manager MCP

Servidor MCP (Model Context Protocol) en Python que actúa como sync agent entre el workspace local y la aplicación cloud.

¿Qué hace?

  • Gestiona la carpeta .ai/ en tu workspace (skills, prompts, specs, contexto, bootstrap)

  • Sincroniza assets con la app cloud (cloud_sync pull/push)

  • Genera MODEL_BOOTSTRAP.md adaptado al entorno (vscode, claude, opencode, cli, generic)

  • Mantiene .gitignore actualizado para no commitear el contexto local

Related MCP server: Dev Tool Config Sync MCP Server

Requisitos

  • Python 3.11+

  • pip / pipx

Instalación

# Con pipx (recomendado, instala en entorno aislado)
pipx install .

# O con pip en un virtualenv
python -m venv .venv
source .venv/bin/activate   # Linux/macOS
.venv\Scripts\activate      # Windows
pip install -e .

Variables de entorno (obligatorias para sync cloud)

# Linux/macOS
export AI_CONTEXT_MANAGER_BASE_URL="https://cloud.example.com"
export AI_CONTEXT_MANAGER_TOKEN="pat_xxx"

# Windows (PowerShell)
$env:AI_CONTEXT_MANAGER_BASE_URL="https://cloud.example.com"
$env:AI_CONTEXT_MANAGER_TOKEN="pat_xxx"

# Windows (cmd)
set AI_CONTEXT_MANAGER_BASE_URL=https://cloud.example.com
set AI_CONTEXT_MANAGER_TOKEN=pat_xxx

Arrancar el servidor MCP

# Modo stdio (para clientes MCP como Claude Desktop, OpenCode, etc.)
python -m mcp_server

# O usando el script instalado
ai-context-manager serve

Configuración en VS Code (tasks.json)

Crear .vscode/tasks.json en tu proyecto:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "AI Context Manager: Start MCP",
      "type": "shell",
      "command": "python -m mcp_server",
      "options": {
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      },
      "problemMatcher": []
    },
    {
      "label": "AI Context Manager: Sync (pull)",
      "type": "shell",
      "command": "ai-context-manager cloud-sync --direction pull",
      "options": {
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      },
      "problemMatcher": []
    }
  ]
}

Configuración en Claude Desktop

Añadir en claude_desktop_config.json:

{
  "mcpServers": {
    "ai-context-manager": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "env": {
        "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
        "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
      }
    }
  }
}

Configuración en OpenCode

Añadir en tu config de OpenCode:

{
  "mcp": {
    "servers": {
      "ai-context-manager": {
        "command": "python",
        "args": ["-m", "mcp_server"],
        "env": {
          "AI_CONTEXT_MANAGER_BASE_URL": "https://cloud.example.com",
          "AI_CONTEXT_MANAGER_TOKEN": "pat_xxx"
        }
      }
    }
  }
}

Setup inicial de un proyecto

# 1. Inicializar .ai/ en el workspace
ai-context-manager init --mode workspace

# 2. Vincular con proyecto cloud
ai-context-manager cloud-link --project-key my-project

# 3. Descargar assets del cloud
ai-context-manager cloud-sync --direction pull

# 4. Asegurar .gitignore
ai-context-manager ensure-gitignore

Tools disponibles (MCP)

Tool

Descripción

init_storage

Inicializa .ai/ en workspace o global

ensure_gitignore

Añade .ai/ al .gitignore

scan_repo

Escanea el repo buscando assets IA

list_assets

Lista assets (skills/prompts/specs/context)

register_asset

Registra un asset existente en el registry

move_asset

Mueve un asset actualizando el registry

remove_asset

Elimina un asset del registry

create_skill

Crea un nuevo skill desde template

create_prompt

Crea un nuevo prompt desde template

create_spec

Crea una nueva spec desde template

generate_bootstrap

Genera MODEL_BOOTSTRAP.md para el entorno

cloud_project_link

Vincula workspace con proyecto cloud

cloud_sync

Sincroniza assets (pull: cloud→local, push: local→cloud)

cloud_pull_backup

Descarga un backup específico del cloud

Resources disponibles (MCP)

Resource

Descripción

registry://

Contenido completo del registry.json

context://bootstrap

Contenido del MODEL_BOOTSTRAP.md

skills://<id>

Contenido de un skill por ID

prompts://<id>

Contenido de un prompt por ID

specs://<id>

Contenido de una spec por ID

Estructura local generada

.ai/
  registry.json          # fuente de verdad local
  context/
    AI_GUIDELINES.md
    MODEL_BOOTSTRAP.md   # generado por generate_bootstrap
  skills/
    *.md
  prompts/
    *.md
  specs/
    *.md
  templates/
    skill.md
    prompt.md
    spec.md
  .sync/
    state.json           # estado de sync (hashes/ETags)
    project.json         # binding local_path <-> project_key

Available Tools

12 tools
ai_cloud_pullC

DEPRECATED: Descarga assets. Usa cloud API directamente para gestionar contexto.

Inputs: type, slug, workspace, overwrite, +2 more.

ai_cloud_pushB

Publica assets locales en StandarCloud. Sube skills, prompts y specs al servidor.

Inputs: type, slug, project_slug, workspace.

ai_cloud_statusA

Muestra el estado de sincronización: assets locales vs remotos, pendientes de push/pull.

Inputs: workspace.

ai_cloud_syncB

Sincroniza cloud → workspace en modo espejo (por defecto). Opcionalmente permite push local → cloud.

Inputs: workspace, dry_run, push.

ai_detect_environmentB

Detectar entorno actual (claude, vscode-copilot, opencode, unknown)

Inputs: no named parameters.

ai_materialize_documentsA

Materializar documentos nativos del entorno actual (Claude.md para Claude, .github/copilot-instructions.md para Copilot, etc.). Requiere token de API.

Inputs: documents (required).

ai_memory_addB

Añade una entrada de memoria a una sesión (taggeada: observation/recommendation/decision/architecture/other).

Inputs: session_id (required), content (required), tag, title, +1 more.

ai_memory_listC

Lista entradas de memoria (puede filtrar por session_id, project y/o tag).

Inputs: session_id, project, tag.

ai_memory_materialize_historyB

Trae histórico de sesión desde la web (Django) y lo materializa como prompt file nativo del entorno de chat (vscode-copilot, claude) o como export JSON nativo de OpenCode.

Inputs: project (required), session_id, external_id, workspace, +3 more.

ai_session_ensureA

Crea o reutiliza una Session en el backend cloud (Django), asociada a un Project. Si existe una sesión con el mismo external_id para ese project, retorna la primera.

Inputs: project (required), external_id, title.

ai_standard_initA

Inicializa el workspace con el directorio .acm/ y lo vincula a un proyecto de StandarCloud. Si no se especifica project_slug, lista los proyectos disponibles y guía al usuario. Si se especifica project_slug, crea la estructura .acm/ y escribe project.json.

Inputs: project_slug, workspace, description, force.

ai_sync_environment_docsB

Sincronizar documentos nativos desde la nube para el entorno actual. Detecta el entorno, obtiene documentos de la API y los materializa localmente.

Inputs: force.

Tool Schema Changelog

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

Loading tool schema changelog…

    TDQS

    B3.2/5.0

    Scored across 12 tools

    Disambiguation3/5

    Most tools are distinct, but ai_cloud_push and ai_cloud_sync (with push option) overlap, and ai_materialize_documents and ai_sync_environment_docs are very similar. The deprecated ai_cloud_pull adds confusion.

    Naming Consistency4/5

    All tools use 'ai_' prefix and underscore separation, with a mix of verb_first and noun_first patterns (e.g., detect_environment vs cloud_push). Overall readable and fairly consistent, but not perfectly uniform.

    Tool Count5/5

    12 tools cover the domain of context management, cloud sync, memory, and environment setup without being overwhelming or sparse.

    Completeness4/5

    Core workflows (init, sync, memory, session, environment detection) are covered. Minor gaps like memory deletion or cloud asset management are absent but not critical for the stated purpose.

    Maintenance

    ActivityNo data
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers