Skip to main content
Glama

Perenna

Python PyPI CI Codecov CodeRabbit Pull Request Reviews License Ask DeepWiki

perenna MCP server


AI 에이전트를 위한 가볍고 Git 기반의 영구 메모리입니다. Claude Code, Codex, ChatGPT, Cursor 및 기타 MCP 클라이언트는 공급업체 계정이나 대화 기록을 공유하지 않고도 지속적인 메모리를 공유할 수 있습니다.

  • 메모리 읽기, 쓰기, 삭제를 위한 별도의 MCP 도구

  • 로컬 stdio 및 단일 사용자 OAuth 보호 Streamable HTTP 전송

  • 독립적인 Git 저장소에 저장된 사람이 읽을 수 있는 Markdown

  • Git에서 항상 재구축할 수 있는 로컬 Vexor 검색 인덱스

  • 여러 로컬 에이전트 프로세스를 위한 프로세스 간 잠금

Perenna가 필요한 이유는?

메모리는 여러분을 따라야 하지, 우연히 사용 중인 에이전트를 따라가면 안 됩니다.

Claude Code, Codex, Cursor, ChatGPT는 메모리를 각각 분리된 사일로에 보관합니다. 에이전트를 전환하면 메모리가 사라집니다. 기기를 변경해도 로컬 메모리는 그대로 남아 있습니다.

Perenna는 이들에게 하나의 공유된 Git 기반 메모리를 제공합니다. 로컬 에이전트와 ChatGPT는 동일한 자체 호스팅 Perenna 서비스에 연결할 수 있으며, 모든 지속 메모리는 직접 검사, 편집, 버전 관리 및 백업할 수 있는 일반 Markdown으로 유지됩니다.

Mem0의 자체 호스팅 스택은 훨씬 더 무거운 반면, 호스팅형 Free Plan은 현재 고객 콘텐츠가 모델 학습 및 제품 개선에 사용될 수 있도록 허용합니다.

Perenna는 설계부터 다릅니다: 계정 없음, 독점 메모리 클라우드 없음, 락인 없음. 여러분이 제어하는 인프라의 Git 저장소에 있는 여러분의 메모리만 있을 뿐입니다.

Related MCP server: phren

빠른 시작

AI 에이전트와 함께 설치

Claude Code, Codex, ChatGPT Desktop, Cursor 또는 터미널과 로컬 MCP 구성 액세스 권한이 있는 다른 코딩 에이전트에 다음을 붙여넣으세요:

Install Perenna and connect it to this AI agent as a local stdio MCP server.
Work through the complete setup autonomously.

Use these as the source of truth:
- https://github.com/scarletkc/Perenna/blob/main/docs/getting-started.md
- https://github.com/scarletkc/Perenna/blob/main/docs/guides/client-setup.md

1. Detect the operating system, shell, and current MCP client.
2. Check for Python 3.12 or newer, Git, and uv. Install uv in user scope if it
   is missing. If Python or Git needs administrator approval, give me the exact
   command and stop there.
3. Install Perenna with `uv tool install perenna`. If Perenna is already
   installed, upgrade it with `uv tool upgrade perenna`.
   For Codex, also run `perenna skill install --agent codex`. For Claude Code,
   run `perenna skill install --agent claude-code`. Do not replace an existing
   modified copy or remove unrelated installed skills.
4. Check the effective Vexor embedding provider configuration. Reuse a working
   `~/.vexor/config.json` or inherited environment configuration. If none is
   available, ask me to choose between a remote provider and local embeddings.
   Explain that a remote provider receives memory text and search queries. For
   a remote provider, keep the provider and model in Vexor configuration and
   supply its secret through `VEXOR_API_KEY` or the provider-specific environment
   variable. For local embeddings, install `perenna[local]` and configure the
   local model according to the Perenna configuration reference. Verify the
   selected provider with `uvx vexor doctor` using the same environment that
   the Perenna process will inherit.
5. Ask whether I want to synchronize Perenna with a private Git repository. If
   I do, ask me to provide or approve its URL, run
   `perenna sync setup <repository-url>`, and verify it with
   `perenna sync status`. Treat repository creation, remote replacement, and
   reconciling diverged history as separate choices that require my explicit
   approval.
6. Register `perenna mcp --source <stable-client-name>` using the client-specific
   method in the setup guide. Preserve unrelated MCP servers and settings. Use
   a stable source such as `claude-code`, `codex`, or `cursor` for this client.
   For another client, use its official instructions for adding a local stdio
   MCP server. Make sure the Perenna process inherits `VEXOR_CONFIG_JSON`,
   `VEXOR_API_KEY`, or any provider-specific key used in step 4. Report only
   whether a secret is present.
7. Verify `perenna --help` and the saved MCP configuration. Reload MCP servers
   and call `memory_read` with `action: "list"` when the client supports it. If
   a restart is required, tell me the single restart step.
8. Report the commands run, files changed, and verification results. Keep API
   keys out of tracked configuration files.

공식 출시 버전 설치

Perenna는 Python 3.12+, Git 및 uv가 필요합니다.

uv tool install perenna

로컬 클라이언트용 옵션 메모리 동작 스킬을 설치합니다:

perenna skill install --agent codex
# or
perenna skill install --agent claude-code

두 클라이언트 모두 스킬을 받아야 하는 경우 하나의 명령에서 --agent를 반복하세요. 구성 참조는 사용자 및 프로젝트 범위, 대상 위치 및 대체 보호 조치를 문서화합니다.

Codex 및 Claude Code는 대신 Perenna 저장소 마켓플레이스에서 결합된 스킬 및 MCP 연결을 설치할 수 있습니다. Plugin 설정 가이드를 따르고 클라이언트별로 하나의 설정 경로를 선택하세요.

Perenna는 작동하는 Vexor 임베딩 공급자가 필요합니다. 대화식 공급자 선택 및 구성을 위해 다음을 실행하세요:

uvx vexor init

Perenna는 자동으로 ~/.vexor/config.json을 재사용합니다. 프로세스 수준 구성을 사용할 때 MCP 서버가 호스트 환경에서 VEXOR_CONFIG_JSONVEXOR_API_KEY 또는 선택한 공급자의 키를 받는지 확인하세요. 원격 공급자는 메모리 텍스트와 검색 쿼리를 받습니다.

로컬 임베딩을 선택하는 경우 Perenna의 로컬 추가 기능도 설치하세요:

uv tool install "perenna[local]"

Vexor 공급자 구성은 원격 및 로컬 설치 범위를 다룹니다. MCP 클라이언트를 시작하는 환경에서 선택한 공급자를 다음으로 확인하세요:

uvx vexor doctor

MCP 클라이언트가 시작하도록 구성하세요:

perenna mcp --source <client-name>

Perenna는 다른 홈이 구성되지 않는 한 ~/.perenna/ 아래에 로컬 데이터를 생성합니다.

개인 Git 저장소를 통해 호환 가능한 기록을 가져오거나, 게시하거나, 빠르게 전달하려면 다음을 실행하세요:

perenna sync setup <repository-url>

개발을 위해 소스에서 설치

git clone https://github.com/scarletkc/Perenna.git
cd Perenna
uv tool install .

문서

문서 색인에서 시작하여 작업에 맞는 경로를 따라가세요:

라이선스

MIT

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

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Related MCP Servers

  • A
    license
    Not graded
    quality
    A
    maintenance
    A persistent memory server for AI agents that stores findings, tasks, and patterns in Markdown files within a git repository, enabling context injection across multiple AI tools.
    4
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Git-native long-term memory for AI agents: your markdown files are the source of truth, the search index is a disposable projection rebuilt from git, and every memory the agent writes is a reviewable git commit. Served over one OAuth-secured MCP endpoint with hybrid lexical+semantic recall and a gated, git-first commit_note write tool.
    7
    8
    AGPL 3.0

View all related MCP servers

Related MCP Connectors

  • Git-backed platform for skills, tools, and context for AI agents

  • Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.

  • Persistent memory for AI agents. Search, store, and recall across sessions.

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/scarletkc/Perenna'

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