Skip to main content
Glama

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)

  1. Email + OTP → /ui/login

  2. «🪄 Передать помощнику» в /ui/profile → 1-клик настройка для Claude Code / Cursor / ChatGPT

  3. После 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)

cognitive_remember, cognitive_recall

concepts.md

Multi-agent комнаты + DM

room_* (7 tools), cognitive_send

quickstart-rooms.md

Media pipeline (video→frames+Whisper)

cognitive_media_upload

server-side, через nginx

AI Video Generation (Kling / Sora)

cognitive_video_generate

quickstart-video-generation.md

External vision providers (per-tenant keys)

Qwen / MiniMax / GigaChat / YandexGPT / Claude / OpenAI / Gemini

external-providers.md

Self-hosted git (Gitea на git.me-ai.ru)

Standard git protocol

gitea-tenant-onboarding.md

Operating Rules (Phase 6)

Auto-inject 5 core rules в system_prompt

rules через /user/rules

152-ФЗ compliance (РФ enterprise)

DPA + ФСТЭК-21 УЗ-3

compliance-152fz.md

Billing (Stripe + ЮKassa)

/api/billing/checkout/{tier}

quickstart-billing.md

Multi-tenant isolation (Phase 4)

owner_user_id на всех L1-L4 queries

per-tenant MinIO prefix

Resumable upload (PR #108, no context-cap)

cognitive_media_upload_init/_finalize

curl PUT обходит base64 в LLM context

Agent discovery + onboarding (PR #101, #106, #110)

claim/peek, cognitive_agent_manifest.peers[], 🟢-canary, idempotent claim

agent-discovery.md, memory-scope.md

Self-hosted instance (one-liner)

curl /static/install-self-hosted.sh | sudo bash

onboarding-vps.md

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 bash

Скрипт 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.sh

10 минут — рабочий HTTPS-стек с авто-бэкапами, MCP SSE для удалённых клиентов, systemd auto-start. См. DEPLOY-SERVER.md.

Version Python 3.11+ FastAPI Postgres 16 + pgvector Tests Stress License

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 агентов

Слой

Что хранит

Когда обновляется

Кто пишет

L1 raw events

Сырой лог опыта агентов

Сразу при POST /events

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 POST /operative/query

Агенты

Почему это лучше обычного RAG

Обычный RAG

Cognitive Core

Кладёт всё подряд

Куратор-LLM фильтрует шум на каждом переходе

Знание = текст + вектор

Знание = {pattern, mistake, rule} + confidence + version + history

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-small для 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 --full

Порты по умолчанию

  • 9001 — Web UI + API (FastAPI)

  • 5432 — PostgreSQL

  • 6379 — Redis

  • 9000 / 9002 — MinIO API / Console (admin: minioadmin/minioadmin)

Web-интерфейс

URL

Назначение

http://localhost:9001/

Главная — объяснение, диаграмма, кнопка демо

http://localhost:9001/ui

Дашборд — live-метрики, графики, обозреватель знаний

http://localhost:9001/sandbox

Песочница API — все эндпоинты по этапам

http://localhost:9001/docs

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 -v

Текущие 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_KEYS в .env

  • Rate 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:

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-помощников

Вклад в проект

PR'ы приветствуются. Перед PR:

  1. docker exec cognitive_api python -m pytest tests/ должен быть зелёным

  2. Новый код покрыт тестами

  3. Изменение API → обновить DEMO.md

  4. Изменение 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

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

Maintenance

Maintainers
Response time
Release cycle
Releases (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.

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