AMFS MCP
AMFS (SenseLab)
MCP-сервер SenseLab ведет журнал решений агента, сверяет их с исходом задачи и подсказывает следующему запуску, что сработало
- 92 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Установочный скрипт правит конфигурации клиентов, а сервер хранит трассы решений и прочитанные агентом материалы в локальной папке или общей базе.
Установка
- Работает в
Ручная установка
curl -sSL https://raw.githubusercontent.com/raia-live/amfs/main/install-mcp.sh | bashНаходит установленные клиенты и добавляет сервер `senselab`. Прочитайте скрипт перед запуском.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Установочный скрипт правит конфигурации клиентов, а сервер хранит трассы решений и прочитанные агентом материалы в локальной папке или общей базе.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
AMFS (SenseLab) — движок памяти и самообучения для агентов. Каждый запуск оставляет трассу решений: о чем попросили, что агент прочитал, что решил, что сделал и чем закончилось. Итог двигает уверенность во всем, на что опирался запуск, а следующий запуск той же задачи получает сводку и рекомендацию действия, собранные из этих данных. MCP-сервер `senselab` ставится скриптом, который находит установленные клиенты (Cursor, Claude Code, VS Code, Codex, Windsurf, Gemini CLI, Claude Desktop) и добавляет в каждый запись, а данные лежат в папке `.amfs/` на вашей машине. У агента появляется 40 инструментов, среди них `amfs_briefing`, `amfs_retrieve`, `amfs_write` и `amfs_commit_outcome`. Запись `record_attempt` отделяет ошибочную попытку от удачной, чтобы устаревшая запись не получила награду за исправление. Каждая запись знания несет статус доказанности: непроверенная, подтвержденная, оспариваемая или опровергнутая. Для Python есть пакет `amfs`, для TypeScript `@senselab-ai/amfs`, для общего сервера Docker Compose с Postgres и pgvector.
Для кого. Командам, которые запускают агентов на повторяющихся задачах, например деплое или разборе инцидентов, и хотят, чтобы агент не повторял прошлых ошибок.
Подходит, если
- Агент по деплою раз за разом пробует исправление, которое уже не помогло, и надо хранить такие неудачи
- Перед работой над сервисом агенту нужна сводка: что здесь подтверждено, что опровергнуто и что уже пробовали
- Результат запуска проверяет CI или человек, и этот источник подтверждения должен весить больше слов самого агента
- Несколько агентов должны делиться опытом через общий сервер с Postgres
- Нужна память, которая забывает: убеждения слабеют без подтверждения, а опыт остается
Не подходит, если
- Нужна обычная заметочная память без оценки исходов: хватит более простого MCP-сервера памяти
- Задачи одноразовые и не повторяются: накопленный опыт не пригодится
- Установка через `curl` с запуском скрипта вам не подходит: тогда пользуйтесь ручной настройкой из руководства MCP
Пример запроса к агенту
Перед правкой сервиса `checkout` запроси сводку через `amfs_briefing`, а после работы запиши исход через `amfs_commit_outcome` со статусом `success`.MCP
- Транспорт
- stdio
- Авторизация
- не нужна
Переменные окружения
AMFS_HTTP_URL- Адрес собственного общего сервера AMFS, например http://localhost:8080. Без него данные хранятся локально.
Ограничения
Полный цикл с компилируемыми сводками и априорными оценками действий требует сервера и Postgres, а локальный режим на файловой системе дает только часть возможностей. Установочный скрипт запускается через `curl | bash` и правит конфигурации найденных клиентов, перед запуском его стоит прочитать. Чтобы агент вовремя вызывал сводку, запись и фиксацию исхода, инструкции из `CLAUDE.md` нужно добавить в проект. Эффект появляется после нескольких запусков одной задачи, а на пустом хранилище рекомендации нечем подкрепить. Слово «рекурсивный» автор относит к процессу с обратимыми поправками и не обещает роста возможностей модели.
Как отключить. Выполните установочный скрипт с флагом `--uninstall`: он уберет запись `senselab` из конфигураций клиентов. Данные остаются в папке `.amfs/`, ее удаляют вручную.
Частые вопросы
Как подключить AMFS к Claude Code?
Скрипт `install-mcp.sh` находит установленные клиенты и добавляет в них сервер `senselab`. Выбрать клиента можно флагом `--client`, например `--client cursor`. После установки перезапустите редактор.
Где хранятся данные?
В локальном режиме в папке `.amfs/` на вашей машине. Для общего сервера есть Docker Compose с Postgres и pgvector, адрес задается переменной `AMFS_HTTP_URL`.
Как агент узнает, что делать?
Инструмент `amfs_briefing` отдает сводку по сущности, а `retrieve` с кандидатами действий возвращает рекомендацию: действовать, исследовать другое или эскалировать, если все варианты уже не сработали.
Чем статус записи «подтверждена» отличается от «непроверена»?
Это разные уровни доказательности. Непроверенная запись с уверенностью 0,9 и подтвержденная с 0,9 весят для решения по-разному, и агент это различает.
Есть ли SDK без MCP?
Да. `pip install amfs` дает Python-библиотеку с `AgentMemory`, а `@senselab-ai/amfs` предназначен для TypeScript.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыЛокальный MCP-сервер памяти для агентов: решения, ошибки и факты хранятся на вашей машине, поиск идет по смыслу и графу знаний
MCP-сервер долговременной памяти для агентов: поиск, запись и исправление фактов между сессиями в облаке или в локальном ядре
MCP-сервер и API общей памяти для нескольких агентов: факты, решения и события хранятся в одной базе с поиском по смыслу.
Локальная память агента на журнале поправок: сказали Claude Code один раз, и новая сессия читает правило до начала работы
ai-memory сохраняет опыт сессий в Markdown-вики, подключает поиск через MCP и передает контекст между агентами и машинами.
MCP-сервер долгой памяти для агентов: сжимает диалоги в атомарные факты, разрешает местоимения и привязывает время к абсолютным датам
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| AMFS (эта карточка) | нет | не нужна | 92 | |
| agentmemory | да | не нужна | 30 314 | хранит и ищет воспоминания агента; AMFS добавляет оценку исходов и рекомендацию действия |
| Basic Memory | нет | не нужна | 4 557 | заметочная память на Markdown; AMFS строит доверие к знаниям по результатам запусков |
Коротко о README
README объясняет, зачем замкнуть цикл обучения агента, как ставится MCP-сервер и Python-библиотека, как поднять общий сервер и что получает агент: трассы решений, сводку до действия и честную оценку уверенности.