total-agent-memory MCP
Локальный MCP-сервер памяти для агентов: решения, ошибки и факты хранятся на вашей машине, поиск идет по смыслу и графу знаний
- 76 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Сервер хранит решения, ошибки и факты о проекте и может сохранить в них чувствительные данные
- В режиме HTTP и Docker доступ закрыт токеном, но порт открывается на машине
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add mcp/total-agent-memoryОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Сервер хранит решения, ошибки и факты о проекте и может сохранить в них чувствительные данные
- В режиме HTTP и Docker доступ закрыт токеном, но порт открывается на машине
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
total-agent-memory (TAM) решает проблему агентов, которые каждую сессию начинают без памяти о прошлых: решения, исправления и правила проекта приходится объяснять заново. Сервер сохраняет решения, ошибки, факты и итоги сессий в каталоге `~/.tam/` на базе SQLite и отдает их по MCP любому клиенту без изменений кода. Поиск объединяет полнотекстовый BM25, плотные эмбеддинги, нечеткое совпадение и граф знаний. Ранжированные списки сливаются по схеме reciprocal rank fusion, затем локальный кросс-энкодер переупорядочивает результат. В профиле по умолчанию ни запись, ни поиск не вызывают LLM, поэтому качество можно мерить без сети. Факты получают интервалы действия через `kg_add_fact` и `kg_at`, а новое значение одиночного факта закрывает старое. Достаточно сказать агенту «запомни, что для биллинга мы выбрали PostgreSQL»: он вызывает `memory_save`, а в следующей сессии `memory_recall` возвращает запись. Тот же пакет работает как командный сервер: личная, отдельная и общая области лежат в разных хранилищах за одним шлюзом, с ролями, авторством и журналом аудита. Мастер `tam setup` находит Claude Code, Claude Desktop, Codex, Cursor, Windsurf, Gemini CLI, Cline и OpenCode.
Для кого. Разработчикам, которые каждый день работают с кодовыми агентами и хотят, чтобы решения и договоренности по проекту переживали сессию, а также исследователям памяти агентов.
Подходит, если
- Агент забывает выбор базы данных и архитектурные решения между сессиями
- Одну и ту же ошибку приходится объяснять заново из раза в раз
- Память нужна локально, без облака и без вызовов LLM при записи и поиске
- Команде хочется общего хранилища с ролями и журналом аудита
- Требуется базовая реализация памяти для исследований, которую можно запустить и менять
Не подходит, если
- Нужен облачный сервис памяти, доступный с любого устройства без своего сервера
- Вы не готовы к загрузке около 330 МБ моделей при первом запуске
- Проект небольшой, и хватит файла `CLAUDE.md` с правилами
Пример запроса к агенту
Запомни, что в биллинге мы выбрали PostgreSQL из-за построчной безопасности, а в следующей сессии напомни, какую базу выбрали.MCP
- Транспорт
- stdio, http
- Авторизация
- не нужна
Переменные окружения
TAM_MEMORY_DIR- Каталог памяти, по умолчанию `~/.tam/`
TAM_MODEL_CACHE- Папка для моделей эмбеддингов
Ограничения
Нужен Python 3.11 или новее. Первый запуск скачивает около 330 МБ моделей: эмбеддер на 240 МБ и кросс-энкодер на 90 МБ. Fastembed хранит модели во временной папке, которую macOS иногда чистит, поэтому задайте `TAM_MODEL_CACHE=~/.tam/models`. Отдельный реранкер на sentence-transformers тянет PyTorch и ставится экстрой `[rerank]`. Для командного сервера на PostgreSQL нужна экстра `[postgres]`. Два плагина Claude Code ставят по одному, не оба сразу. В Docker сервер требует токен из `~/.tam/state/http-token`.
Как отключить. Уберите сервер из конфигурации клиента (`claude mcp remove memory`), удалите пакет командой `pip uninstall total-agent-memory` и при желании папку `~/.tam/` с записанной памятью.
Частые вопросы
Где хранится память?
В каталоге `~/.tam/` на вашей машине. Другое место задает переменная `TAM_MEMORY_DIR`.
Как подключить TAM к Claude Code?
Командой `claude mcp add memory -- total-agent-memory` или через плагин: `/plugin marketplace add vbcherepanov/total-agent-memory`, затем `/plugin install total-agent-memory@vbcherepanov`.
Вызывает ли TAM языковую модель при записи?
Нет, профиль по умолчанию не вызывает LLM ни при записи, ни при поиске. Эмбеддинги и кросс-энкодер считаются локально.
Какие клиенты поддерживает мастер setup?
Claude Code, Claude Desktop, Codex, Cursor, Windsurf, Gemini CLI, Cline и OpenCode. Через `npx -y total-agent-memory connect` добавляются также continue и aider.
Можно ли запустить TAM в Docker?
Да, образ `ghcr.io/vbcherepanov/total-agent-memory` отдает MCP по HTTP на порту 3737 и панель на 37737. Для доступа нужен токен из `~/.tam/state/http-token`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыЛокальный MCP-сервер памяти для агентов: история сессий, индекс кодовой базы и граф понятий в одной базе SQLite
Локальная память для ИИ-агентов программиста: хуки записывают ход каждой сессии, и Claude Code, Codex или Cursor находят прошлые решения через MCP
LongMemory хранит память проекта в локальной SQLite и отдает ее агенту через MCP: решения, состояние задач, скиллы и граф кода
AgentDB хранит память агента в файле .rvf и через 41 инструмент MCP ищет прошлые решения, учась на обратной связи
Постоянная память агента на графе связей: решения и ошибки переживают сессию, без векторной базы и платных вызовов API
MCP-сервер долговременной памяти для агентов: поиск, запись и исправление фактов между сессиями в облаке или в локальном ядре
Коротко о README
Описаны установка из PyPI, через npx, Docker и плагины, мастер `tam setup`, первый запуск с загрузкой моделей, быстрый старт со скриптом на MCP SDK и запуск тестов.