timesfm
TimesFM เป็นโมเดลพื้นฐานสำหรับข้อมูลอนุกรมเวลาที่ผ่านการฝึกมาแล้ว พัฒนาโดย Google Research ใช้สำหรับพยากรณ์ข้อมูลอนุกรมเวลา
Genesys Memory เป็นระบบหน่วยความจำแบบโอเพนซอร์สสำหรับ AI agent ที่เก็บข้อมูลอย่างต่อเนื่อง อธิบายที่มาของความจำได้ และเชื่อมต่อผ่าน MCP โดยมีเครื่องมือ 13 รายการ
แปลอัตโนมัติจากคำอธิบายของผู้ทำ · ทีมยังไม่ได้ตรวจ
Open-source causal memory for AI agents: persistent, explainable, MCP-native memory (13 tools).Skill ที่สอน AI ทำงานแบบนี้ ใช้ร่วมกับตัวนี้ได้
TimesFM เป็นโมเดลพื้นฐานสำหรับข้อมูลอนุกรมเวลาที่ผ่านการฝึกมาแล้ว พัฒนาโดย Google Research ใช้สำหรับพยากรณ์ข้อมูลอนุกรมเวลา
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place
หน้ารายการเรียงด้วยคะแนนการใช้งาน (เต็ม 100) จากส่วนเหล่านี้
| ความนิยม | 18/80 | ดาว GitHub หรือยอดดาวน์โหลดต่อสัปดาห์ ค่ามากนับ 60 ค่าน้อยนับ 20 |
|---|---|---|
| ความสด | 12/12 | ออกรุ่นหรือแก้โค้ดใน 30 วัน ได้เต็ม |
| ระบบยังตอบ | 0/8 | endpoint บนคลาวด์ตอบตอนตรวจล่าสุด |
| คะแนนการใช้งาน | 30/100 |
คุณภาพ: ผลตรวจเบื้องต้นผ่าน 3/3 ข้อ (แสดงให้ดู ไม่ได้ใช้เรียง) · ความมาแรง: ยังไม่มีข้อมูล (ใช้เรียงเฉพาะแท็บมาแรง)
เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง
ให้ AI ติดตั้งให้ด้วยประโยคเดียว
ติดตั้ง Genesys Memory ให้หน่อย ทำตาม https://mcp.popnx.com/i/astrix-labs-genesys-memory.md แสดงคำสั่งให้ฉันดูและรอฉันตกลงก่อนรันคัดลอกไปวางในแชตของ AI ที่ทำงานในเครื่องคุณได้ (เช่น Claude Code, Cursor) · AI จะอ่านขั้นตอนจากเรา แสดงคำสั่งให้ดู และรอคุณตกลงก่อน · ไม่ต้องใช้คีย์ ไม่ต้องสมัคร · ดูข้อความเต็มที่ AI จะอ่าน
ผลตรวจผ่าน 3/3 · ทำงานบนเครื่องคุณ · ✓ ตรวจคำสั่งแล้ว 14 พ.ย. 2569
ขั้นแรก: คุณใช้ AI ตัวไหน
เลือกแอปที่คุณใช้ ขั้นตอนจะขึ้นด้านล่าง
ต่อกับ Claude ได้ แต่ต้องเตรียมก่อน
ต้องลง Python (uv) ในเครื่องก่อน (ทำครั้งเดียว) · ใช้ได้เฉพาะแอป Claude บนคอม (Windows หรือ Mac) ไม่ใช่บนเว็บหรือมือถือ
คัดลอกข้อความนี้ไปวางในแชตของ Claude AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ Genesys Memory ให้ Claude ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี uv ด้วยคำสั่ง uv --version ถ้าไม่มี ให้บอกฉันไปลงจาก https://docs.astral.sh/uv/getting-started/installation/ ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "genesys-memory": { "command": "uvx", "args": [ "genesys-memory" ] } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ไม่ต้องใช้คีย์ 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ Genesys Memory ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
uv --versionMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: uv ไม่มีตัวติดตั้งแบบกดเอง คัดลอกคำสั่งหนึ่งบรรทัดของเครื่องคุณ (macOS หรือ Windows) จากหน้าทางการของ uv ไปวางใน Terminal · ไม่ต้องลง Python แยก uv ดาวน์โหลดให้เองเมื่อต้องใช้
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: uv --version
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ uv
SettingsDeveloperEdit Config
{
"mcpServers": {
"genesys-memory": {
"command": "uvx",
"args": [
"genesys-memory"
]
}
}
}ใช้ Genesys Memory บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Claude บอกว่ากำลังใช้ Genesys Memory หรือมีชื่อเครื่องมือของ Genesys Memory ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
OPENAI_API_KEY คีย์ API ของ OpenAI สำหรับสร้างการฝังข้อมูล (ไม่บังคับ — ใช้ GENESYS_EMBEDDER=local หากไม่ต้องการคีย์ API) ANTHROPIC_API_KEY คีย์ API ของ Anthropic สำหรับการประมวลผลหน่วยความจำด้วย LLM (ไม่บังคับ) GENESYS_EMBEDDER ผู้ให้บริการ embedding: 'openai' หรือ 'local' (ค่าเริ่มต้น: openai) คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ChatGPT ยังต่อ Genesys Memory ไม่ได้
Genesys Memory ต้องติดตั้งในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะตัวที่ทำงานบนเว็บ
ก · ใช้แอปที่ต่อ Genesys Memory ได้
ต่อกับ Claude Code ได้ แต่ต้องเตรียมก่อน
ต้องลง Python (uv) ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ Claude Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ Genesys Memory ให้ Claude Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี uv ด้วยคำสั่ง uv --version ถ้าไม่มี ให้บอกฉันไปลงจาก https://docs.astral.sh/uv/getting-started/installation/ ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): claude mcp add --scope user genesys-memory -- uvx genesys-memory 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ไม่ต้องใช้คีย์ 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ Genesys Memory ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
uv --versionMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: uv ไม่มีตัวติดตั้งแบบกดเอง คัดลอกคำสั่งหนึ่งบรรทัดของเครื่องคุณ (macOS หรือ Windows) จากหน้าทางการของ uv ไปวางใน Terminal · ไม่ต้องลง Python แยก uv ดาวน์โหลดให้เองเมื่อต้องใช้
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: uv --version
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ uv
Mac: กด Command+Space พิมพ์ Terminal · Windows: เปิด PowerShell
claude mcp add --scope user genesys-memory -- uvx genesys-memoryต้องเห็น Genesys Memory ในรายการและขึ้นว่าเชื่อมต่อแล้ว
ใช้ Genesys Memory บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Claude Code บอกว่ากำลังใช้ Genesys Memory หรือมีชื่อเครื่องมือของ Genesys Memory ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
OPENAI_API_KEY คีย์ API ของ OpenAI สำหรับสร้างการฝังข้อมูล (ไม่บังคับ — ใช้ GENESYS_EMBEDDER=local หากไม่ต้องการคีย์ API) ANTHROPIC_API_KEY คีย์ API ของ Anthropic สำหรับการประมวลผลหน่วยความจำด้วย LLM (ไม่บังคับ) GENESYS_EMBEDDER ผู้ให้บริการ embedding: 'openai' หรือ 'local' (ค่าเริ่มต้น: openai) คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Anthropic เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ต่อกับ Cursor ได้ แต่ต้องเตรียมก่อน
ต้องลง Python (uv) ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ Cursor AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ Genesys Memory ให้ Cursor ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี uv ด้วยคำสั่ง uv --version ถ้าไม่มี ให้บอกฉันไปลงจาก https://docs.astral.sh/uv/getting-started/installation/ ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "mcpServers": { "genesys-memory": { "command": "uvx", "args": [ "genesys-memory" ] } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ไม่ต้องใช้คีย์ 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ Genesys Memory ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
uv --versionMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: uv ไม่มีตัวติดตั้งแบบกดเอง คัดลอกคำสั่งหนึ่งบรรทัดของเครื่องคุณ (macOS หรือ Windows) จากหน้าทางการของ uv ไปวางใน Terminal · ไม่ต้องลง Python แยก uv ดาวน์โหลดให้เองเมื่อต้องใช้
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: uv --version
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ uv
ใช้ Genesys Memory บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า Cursor บอกว่ากำลังใช้ Genesys Memory หรือมีชื่อเครื่องมือของ Genesys Memory ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
OPENAI_API_KEY คีย์ API ของ OpenAI สำหรับสร้างการฝังข้อมูล (ไม่บังคับ — ใช้ GENESYS_EMBEDDER=local หากไม่ต้องการคีย์ API) ANTHROPIC_API_KEY คีย์ API ของ Anthropic สำหรับการประมวลผลหน่วยความจำด้วย LLM (ไม่บังคับ) GENESYS_EMBEDDER ผู้ให้บริการ embedding: 'openai' หรือ 'local' (ค่าเริ่มต้น: openai) คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ Cursor เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
ต่อกับ VS Code ได้ แต่ต้องเตรียมก่อน
ต้องลง Python (uv) ในเครื่องก่อน (ทำครั้งเดียว)
คัดลอกข้อความนี้ไปวางในแชตของ VS Code AI จะเช็กเครื่อง บอกว่าจะแก้ไฟล์ไหน และรอคุณตกลงก่อนทุกครั้ง
ช่วยติดตั้ง MCP server ชื่อ Genesys Memory ให้ VS Code ในเครื่องนี้ ทำตามลำดับ 1) เช็กว่ามี uv ด้วยคำสั่ง uv --version ถ้าไม่มี ให้บอกฉันไปลงจาก https://docs.astral.sh/uv/getting-started/installation/ ห้ามลงเอง 2) ใช้คอนฟิกนี้เท่านั้น (ผ่านตัวตรวจของ PopNx MCP แล้ว): { "servers": { "genesys-memory": { "type": "stdio", "command": "uvx", "args": [ "genesys-memory" ] } } } 3) บอก path เต็มของไฟล์ที่จะแก้ หรือคำสั่งที่จะรัน แล้วรอฉันตกลงก่อน 4) ไม่ต้องใช้คีย์ 5) ทำตามที่ตกลง แล้วตรวจว่าเครื่องมือของ Genesys Memory ขึ้นจริงข้อความนี้ไม่มีคีย์ของคุณ ถ้าต้องใช้คีย์ AI จะบอกให้คุณวางเองในไฟล์หรือช่องของแอป
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
uv --versionMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: uv ไม่มีตัวติดตั้งแบบกดเอง คัดลอกคำสั่งหนึ่งบรรทัดของเครื่องคุณ (macOS หรือ Windows) จากหน้าทางการของ uv ไปวางใน Terminal · ไม่ต้องลง Python แยก uv ดาวน์โหลดให้เองเมื่อต้องใช้
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: uv --version
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ uv
ใช้ Genesys Memory บอกหน่อยว่าทำอะไรให้ฉันได้บ้าง แล้วลองทำให้ดูหนึ่งอย่าง✓ ถ้า VS Code บอกว่ากำลังใช้ Genesys Memory หรือมีชื่อเครื่องมือของ Genesys Memory ขึ้นในคำตอบ แปลว่าต่อสำเร็จ
คำสั่งด้านบนใช้ได้เลยโดยไม่ต้องใส่ค่าเหล่านี้ ถ้าอยากปรับค่อยเพิ่มเองตามคำอธิบายของผู้ทำ
OPENAI_API_KEY คีย์ API ของ OpenAI สำหรับสร้างการฝังข้อมูล (ไม่บังคับ — ใช้ GENESYS_EMBEDDER=local หากไม่ต้องการคีย์ API) ANTHROPIC_API_KEY คีย์ API ของ Anthropic สำหรับการประมวลผลหน่วยความจำด้วย LLM (ไม่บังคับ) GENESYS_EMBEDDER ผู้ให้บริการ embedding: 'openai' หรือ 'local' (ค่าเริ่มต้น: openai) คำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ชื่อเมนูตรวจกับหน้าช่วยเหลือของ VS Code เมื่อ 11 พ.ย. 2569 · หน้าจอของคุณอาจต่างเล็กน้อยตามรุ่นของแอป
โปรแกรมอื่นที่ใช้ MCP ได้ เช่น Windsurf, Zed หรือ Gemini CLI มีวิธีเพิ่มต่างกัน ดูวิธีของแต่ละตัวในหน้ารวมโปรแกรม
ค่าตั้งแบบไฟล์ JSON อยู่ในหัวข้อ “สำหรับคนเขียนโค้ด” ด้านล่าง
Claude Code
claude mcp add --scope user genesys-memory -- uvx genesys-memoryClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"genesys-memory": {
"command": "uvx",
"args": [
"genesys-memory"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"genesys-memory": {
"command": "uvx",
"args": [
"genesys-memory"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"genesys-memory": {
"type": "stdio",
"command": "uvx",
"args": [
"genesys-memory"
]
}
}
}OPENAI_API_KEY ความลับ envANTHROPIC_API_KEY ความลับ envGENESYS_EMBEDDER envคำอธิบายแปลอัตโนมัติ ชื่อตัวแปรคงตามต้นฉบับ ถ้าไม่แน่ใจให้ดูต้นฉบับ
ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README
ดูจากแบบการต่อของ server ตัวนี้ และเอกสารของผู้ทำโปรแกรมแต่ละตัว ตรวจเมื่อ 10 พ.ย. 2569
ติดตั้งบนเครื่องได้ใน
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง
เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 17 พ.ย. 2569
ชื่อใน registry ยืนยันด้วยบัญชี GitHub Astrix-Labs ซึ่งเป็นเจ้าของ repo
มีการแก้โค้ดล่าสุด 16 วันที่ผ่านมา
ใช้ AGPL-3.0
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต
ไม่พบรายการใน OSV.dev สำหรับ genesys-memory@0.5.2
ตรวจเฉพาะตัวแพ็กเกจรุ่นนี้ ไม่ใช่ทุก dependency · ตรวจเมื่อ 15 พ.ย. 2569
ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้
[](https://mcp.popnx.com/th/servers/astrix-labs-genesys-memory)ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์
ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย
ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx
ยังไม่มีรีวิว
เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo
จากการตรวจเบื้องต้นของเรา ผ่าน 3 จาก 3 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น
registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก
รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)
repo บน GitHub มีการแก้โค้ดล่าสุด 16 วันที่ผ่านมา และส่งรุ่นล่าสุด (0.5.2) เข้า registry 4 เดือนที่ผ่านมา
โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Python (uv) ในเครื่องด้วย
ในหมวดเดียวกันมี OpenSEO, Exa, Mockserver, Microsoft Learn MCP, Docs
หมวดเดียวกันจากผู้ทำคนอื่น ผ่านตัวตรวจคำสั่งแล้ว ตัวทางการขึ้นก่อน แล้วเรียงตามดาว
อ่านการ์ด:↓ ดาวน์โหลดต่อสัปดาห์i★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Mock, record/replay, verify and chaos-test any HTTP, REST, gRPC or LLM dependency over MCP.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
| ตัวนี้ Genesys Memory | OpenSEO | Exa | Mockserver | Microsoft Learn MCP | Docs | |
|---|---|---|---|---|---|---|
| ทำงานที่ไหน | ต้องลงในเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ต้องลงในเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง | ใช้บนคลาวด์ ไม่ต้องลงเครื่อง |
| ต้องใส่คีย์ | ไม่ | ไม่ | ไม่ | ไม่ | ไม่ | ไม่ |
| กด + ใน Claude ได้ | ไม่ | ใช่ | ใช่ | ไม่ | ใช่ | ไม่ |
| ผลตรวจเบื้องต้น | 3/3 | 5/5 | 2/4 | 3/3 | 4/4 | 4/4 |
| สัญญาอนุญาต | AGPL-3.0 | MIT | MIT | Apache-2.0 | CC-BY-4.0 | NOASSERTION |
| ราคา | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน | ไม่พบค่าใช้จ่ายในทะเบียน |
ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ
The intelligence layer for AI memory.
Papez doesn't just remember what happened; it remembers why. A scoring engine + causal graph + lifecycle manager for AI agent memory. Speaks MCP natively.
| System | Score | Protocol |
|---|---|---|
| Papez | 85.55 ± 0.37 | Frozen: gpt-4o-mini answerer + judge, temp 0, n=1,540, cats 1–4, 10 runs (July 2026) |
| Zep | 75.14 | Comparable published setup |
| Mem0 | 66.9 | Comparable published setup (Mem0 paper) |
Self-reported vendor figures above ~90 use different answerers/judges and are not comparable — the oracle retrieval ceiling under this frozen protocol is 94.9. Reproduce it yourself: Astrix-Labs/locomo-harness · full methodology · per-run results.
Hosted product: papez.ai — your personal memory for AI, carried across ChatGPT, Claude, and every MCP app · Pricing · Developer docs · Benchmark methodology (85.55 on LoCoMo, certified over 10 runs, receipts published)
Papez is a scoring engine, causal graph, and lifecycle manager for AI memory. Memories are scored by a multiplicative formula (relevance × connectivity × reactivation), connected in a causal graph, and actively forgotten when they become irrelevant.
This package (papez) is the core library: an in-memory causal graph engine with optional JSON persistence, plus a stdio MCP server. It has no database dependency and no REST API. A hosted product built on top of this library — with Postgres, additional storage backends, and a REST/HTTP MCP API — is available separately at api.papez.ai; it is not part of this package.
Your AI remembers everything but understands nothing. Papez fixes that.
Requires Python 3.11 or newer.
Install the package. The base install has zero database dependencies — state lives in memory and is optionally persisted to a JSON file.
pip install papez
Optional extras:
pip install 'papez[openai]' # OpenAI embeddings
pip install 'papez[local]' # Local embeddings (sentence-transformers, no API key) pip install 'papez[anthropic]' # LLM-based causal inference (consolidation, contradiction detection)
Run the stdio MCP server directly:
python3 -m papez
git clone https://github.com/Astrix-Labs/papez.git
cd papez pip install -e '.[dev]' pytest tests/
claude mcp add papez -- python -m papez
Add to your claude_desktop_config.json:
{
"mcpServers": { "papez": { "command": "python", "args": ["-m", "papez"] } } }
The stdio server is a single local process. Under load — or during a restart or redeploy of a hosted transport in front of it — a tool call can transiently fail or the connection can briefly go unresponsive. Memory writes and reads are not worth crashing an agent turn over, so clients should degrade gracefully rather than treat a memory call as fatal:
{"error": "...", "retryable": bool} payload instead of a protocol-level MCP failure, so a memory hiccup never crashes the transport. The retryable flag encodes the guidance below: true for the read tools, and for a memory_store_batch call in which every item carries an external_id.memory_recall, memory_search, memory_traverse, memory_explain, memory_stats, list_core_memories, space_list, space_get, space_member_list) with a short bounded backoff (e.g. 2–3 attempts). These have no side effects worth worrying about beyond reactivation bookkeeping.memory_store with an external_id, and memory_store_batch when every item has one, are idempotent: a resend returns unchanged (or amended if the content really changed) with the same node ids, never a duplicate. See Idempotent writes and batches.memory_recall, or pass a stable source_session so duplicates are easy to spot. (retryable stays false for memory_store even with an external_id, because the flag is per tool; the call itself is safe to resend.)| Tool | Description |
|---|---|
memory_store | Store a new memory. Use related for writer-specified typed edges ({id, type}); related_to is legacy and always creates caused_by. Optional category, refs, tags, space, external_id, on_existing (amend default, skip, error). May return possible_conflicts (heuristic hints). |
memory_amend | Record a correction: creates a new memory that supersedes an existing one. The old memory is kept (decayed in recall), not deleted. Optional refs / tags (omitted: copied from the old memory; given: replace). Stays in the old memory's space. |
memory_recall | Recall memories by natural language query (vector + keyword + graph spreading activation). Supports verbosity: "concise" or "light" for lightweight payloads. Optional tags_any, ref_type, space, spaces, include_personal, category, exclude_superseded. |
memory_search | Filtered vector search by status, category, date (since), last-active date (active_since), entity, and now tags_any, tags_all, ref_type, ref_id. Pass an empty query to enumerate by recency instead (no embedder needed) — with since/active_since this answers "what's new since I last looked" without knowing what to query for. Optional space, spaces, include_personal. |
memory_traverse | Walk the causal graph from a node. Returns reachable nodes and the edges of the induced subgraph (source/target/type/weight/created_by) — a superset of the BFS tree, so paths can be reconstructed. Honors edge_types. Optional space, spaces, include_personal. An invisible start node returns not_found. |
memory_explain | Explain a memory's score. Includes a score_model block (formula + live per-force breakdown + staleness note), removal_impact, and the memory's refs, tags, space. |
memory_stats | Get memory system statistics over what you can see. Optional space. |
pin_memory | Pin a memory so it's never forgotten (writer+ for space memories) |
unpin_memory | Unpin a previously pinned memory (writer+ for space memories) |
delete_memory | Permanently delete a memory (writer+ for space memories) |
list_core_memories | List core memories, optionally filtered by category. Optional space. |
set_core_preferences | Set user preferences for core memory categories |
promote_to_org | Promote a private memory to org visibility (not for space memories) |
memory_store_batch | Store up to 100 memories into one space in one call. Validates every item first (all or nothing), supports ref_index links to earlier items, returns one result per item. Safe to retry when every item has an external_id. |
memory_retire_by_ref | Retire the memories citing a removed source (ref_type, ref_id). mode="amend" (default) or "delete". Optional space. |
space_create | Create a Mind Space; you become its owner. name, optional slug, org_id, description, forgetting_policy, llm_inference_enabled, show_service_names. |
space_list | List your spaces with your role and counts. Optional include_archived. |
space_get | One space, with member and memory counts (reader+) |
space_update | Change name, description, forgetting_policy, llm_inference_enabled, show_service_names (owner) |
space_member_add | Add a user or service with a role, or change an existing member's role (owner) |
space_member_remove | Remove a member (owner; the last user owner can't be removed) |
space_member_list | List members (reader+) |
space_archive / space_unarchive | Make a space read-only and hidden from default recall, or undo it (owner) |
space_erase | Permanently delete a space and everything in it (owner, confirm_slug, optional dry_run) |
promote_to_space | Copy one of your personal memories into a space (writer+). Optional keep_original. |
memory_store's related argument lets the writer set edge semantics instead of guessing. Each entry is {"id": " ", "type": " "}, directed new_node --type--> target (so supersedes means the new node supersedes the target). Invalid types are rejected before the node is created — explicit writes never half-succeed. related_to still exists but always creates caused_by; prefer related.
To correct a fact, use memory_amend(node_id, content, reason=...): it stores the new version, links it SUPERSEDES → old, and keeps the old memory for audit. Recall automatically deprioritizes superseded hits and tags them with superseded_by.
When you memory_store something that lexically disagrees with an auto-link candidate (a changed number, a negation), the result may include possible_conflicts — heuristic hints, not verified contradictions, and never materialized as edges. Use them to decide whether to memory_amend.
Every memory can say where it came from (refs) and carry labels (tags):
{"content": "Manual payments over $10K ship overnight via FedEx Priority.",
"tags": ["Manual Payments", "bank-a"], "refs": [{"type": "document", "id": "doc_8812", "label": "Mail Matrix.pdf", "url": "https://docs.example.com/d/doc_8812"}]}
- ("Manual Payments" -> manual-payments), empty tags dropped, duplicates removed in order. Only a-z 0-9 - _ . : are allowed ("q2/2026" is rejected with invalid_tag). At most 20 tags of 50 cha