timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Hybrid vector + reasoning retrieval, agent memory, multi-agent orchestration, MCP server, and RAG.
Originaltext des Herstellers
Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
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
Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert
| Beliebtheit | 0/80 | GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20 |
|---|---|---|
| Aktualität | 3/12 | Volle Punkte für Release oder Codeänderung in 30 Tagen |
| Antwortet noch | 0/8 | Der Cloud-Endpoint antwortete bei der letzten Prüfung |
| Nutzungswert | 3/100 |
Qualität: 1/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Mit einem Satz von deiner KI installieren lassen
Installiere bitte Fusionpact Vectordb. Folge https://mcp.popnx.com/i/atul-fusionpact-fusionpact-vectordb.md, zeig mir die Befehle und warte auf mein OK, bevor du sie ausführst.Füge ihn in eine KI ein, die auf deinem Rechner arbeitet (z. B. Claude Code oder Cursor). Sie liest unsere Schritte, zeigt dir die Befehle und wartet auf dein OK. Kein Schlüssel, keine Anmeldung. · Vollständigen Text ansehen
1/3 Prüfungen bestanden · Läuft auf deinem Computer · ✓ Befehle geprüft am 14. Nov. 2026
Zuerst: Welche KI nutzt du?
Wähle deine App, dann erscheinen die Schritte unten.
Klappt mit Claude, aber erst etwas vorbereiten
Installiere zuerst Node.js auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy
Kopiere diese Nachricht in einen Claude-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server Fusionpact Vectordb für Claude auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "fusionpact-vectordb": { "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Fusionpact Vectordb wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
SettingsDeveloperEdit Config
{
"mcpServers": {
"fusionpact-vectordb": {
"command": "npx",
"args": [
"-y",
"fusionpact"
]
}
}
}Nutze Fusionpact Vectordb und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude sagt, dass es Fusionpact Vectordb nutzt, oder ein Werkzeug von Fusionpact Vectordb in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
EMBEDDING_PROVIDER Embedding-Anbieter: ollama (kostenlos), openai oder mock Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
ChatGPT kann Fusionpact Vectordb noch nicht verbinden
Fusionpact Vectordb läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen
A · Eine App nutzen, die Fusionpact Vectordb verbinden kann
Klappt mit Claude Code, aber erst etwas vorbereiten
Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Claude Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server Fusionpact Vectordb für Claude Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): claude mcp add --scope user fusionpact-vectordb -- npx -y fusionpact 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Fusionpact Vectordb wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen
claude mcp add --scope user fusionpact-vectordb -- npx -y fusionpactFusionpact Vectordb sollte in der Liste als verbunden erscheinen
Nutze Fusionpact Vectordb und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Claude Code sagt, dass es Fusionpact Vectordb nutzt, oder ein Werkzeug von Fusionpact Vectordb in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
EMBEDDING_PROVIDER Embedding-Anbieter: ollama (kostenlos), openai oder mock Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit Cursor, aber erst etwas vorbereiten
Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen Cursor-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server Fusionpact Vectordb für Cursor auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "fusionpact-vectordb": { "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Fusionpact Vectordb wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
Nutze Fusionpact Vectordb und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn Cursor sagt, dass es Fusionpact Vectordb nutzt, oder ein Werkzeug von Fusionpact Vectordb in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
EMBEDDING_PROVIDER Embedding-Anbieter: ollama (kostenlos), openai oder mock Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von Cursor abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Klappt mit VS Code, aber erst etwas vorbereiten
Installiere zuerst Node.js auf deinem Computer (nur einmal)
Kopiere diese Nachricht in einen VS Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.
Installiere bitte den MCP server Fusionpact Vectordb für VS Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe Node.js mit node -v. Fehlt es, sag mir, dass ich es von https://nodejs.org/en/download installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "servers": { "fusionpact-vectordb": { "type": "stdio", "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Fusionpact Vectordb wirklich erscheinen.Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.
Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter
node -vMac: ⌘ + Leertaste drücken, Terminal eingeben, Enter
Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen
Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig
Download-Seite von Node.js öffnen ↗
Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v
Einmal installieren, gilt für alles, was Node.js braucht
VS Code fragt nach einer Bestätigung; klicke Install
Nutze Fusionpact Vectordb und sag mir, was du für mich tun kannst; zeig mir dann eine Sache✓ Wenn VS Code sagt, dass es Fusionpact Vectordb nutzt, oder ein Werkzeug von Fusionpact Vectordb in der Antwort zeigt, bist du verbunden
Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.
EMBEDDING_PROVIDER Embedding-Anbieter: ollama (kostenlos), openai oder mock Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Menünamen am 11. Nov. 2026 mit der Hilfe von VS Code abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen
Claude Code
claude mcp add --scope user fusionpact-vectordb -- npx -y fusionpactClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"fusionpact-vectordb": {
"command": "npx",
"args": [
"-y",
"fusionpact"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"fusionpact-vectordb": {
"command": "npx",
"args": [
"-y",
"fusionpact"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"fusionpact-vectordb": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"fusionpact"
]
}
}
}EMBEDDING_PROVIDER envBeschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.
Laufen auf deinem Computer in
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 20. Nov. 2026
Der Herausgeber (atul-fusionpact) ist nicht der Repo-Inhaber (FusionpactTech); vielleicht hat jemand anderes ihn eingetragen
Code zuletzt geändert: vor 8 Monaten, vor mehr als 6 Monaten
Nutzt Apache-2.0
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Keine Einträge auf OSV.dev für fusionpact@2.1.1
Prüft nur diese Paketversion, nicht alle Abhängigkeiten · geprüft 16. Nov. 2026
Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.
[](https://mcp.popnx.com/en/servers/atul-fusionpact-fusionpact-vectordb)Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.
Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.
Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.
Noch keine Bewertungen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 3 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt vor 8 Monaten geändert, und die neueste Version (2.1.1) kam vor 8 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js auf deinem Computer.
In derselben Kategorie: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.
So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Official Exa MCP for web search, content fetching, and multi-step research.
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.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| Dieser Fusionpact Vectordb | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| Läuft wo | Wird auf deinem Rechner installiert | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation | Läuft in der Cloud, keine Installation |
| Braucht Schlüssel | Nein | Nein | Nein | Nein | Nein | Nein |
| Mit + in Claude hinzufügen | Nein | Ja | Ja | Ja | Nein | Nein |
| Basisprüfungen | 1/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Lizenz | Apache-2.0 | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| Preis | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register | Keine Kosten im Register |
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
Hybrid Vector + Reasoning + Memory for AI Agents
Similarity ≠ Relevance. FusionPact is the first retrieval engine that combines HNSW vector search, reasoning-based tree retrieval, and agent memory in a single platform — purpose-built for AI agents and multi-agent systems.
Quickstart · Hybrid Retrieval · Agent Memory · Multi-Agent · MCP Server · Tree Index · RAG Pipeline · API Reference · Benchmarks · Contributing
Traditional vector databases retrieve what's similar. But similar ≠ relevant. Ask a vector DB for "Q3 2024 revenue" and you might get Q2 or Q4 data — semantically similar, but the wrong answer.
FusionPact solves this by combining three retrieval paradigms:
| Strategy | How It Works | Best For |
|---|---|---|
| Vector Search (HNSW) | Embedding similarity, O(log N) | Broad search across large collections |
| Tree Reasoning | LLM navigates document structure | Precise retrieval in structured documents |
| Keyword Search (BM25) | Term frequency matching | Exact match requirements |
Plus purpose-built agent memory, multi-agent orchestration, and MCP server — all zero-dependency, local-first, and free.
┌──────────────────────────────────────────────────────────┐
│ FusionPact Retrieval Engine │ │ │ │ ┌────────────┐ ┌─────────────┐ ┌────────────────┐ │ │ │ Vector │ │ Tree │ │ Keyword │ │ │ │ (HNSW) │ │ (Reasoning) │ │ (BM25) │ │ │ └─────┬──────┘ └──────┬──────┘ └───────┬────────┘ │ │ └────────────┬────┴─────────────────┘ │ │ ▼ │ │ Reciprocal Rank Fusion │ │ ▼ │ │ ┌──────────────────────────────────────────────────┐ │ │ │ Agent Memory (Multi-Agent) │ │ │ │ Episodic │ Semantic │ Procedural │ Shared │ │ │ └──────────────────────────────────────────────────┘ │ │ ┌──────────────────────────────────────────────────┐ │ │ │ MCP Server (Claude, Cursor, etc.) │ │ │ └──────────────────────────────────────────────────┘ │ └──────────────────────────────────────────────────────────┘
# Install
npm install fusionpact
npx fusionpact demo
npx fusionpact serve --port 8080
npx fusionpact mcp
const { create } = require('fusionpact');
const fp = create({ embedder: 'ollama' }); // or 'mock' for zero-config
// Ingest a document — auto-chunks, embeds, indexes await fp.rag.ingest('Your document text here...', { source: 'doc.pdf' });
// Hybrid search — vector + reasoning + keyword, fused automatically const results = await fp.retriever.retrieve('What safety protocols exist?', { collection: 'default', strategy: 'hybrid' });
// Or build LLM-ready context directly const context = await fp.rag.buildContext('What safety protocols exist?'); console.log(context.prompt); // Ready to paste into any LLM
The core differentiator: a single API that intelligently routes queries through multiple retrieval strategies and fuses results using Reciprocal Rank Fusion.
const { create } = require('fusionpact');
const fp = create({ embedder: 'ollama', // Local, free, private llmProvider: 'ollama', // For tree reasoning enableHybrid: true });
// Index a structured document with tree structure await fp.treeIndex.indexDocument('annual-report', reportText, { format: 'markdown' });
// Hybrid retrieval — automatically uses the best strategy const results = await fp.retriever.retrieve( 'What were the total deferred tax assets in Q3?', { collection: 'documents', // Vector search here docId: 'annual-report', // Tree reasoning here topK: 5, strategy: 'hybrid' // Fuse all strategies } );
// Each result includes: // - score: Fused relevance score // - content: Retrieved text // - sources: Which strategies contributed { vector: 0.8, tree: 0.9, keyword: 0.3 } // - citation: "Section 3 > Financial Data > Table 3.2.1" // - reasoning: Full tree traversal reasoning trace
const retriever = new HybridRetriever({
engine, treeIndex, embedder, weights: { vector: 0.4, // 40% weight to vector similarity tree: 0.4, // 40% weight to reasoning-based retrieval keyword: 0.2 // 20% weight to keyword matching } });
FusionPact learns which retrieval strategy works best for different query patterns:
// Record feedback on result quality
retriever.recordFeedback('financial query', 'tree', 0.95); retriever.recordFeedback('general search', 'vector', 0.85);
// Get recommended weights for a new query const weights = retriever.getAdaptiveWeights('new financial query'); // → { vector: 0.25, tree: 0.6, keyword: 0.15 }
Reasoning-based retrieval for structured documents. Builds a hierarchical tree (like an intelligent table of contents) and uses LLM reasoning to navigate to the most relevant sections.
const { TreeIndex, LLMProvider } = require('fusionpact');
const llm = new LLMProvider({ provider: 'ollama' }); // Free, local const tree = new TreeIndex({ llmProvider: llm });
// Index a document await tree.indexDocument('sec-filing', filingText, { format: 'markdown', metadata: { source: '10-K', year: 2024 } });
// Reasoning-based search const results = await tree.search('sec-filing', 'Total deferred tax assets', { maxResults: 3, includeReasoning: true });
// results[0]: // { // content: "Table 5.2: Deferred Tax Assets...", // relevanceScore: 0.95, // citation: "Financial Statements > Note 5 > Tax Assets > Table 5.2", // reasoningPath: [ // { title: "Financial Statements", reasoning: "Deferred tax assets are in financial notes", action: "explore" }, // { title: "Note 5: Income Taxes", reasoning: "This note covers tax-related assets", action: "explore" }, // { title: "Table 5.2", reasoning: "Contains the deferred tax asset breakdown", action: "retrieve" } // ] // }
If no LLM provider is configured, TreeIndex falls back to keyword-based tree traversal — still useful, just without the reasoning path:
const tree = new TreeIndex(); // No LLM — keyword fallback
await tree.indexDocument('doc', text, { format: 'markdown' }); const results = await tree.search('doc', 'safety protocols');
Purpose-built memory system for AI agents with four memory types:
| Memory Type | What It Stores | Example |
|---|---|---|
| Episodic | Events, conversations, observations | "User asked about Lab B chemical storage" |
| Semantic | Facts, domain knowledge, learned info | "OSHA 1910.106 covers flammable liquids" |
| Procedural | Tool schemas, API specs, workflows | search_incidents tool definition |
| Shared | Cross-agent knowledge pool | "Customer ACME prefers ISO 14001" |
const { create } = require('fusionpact');
const fp = create({ embedder: 'ollama', enableMemory: true });
// Episodic — remember what happened await fp.memory.remember('agent-1', { content: 'User prefers dark mode and concise answers', role: 'system', importance: 0.8 });
// Semantic — learn knowledge await fp.memory.learn('agent-1', 'OSHA 29 CFR 1910 covers general industry safety standards.', { source: 'regulations', category: 'compliance' } );
// Procedural — register tools await fp.memory.registerTool('agent-1', { name: 'search_incidents', description: 'Search EHS incident reports by category and severity', schema: { type: 'object', properties: { severity: { type: 'string' } } } });
// Recall — cross-memory search const memories = await fp.memory.recall('agent-1', 'safety compliance'); // → { episodic: [...], semantic: [...], procedural: [...], shared: [...] }
// Conversation memory fp.memory.addMessage('agent-1', 'thread-001', { role: 'user', content: 'What are the PPE requirements?' }); fp.memory.addMessage('agent-1', 'thread-001', { role: 'assistant', content: 'PPE requirements include...' }); const history = fp.memory.getConversation('agent-1', 'thread-001');
// GDPR-friendly forget fp.memory.forget('agent-1', { type: 'all' });
Coordinate multiple AI agents with isolated memory, shared knowledge, and message routing:
const { create, AgentOrchestrator } = require('fusionpact');
const fp = create({ embedder: 'ollama', enableMemory: true }); const orchestrator = new AgentOrchestrator({ engine: fp.engine, memory: fp.memory, retriever: fp.retriever });
// Register agents orchestrator.registerAgent({ agentId: 'researcher', name: 'Research Agent', role: 'Find and analyze information', capabilities: ['search', 'analysis', 'summarization'] });
orchestrator.registerAgent({ agentId: 'writer', name: 'Writing Agent', role: 'Generate reports and documentation', capabilities: ['writing', 'formatting', 'editing'] });
// Agent-to-agent communication await orchestrator.send({ from: 'researcher', to: 'writer', type: 'result', payload: { findings: 'Safety incidents decreased 12% YoY...' } });
// Capability-based task delegation await orchestrator.delegate('coordinator', 'Write a safety summary report', { requiredCapabilities: ['writing', 'formatting'] }); // → Automatically routes to 'writer' agent
// Collaborative retrieval across all agents const results = await orchestrator.collaborativeRecall('safety compliance'); // → Returns memories from all agents, plus shared knowledge
// Message handling orchestrator.onMessage('writer', async (msg) => { console.log(Writer received: ${msg.type} from ${msg.from}); // Process task... });
FusionPact ships as an MCP (Model Context Protocol) server. Any AI agent (Claude, Cursor, Windsurf) can use it as persistent memory — no custom integration needed.
Add to ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": { "fusionpact": { "command": "npx", "args": ["fusionpact", "mcp"], "env": { "EMBEDDING_PROVIDER": "ollama" } } } }
| Tool | Description |
|---|---|
fusionpact_create_collection | Create HNSW-indexed vector collection |
fusionpact_search | Semantic vector search |
fusionpact_hybrid_search | Hybrid retrieval (vector + tree + keyword) |
fusionpact_rag_ingest | One-click RAG ingestion |
fusionpact_rag_query | Build LLM-ready context |
fusionpact_memory_remember | Store episodic memory |
fusionpact_memory_recall | Recall relevant memories |
fusionpact_memory_learn | Add semantic knowledge |
fusionpact_memory_share | Share cross-agent knowledge |
fusionpact_memory_forget | GDPR-style memory erasure |
fusionpact_memory_conversation | Manage conversation threads |
End-to-end RAG in one call:
const fp = require('fusionpact').create({ embedder: 'ollama' });
// Ingest — auto-chunks, embeds, indexes await fp.rag.ing