Context7
von upstash
Up-to-date docs for AI agents
Computer oder Cloud★ 64.224MITAktualisiert vor 3 Tagen
Installieren
Project Memory
Überblick
Beschreibung vom Entwickler (englisches Original)
Local decisions, evidence, outcomes and reviewed lessons with bounded retrieval and an HTML viewer.
Die drei Säulen von PopNx MCP
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
- Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
- Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
- NutzungiNoch nicht gemessen★ –
Was du damit machen kannst
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
- Verbindung: Läuft auf deinem Computer
- Transport: stdio
- Kategorie: Suche & KI-Gedächtnis
Installation
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Bevor du installierst
- Basischecks: 1 von 1 bestanden
- Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
- Die Registry nennt keinen Schlüssel zum Eintragen.
Du brauchst
- PyPIuv für Python installiert (für den Befehl uvx)
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"project-memory": {
"command": "uvx",
"args": [
"project-memory-mcp",
"serve",
"--project",
"{project_path}"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add project-memory -- uvx project-memory-mcp serve --project '{project_path}'Oder kopier die Einstellungen selbst
In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"project-memory": {
"command": "uvx",
"args": [
"project-memory-mcp",
"serve",
"--project",
"{project_path}"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Oder kopier die Einstellungen selbst
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"project-memory": {
"type": "stdio",
"command": "uvx",
"args": [
"project-memory-mcp",
"serve",
"--project",
"{project_path}"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Was er kann
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Basischecksi
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026
- ✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto Dankaro-projects bestätigt, dem das Repo gehört
- … Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
- … Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
- – Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
- – Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
- … Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Im Vergleich mit anderen in Suche & KI-Gedächtnisi
- Mehr Sterne als 0 % der anderen 7226 Server in dieser Kategorie
- Neuer in der Registry veröffentlicht als 42 % der anderen 7226 Server in dieser Kategorie
- Basischecks gleich gut wie oder besser als bei 100 % der anderen 7226 Server in dieser Kategorie
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Häufige Fragen
Ist Project Memory sicher?
Er hat 1 von 1 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.
Welche Schlüssel oder Codes braucht er?
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Läuft er auf meinem Computer oder in der Cloud?
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).
Wird er noch gepflegt?
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.5.0b9) kam vor 2 Monaten in die Registry.
Welche Apps können ihn nutzen?
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.
Was kann ich stattdessen nutzen?
In derselben Kategorie: Context7, Codebase Memory, Exa
Alternativen
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Codebase Memory
von DeusData
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Läuft auf deinem Computer★ 48.148MITAktualisiert vor 20 Tagen
Installieren
Exa
von exa-labs
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Läuft in der Cloud★ 5.213MITAktualisiert vor 44 Tagen
Installieren
README vom Entwickler
README öffnen
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.
Project Memory
Project Memory keeps the plan, the evidence, the decisions, the outcomes and the accepted lessons of one project in a local SQLite database. Your assistant reads and writes those records through three MCP tools. You follow the same records in a local control panel, which is read only, and you decide in the chat what is approved, accepted and merged.
It works for a software product, a consulting engagement and a workflow automation built in n8n. Work items can be code, documents, deliverables or exported workflows.
Public beta. Python 3.11 or newer is required. The runtime uses only the Python standard library. There is no telemetry, no hosted database and no account. Agent checks and delegated work run through the Codex or Claude Code CLI that you already have installed, and they consume that account's usage.
Install
Install uv, then run this inside the project you want to remember:
uvx project-memory-mcp@0.6.0b16 setup --client codex --trustFor Claude Code, replace --client codex with --client claude. Setup preserves existing records and settings, connects the MCP server and the lifecycle hooks, and opens the control panel. --trust approves the project integration in that client; omit it to approve the connection yourself. Start a new assistant session afterwards. Add --no-view for a headless installation.
For a permanent command:
uv tool install project-memory-mcp==0.6.0b16project-memory doctor project-memory view
To install the published wheel directly from GitHub instead of PyPI:
uvx --from https://github.com/Dankaro-projects/project-memory/releases/download/v0.6.0b16/project_memory_mcp-0.6.0b16-py3-none-any.whl project-memory setup --client claude --trustOther local MCP clients use setup --client mcp and the stdio server. Setup and lifecycle covers client configuration, the plugins, upgrades, backups and removal.
Start a project
A new project starts from one of three templates:
project-memory init ~/projects/pricing-tool --template product --client codex| Template | For | Starter documents | Phases |
|---|---|---|---|
product | A software product | docs/brief.md, docs/research.md, docs/architecture.md, docs/stories.md | Goals and brief, Research, Requirements approval, Architecture, User stories and acceptance, Build, Review and release |
engagement | A consulting engagement | engagement/brief.md, engagement/stakeholders.md, engagement/research.md, engagement/findings.md, deliverables/README.md | Scope and brief, Stakeholders and hypotheses, Research and evidence, Analysis and synthesis, Recommendations and deliverables, Client review, Handover |
automation | A workflow automation, with n8n exports in workflows/ | automation/process.md, automation/systems.md, automation/solution-design.md, workflows/README.md | Process discovery, Systems and credentials inventory, Solution design, Workflow stories and test data, Build workflows, Test with sample data, Deployment and handover |
init creates the folder, initialises git unless you pass --no-git, writes any starter document that does not exist yet, connects the clients you name and records each phase as a work item. Running it again creates nothing a second time and never overwrites a document you have edited.
The kickoff conversation
Each template carries seven kickoff questions. Your assistant reads them with memory_get kickoff and asks you, for example what problem the product solves, who the stakeholders are, or which systems the process uses. It records your answers with memory_write answer_kickoff, fills the starter documents from those answers and proposes requirements. Only you approve the requirements baseline. Until that approval exists, the control panel opens on a kickoff checklist that shows the open questions, the research still needed, the starter documents that are still empty and the phases.
The everyday loop
Tell the assistant the result you want, the constraints and what would count as complete. It then records a work item with its objective, its completion criterion, the next action and the files it may change, continues from that record in later sessions, and records each decision with its evidence, alternatives, uncertainty and expected consequence. After acting, it records what actually happened. A failure stays visible after a later success.
You approve requirements, accept or reject proposed lessons, widen the allowed paths, and decide what is merged. Capturing a document does not approve its contents, and a plan does not authorise work.
The control panel
Run project-memory view in the project, or ask the assistant to open Project Memory. The panel reads the same database and refreshes while it is open. It is laid out as a Notion workspace: a sidebar of views, database tables with views, filters, sorting and grouping, and each item opening as a page beside the list, in a light or a dark theme.
| View | Content |
|---|---|
| Now | One sentence on the project position, the kickoff checklist, and the work in progress, paused, ready and done with the next step of each, and recent decisions |
| Plan | The hierarchy of phases, epics, stories, research items, deliverables and workflows as an outline with nested sub-items and progress, and a gallery of the phases |
| Work | A table and a board of work items, and a page for each with the plan, the allowed paths, dependencies, agent runs, lineage and history |
| Architecture | Components from source code, exported n8n workflows and authored items such as systems, stakeholders and deliverables |
| Dependencies | The work dependency graph with blocked chains, and the declared package table |
| Decisions | Decisions with their outcomes, and the lineage from requirement to outcome |
| Learning | Accepted guards and their recurrences, lessons awaiting your acceptance, failures without a lesson and scope widenings |
| Agents | Host availability, agent checks, delegated runs, and the merge or discard decision |
| Records | Search across every record kind, captured documents and host receipts |
| Requirements | The current requirements, their version and their approval evidence |
project-memory view --output review.html --include-bodies --no-open writes an offline snapshot instead. See the control panel guide.
Read the records in Obsidian
project-memory export --obsidian writes the records as a folder of Markdown notes with frontmatter and wikilinks, which Obsidian opens as a vault. A work item is a folder holding its own decisions, outcomes and plans, and sources, lessons and requirement revisions sit in shared folders beside it. The graph, the backlinks and the search of Obsidian then work on the project history, while the panel stays the place where you decide.
The export runs in one direction. The database is the source of truth, the export owns one folder inside the vault and touches nothing outside it, and a note edited inside that folder is lost on the next run. After a session that wrote records, the session stop hook refreshes the vault in a separate process.
Agent checks and delegated work
When Codex or Claude Code is configured, Project Memory can start short, separate host processes. An agent check reads the records and the project and reports on an outcome, on the current intent or on an unconfirmed execution. Delegated work runs a work item in its own git worktree, limited to the paths in its plan, and a second host reviews the resulting diff before you merge it. If one host reports a usage limit or a rate limit, the run reroutes once to the other configured host.
These runs use your installed Codex or Claude Code account and consume that account's usage. A reviewer cannot edit plans, accept lessons or merge anything. See agent checks and delegated work.
Guards and scope
An accepted lesson with a trigger becomes a guard. When a guard matches the paths or the wording of a work item, a decision must list that lesson in lessons_considered with an explicit yes or no and a reason, otherwise the decision is rejected. When a work item has allowed paths, the lifecycle hooks block an edit outside them, record the block and ask you to extend the scope in the chat. The record fields document defines the pattern rules.
Honest boundaries
- A recorded plan is not permission. Autonomy and scope are advisory records; your host's own permissions and your current instructions decide what may run.
- The scope guard reads the file paths of edit tools, patch markers and the targets of MCP write tools. It does not parse shell redirection or other indirect writes inside shell commands.
- Hooks record events mechanically. Only the assistant can record what those events meant, and a connected panel does not prove that the recording is complete.
- An agent verdict is an interpretation. A passing check does not prove that the work is correct, and an empty findings list is not proof either.
- Architecture is read statically from imports, manifests and exported workflow files. Dynamic loading is not detected.
- Bounded retrieval limits the characters a call returns. It cannot control the complete model input of the host.
- Daily productivity, token usage, correction rates and human task time are not measured, and this project makes no claim about them. Testing and limitations states what is verified and what is not.
Documentation
- User guide, from the first conversation to delivery
- Control panel and agent checks and delegated work
- Setup and lifecycle and record fields
- Testing and limitations, contributing, security and releasing
Packages are published on PyPI and in GitHub Releases.