Memory Fabric

Name: Memory Fabric
Author: elViRafa

von elViRafaVersion 1.4.5i★ –iLäuft auf deinem Computer

Name in der Registryio.github.elViRafa/memory-fabric

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

File-first, local-first MCP memory for AI coding assistants: Markdown + YAML, no vector DB.

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?

ClaudeClaude CodeCursorVS CodeChatGPT

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": {
    "memory-fabric": {
      "command": "uvx",
      "args": [
        "memory-fabric"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add memory-fabric -- uvx memory-fabric

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "memory-fabric": {
      "command": "uvx",
      "args": [
        "memory-fabric"
      ]
    }
  }
}

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.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "memory-fabric": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "memory-fabric"
      ]
    }
  }
}

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 elViRafa 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 7243 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 90 % der anderen 7243 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 7243 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 Memory Fabric 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 (1.4.5) kam vor 4 Tagen 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

Context7

von upstash

Up-to-date docs for AI agents

Computer oder Cloud★ 64.224MITAktualisiert heute

Installieren

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 letzten Monat

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.

Memory Fabric

File-first, local-first memory layer for MCP-compatible AI coding assistants.

Memory Fabric gives AI tools like Claude Code, Cursor, and GitHub Copilot a consistent, project-aware context layer without locking you into one model, editor, cloud provider, or operating system.

Memory is stored as human-readable Markdown with YAML frontmatter. No vector database. No cloud account. No embeddings required.

Features

MCP-native: exposes memory tools through the standard Model Context Protocol
File-first: Markdown files are the source of truth, inspectable and commit-ready
Local-first: core reads and writes work offline
Store-first: facts live in memory-store/, one per file; root maps (architecture.md, decisions.md, ...) are generated views rebuilt by Dreaming, never hand-written
Captures itself: every git commit is recorded as episodic memory automatically — no agent cooperation required — via an opt-in post-commit hook
Git-native merge: an optional custom merge driver lets two branches' memory merge as cleanly as their code, instead of conflicting on a shared timestamp line
Self-verifying: memories can cite the file/line/commit they depend on; ai-memory verify flags citations that rotted
Learns from failure: write_failure_memory_tool deduplicates repeat occurrences of the same error into one growing record instead of scattering near-duplicates
Secret-safe: API keys and credentials are redacted before writing
Token-budget aware: assembles context within limits; never slices files mid-document
Quality eval: scores memory usefulness and Dreaming before/after results locally
Unicode-safe: works with any human language
Graceful degradation: works without rg, git hooks, or Dreaming configured

Status

v1.4.5 — field diary pack/analyze and live posture pinning. [Live on PyPI](https://pypi.org/project/memory-fabric/). Core CLI and MCP tools work end-to-end. See ROADMAP.md for what shipped, what's in progress, and what's next.

Demo

The CLI and self-capture flow: initialize a project, write a memory as a plain Markdown file in your repo, and watch a git commit record itself as episodic memory with no agent cooperation. The cross-tool moment — an agent writes memory in one tool and a different tool reads it back — is storyboarded in DEMO.md for the full video.

Privacy — no telemetry

Memory Fabric never sends data anywhere. There is no account, no cloud, no analytics, no phone-home. The core read and write paths make no network calls at all; the only optional network requests are a PyPI version-drift check and an LLM-provider preflight, both of which you can turn off with --offline. Your memory is plain Markdown in your own git history — it never leaves your machine unless you push it.

An optional, off-by-default field diary can record operational counts on your machine after you run ai-memory diary approve. That is not the session journal, and it is not telemetry: nothing is transmitted. MEMORY_FABRIC_DIARY=0 is a kill switch. ai-memory diary pack builds a shareable folder under the app data field-packs/ directory (Windows: %APPDATA%/memory-fabric/field-packs/); you copy that folder yourself. ai-memory diary analyze scores product signals from a pack or the local diary. This is a deliberate guarantee, not a default we might change.

Installation

From PyPI (recommended)

Requires Python ≥ 3.11.

pipx install memory-fabric          # CLI only

pipx install "memory-fabric[mcp]" # CLI + MCP server

Or with plain pip (inside a virtual environment):

pip install memory-fabric          # CLI only

pip install "memory-fabric[mcp]" # CLI + MCP server

Zero-install one-off run (requires uv):

uvx --from "memory-fabric[mcp]" memory-fabric-mcp   # starts the MCP server on stdio

From GitHub (latest, pre-release)

# CLI only

pipx install "git+https://github.com/elViRafa/agentic-memory.git"

CLI + MCP server

pipx install "memory-fabric[mcp] @ git+https://github.com/elViRafa/agentic-memory.git"

Or with plain pip (inside a virtual environment):

pip install "git+https://github.com/elViRafa/agentic-memory.git"          # CLI only

pip install "memory-fabric[mcp] @ git+https://github.com/elViRafa/agentic-memory.git" # + MCP

Upgrading

Because Memory Fabric is in active development, we recommend upgrading regularly:

Upgrade the Package:

   # If installed via pipx:

pipx upgrade memory-fabric

If installed in a virtual environment via pip:

pip install --upgrade "memory-fabric[mcp]"

If installed from GitHub (pre-release):

pipx install --force "memory-fabric[mcp] @ git+https://github.com/elViRafa/agentic-memory.git"

Refresh the MCP client config (uvx installs): If your client config launches the server via uvx (the default written by older ai-memory install runs), uv serves the build it cached the first time and never re-resolves an unpinned spec — restarting the client is not enough and can leave the server several releases behind without any signal. After upgrading, either:

   # Re-write the client config (now pins the exact installed version, or points

at the local memory-fabric-mcp binary when one sits next to the CLI):

ai-memory install --client --project

...or drop the stale cached build so uvx re-resolves:

uv cache clean memory-fabric

   `ai-memory doctor` warns when the local version drifts from the latest on PyPI or

when a different ai-memory installation shadows this one on PATH.

Restart MCP Clients: After upgrading, restart your IDE (Cursor, VS Code) or assistant process (Claude Code) to ensure the client reloads the updated memory-fabric-mcp server.

Refresh Local Projects (Optional): If you have projects initialized with older versions of Memory Fabric, navigate to the project directory and run:

   ai-memory init --install-hooks

This will safely refresh starter templates and local git hook integration to the latest format without overwriting your existing memory markdown files.

Windows terminals: the CLI emits UTF-8 (memory content legitimately contains

em-dashes and bullets). Windows Terminal and PowerShell 7 render it out of the box;

on legacy consoles (PowerShell 5.1 with an OEM code page) set chcp 65001 or

PYTHONUTF8=1 if you see replacement characters.

Or clone and install in editable mode for local development:

git clone https://github.com/elViRafa/agentic-memory.git

cd agentic-memory pip install -e . # CLI only pip install -e ".[mcp]" # CLI + MCP server

Quick Start

1. Initialize a project

ai-memory init

Creates .ai-memory/ in the current directory with starter sections and a .gitignore.

2. Check health

ai-memory doctor

3. Evaluate memory quality

ai-memory eval

ai-memory eval --json

eval scores whether memories are useful for coding assistants. It checks section coverage, starter-template content, summary quality, metadata, retrieval readiness, and likely secrets.

If .ai-memory/ exists, reports are saved under ignored local files:

.ai-memory/evals/latest.json

.ai-memory/evals/latest.md .ai-memory/evals/ -memory.json .ai-memory/evals/ -memory.md

If .ai-memory/ does not exist yet, eval prints a pre-init report only and creates no files.

4. Query memory

ai-memory query "authentication"

5. Run maintenance (Dreaming)

ai-memory dream --mode light

ai-memory dream --mode deep

Dreaming creates a snapshot before maintenance. You can evaluate whether a Dreaming run improved memory quality:

ai-memory eval --dream latest

ai-memory dream --mode light --eval

Dream eval compares the pre-dream snapshot to current memory and reports score delta, changed files, improvements, and regressions.

MCP Server — Install

One command per client. Safe to re-run: merges with your existing config, never overwrites it, and backs up the original file if it can't be parsed.

One-click install

These call uvx --from "memory-fabric[mcp]" memory-fabric-mcp under the hood — same canonical invocation as ai-memory install, just without the CLI step. Requires uv.

Client	Command
Claude Code	`ai-memory install --client claude-code`
Claude Desktop	`ai-memory install --client claude-desktop`
VS Code	`ai-memory install --client vscode`
Cursor	`ai-memory install --client cursor`
Windsurf	`ai-memory install --client windsurf`
Codex	`ai-memory install --client codex`
Antigravity	`ai-memory install --client antigravity`
Gemini CLI	`ai-memory install --client gemini-cli`
Cline	`ai-memory install --client cline`
All detected clients	`ai-memory install --client all`

Add --project to write project-scoped config instead of the global/user config (where the client supports it). Add --dry-run to preview the change as a unified diff without writing anything. Add --uninstall to remove only the memory-fabric entry, leaving everything else in the file untouched.

Available MCP Tools

Tool	Description
`initialize_memory_fabric_tool`	Create `.ai-memory/` scaffolding in a project
`read_combined_context_tool`	Load Tier 0 directives + prioritized memory within token budget
`read_section_tool`	Read a single memory section by name
`keyword_search_tool`	Search memory with ripgrep or Python fallback
`write_local_memory_tool`	Update steering sections (`framework-rules`, `ubiquitous-language`) only. Writing facts or root maps is rejected (store-first) — root maps are generated from `memory-store/`; use `write_memory_store_tool`
`propose_memory_patch_tool`	Preview proposed memory changes without applying
`dream_tool`	Run memory maintenance / consolidation (--mode light	deep)
`prepare_dream_payload_tool`	Prepare candidate snapshot and return consolidation prompt for client-driven dreaming
`apply_dream_results_tool`	Apply LLM consolidated JSON output to candidate snapshot and save changes
`evaluate_memory_fabric_tool`	Evaluate local memory quality
`evaluate_dream_quality_tool`	Evaluate a Dreaming run against a snapshot
`write_memory_store_tool`	Write a memory file to a semantic store path (e.g. `architecture/decisions/auth`); accepts an optional `evidence` citation list

Nur der Anfang wird gezeigt; den Rest findest du im Repo

Memory Fabric

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Häufige Fragen

Alternativen

Context7

Codebase Memory

Exa

README vom Entwickler

Memory Fabric

Features

Status

Demo

Privacy — no telemetry

Installation

From PyPI (recommended)

From GitHub (latest, pre-release)

CLI + MCP server

Upgrading

If installed in a virtual environment via pip:

If installed from GitHub (pre-release):

at the local memory-fabric-mcp binary when one sits next to the CLI):

...or drop the stale cached build so uvx re-resolves:

Quick Start

1. Initialize a project

2. Check health

3. Evaluate memory quality

4. Query memory

5. Run maintenance (Dreaming)

MCP Server — Install

One-click install

Available MCP Tools