fish-bridge — Session Knowledge Graph

Name: fish-bridge — Session Knowledge Graph
Author: MakeaMouse

von MakeaMouseVersion 0.1.3i★ –iLäuft auf deinem Computer

Name in der Registryio.github.MakeaMouse/fish-bridge-mcp

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Compresses AI chat sessions into a typed knowledge graph. Local/offline via Ollama.

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
Das musst du eintragen: ANTHROPIC_API_KEY, OPENAI_API_KEY, GEMINI_API_KEY

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).
Das trägst du selbst ein: ANTHROPIC_API_KEY, OPENAI_API_KEY, GEMINI_API_KEY

Als geheim markierte Werte sind Schlüssel zu deinem Konto. Gib sie nie weiter und füge sie nie in einen Chat ein.

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": {
    "fish-bridge": {
      "command": "uvx",
      "args": [
        "fish-bridge-mcp"
      ],
      "env": {
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add fish-bridge --env ANTHROPIC_API_KEY=your-value --env OPENAI_API_KEY=your-value --env GEMINI_API_KEY=your-value -- uvx fish-bridge-mcp

Trag die leeren Werte ein, bevor du ihn startest.

In Cursor öffnen

Oder kopier die Einstellungen selbst

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

{
  "mcpServers": {
    "fish-bridge": {
      "command": "uvx",
      "args": [
        "fish-bridge-mcp"
      ],
      "env": {
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

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": {
    "fish-bridge": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "fish-bridge-mcp"
      ],
      "env": {
        "ANTHROPIC_API_KEY": "your-value",
        "OPENAI_API_KEY": "your-value",
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

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.

Werte, die du selbst einträgst

ANTHROPIC_API_KEY geheim env
API key for Claude extraction backend (omit when using local/Ollama)
OPENAI_API_KEY geheim env
API key for OpenAI extraction backend (omit when using local/Ollama)
GEMINI_API_KEY geheim env
API key for Gemini extraction backend (omit when using local/Ollama)

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 7. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto MakeaMouse 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 7249 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 13 % der anderen 7249 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 7249 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 fish-bridge — Session Knowledge Graph 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?

Das musst du eintragen: ANTHROPIC_API_KEY, OPENAI_API_KEY, GEMINI_API_KEY

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 (0.1.3) kam vor 6 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

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.

fish_bridge

Session-scoped knowledge graph engine for AI chat context compression.

Converts raw AI chat (40k+ tokens) into a compact typed knowledge graph (~300–800 tokens) and writes it to .github/copilot-instructions.md or CLAUDE.md — automatically included in every AI turn across all modes (ask, edit, agent). No MCP server required for the core workflow.

Raw session (40k tokens) → [fish_bridge] → Compressed graph (350 tokens)

written to copilot-instructions.md picked up by every AI turn automatically

Install

Don't have uv? Get it first: curl -LsSf https://astral.sh/uv/install.sh | sh (macOS/Linux) or see uv docs. It replaces pip + pipx + pyenv in one tool — no virtualenv management needed.

Recommended — `uv tool install` (installs both the fish-bridge CLI and fish-bridge-mcp MCP server on your PATH):

# Local Ollama backend — free, offline (requires Ollama running)

uv tool install fish-bridge-mcp

Gemini backend (~$0.0002/turn, ~95% quality — recommended cloud option)

uv tool install "fish-bridge-mcp[gemini]" export GEMINI_API_KEY=...

Claude backend (~$0.002/turn, ~97% quality)

uv tool install "fish-bridge-mcp[claude]" export ANTHROPIC_API_KEY=sk-ant-...

OpenAI backend (~$0.0003/turn, ~93% quality)

uv tool install "fish-bridge-mcp[openai]" export OPENAI_API_KEY=sk-...

Everything

uv tool install "fish-bridge-mcp[all]"

After install, two commands are available on your PATH:

`fish-bridge` — the main CLI (ingest, compile, show, serve, ...)
`fish-bridge-mcp` — the MCP server for VS Code agent mode

MCP config only (no permanent install needed): use uvx directly in your .vscode/mcp.json — it downloads and runs the MCP server on demand:

{ "command": "uvx", "args": ["fish-bridge-mcp"] }

See the MCP server section below for the full config.

Traditional pip install (for embedding fish-bridge as a library in your own Python project)

pip install fish-bridge-mcp

pip install "fish-bridge-mcp[gemini]" # with Gemini backend pip install "fish-bridge-mcp[claude]" # with Claude backend pip install "fish-bridge-mcp[all]" # everything

</details>

2-minute quickstart

# 1. Initialize for your project

fish-bridge init --tool copilot --project ./

2. Ingest the latest Copilot session (auto-discovers JSONL on macOS/Linux/Windows)

fish-bridge ingest --source copilot

3. View the graph

fish-bridge show

4. Compile to your instructions file (done automatically after ingest)

fish-bridge compile

That's it. .github/copilot-instructions.md now contains a ~350-token compressed summary of your session, replacing raw history in every future turn.

Backends

Backend	Install extra	Model	Quality	Cost/turn
`local` (Ollama)	(none — requires Ollama)	qwen2.5:7b	~85%	$0
`gemini`	`[gemini]`	gemini-2.5-flash	~95%	~$0.0002
`openai`	`[openai]`	gpt-4.1-mini	~93%	~$0.0003
`claude`	`[claude]`	claude-opus-4-7	~97%	~$0.002
`hybrid`	`[claude]` or `[openai]`	local+cloud	best	mixed

Configure with:

fish-bridge config --backend gemini

or set GEMINI_API_KEY / ANTHROPIC_API_KEY / OPENAI_API_KEY as env vars

Full CLI reference

# --- Session init ---

fish-bridge init # create session for current project fish-bridge init --tool claude # → writes to CLAUDE.md instead

--- Ingest chat turns ---

fish-bridge ingest --source copilot # auto-discover latest VS Code Copilot session fish-bridge ingest --source copilot --session # target specific session fish-bridge ingest --source paste # paste any chat text — opens $EDITOR (universal fallback) fish-bridge ingest --source file --file export.json # from a saved export file fish-bridge watch --source copilot # tail JSONL, auto-update on new turns

--- Merge external knowledge ---

fish-bridge merge --source document --file HANDOVER.md fish-bridge merge --source codebase --path ./ # git log + README fish-bridge merge --source obsidian --vault ~/notes fish-bridge merge --source deps --path ./ # package.json / pyproject.toml etc. fish-bridge merge --source testout --file results.json # jest / pytest / JUnit fish-bridge merge --source iac --path ./ # Terraform / CDK / CloudFormation fish-bridge merge --source openapi --file openapi.yaml fish-bridge merge --source session --file prior.chatgraph.json

--- Compile & view ---

fish-bridge compile # update instruction file (runs after ingest by default) fish-bridge compile --mode digest # full handover markdown fish-bridge compile --mode focus --query "Redis caching" fish-bridge show # pretty-print active nodes fish-bridge show --all # include resolved/deferred items fish-bridge serve # open Cytoscape.js graph viewer at localhost:8080 fish-bridge digest # generate handover digest

--- Node management ---

fish-bridge resolve "DNC caching strategy" fish-bridge defer "v16 index validation" fish-bridge add "Use Redis for session cache" --type decision fish-bridge conflict show fish-bridge conflict resolve --keep old

--- Export / import / diff ---

fish-bridge export # save .chatgraph.json fish-bridge import prior-session.chatgraph.json fish-bridge diff session-a.chatgraph.json session-b.chatgraph.json

--- Config ---

fish-bridge config --show fish-bridge config --backend gemini

MCP server (optional — agent mode only)

The MCP server adds real-time record_turn capture when using VS Code agent mode. It is not required — the file-based workflow above works in all modes without it.

Add to .vscode/mcp.json (uses uvx — no prior install needed):

"servers": { "fish-bridge": { "command": "uvx", "args": ["fish-bridge-mcp"], "env": { "FISH_BRIDGE_BACKEND": "gemini", "GEMINI_API_KEY": "${env:GEMINI_API_KEY}" } } } }

If you used uv tool install fish-bridge-mcp, you can also reference the installed binary directly:

{ "command": "fish-bridge-mcp" }

See examples/ for Claude Desktop, Cursor, and Windsurf configs.

MCP tools: record_turn, get_context, get_focus, mark_resolved, add_node, export_session, import_session, show_active, list_deferred

Ingest sources

Source	Command	What it ingests
Copilot	`ingest --source copilot`	VS Code Copilot JSONL transcript (auto-discovered)
Paste	`ingest --source paste`	Any chat text — universal fallback
Document	`merge --source document`	Markdown, JSON, YAML specs and ADRs
Codebase	`merge --source codebase`	Git commits + README + HANDOVER
Obsidian	`merge --source obsidian`	Vault notes with wikilinks and frontmatter
Session	`merge --source session`	Prior `.chatgraph.json` export
Deps	`merge --source deps`	package.json, pyproject.toml, Cargo.toml, go.mod, Gemfile, pom.xml
Test output	`merge --source testout`	Jest JSON, pytest JSON, JUnit XML — error nodes per failing test
IaC	`merge --source iac`	Terraform, CDK (synth output), CloudFormation, docker-compose
OpenAPI	`merge --source openapi`	OpenAPI 3.x / Swagger 2.0 / AsyncAPI specs

How it works

Ingest — reads raw chat turns from JSONL (Copilot), paste, or any file format
Extract — LLM extracts typed nodes (questions, decisions, errors, tasks, skills, files) and edges
Dedup — semantic similarity merges near-duplicates; conflict detection flags status reversals
Compile — graph is compressed to ~300–800 token XML/markdown block
Write — block is written to .github/copilot-instructions.md (or CLAUDE.md)
Deliver — AI tool reads the file automatically on the next turn — no injection, no agent required

Documentation

Quickstart
Configuration
Graph schema
Compiler modes
Ingestors

License

MIT — see LICENSE

fish-bridge — Session Knowledge Graph

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Werte, die du selbst einträgst

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

fish_bridge

Install

Gemini backend (~$0.0002/turn, ~95% quality — recommended cloud option)

Claude backend (~$0.002/turn, ~97% quality)

OpenAI backend (~$0.0003/turn, ~93% quality)

Everything

2-minute quickstart

2. Ingest the latest Copilot session (auto-discovers JSONL on macOS/Linux/Windows)

3. View the graph

4. Compile to your instructions file (done automatically after ingest)

Backends

or set GEMINI_API_KEY / ANTHROPIC_API_KEY / OPENAI_API_KEY as env vars

Full CLI reference

--- Ingest chat turns ---

--- Merge external knowledge ---

--- Compile & view ---

--- Node management ---

--- Export / import / diff ---

--- Config ---

MCP server (optional — agent mode only)

Ingest sources

How it works

Documentation

License