Octobrain

Name: Octobrain
Author: muvon

von muvonVersion 0.15.1i★ –iLäuft auf deinem Computer

Name in der Registryio.github.Muvon/octobrain

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Persistent memory for AI assistants with semantic search and knowledge graph relationships.

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

npmNode.js installiert (für den Befehl npx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Die .mcpb-Datei des Entwicklers herunterladen

Der Link führt zur Datei des Entwicklers selbst; wir hosten sie nicht und verpacken sie nicht neu. Öffne die Datei, dann installiert Claude Desktop sie.

Führe das in deinem Terminal aus

claude mcp add octobrain -- npx -y @muvon/octobrain mcp

In Cursor öffnen

Oder kopier die Einstellungen selbst

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

{
  "mcpServers": {
    "octobrain": {
      "command": "npx",
      "args": [
        "-y",
        "@muvon/octobrain",
        "mcp"
      ]
    }
  }
}

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": {
    "octobrain": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@muvon/octobrain",
        "mcp"
      ]
    }
  }
}

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 muvon 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 91 % 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 Octobrain 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 (0.15.1) kam vor 3 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 Node.js, MCPB 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.

Octobrain

Persistent memory for AI assistants — store insights, decisions, and knowledge that survives across conversations.

_MCP Registry: mcp-name: io.github.Muvon/octobrain_

Why Octobrain?
Quick Start
Installation
Usage
Features
Benchmarks
Configuration
Memory Types
MCP Integration
Storage Locations
Contributing
License

Octobrain gives your AI assistant a long-term memory. Store code insights, architecture decisions, bug fixes, and knowledge — then retrieve them with semantic search in future sessions. Works as a CLI tool or as an MCP server for integration with Claude Desktop and other AI tools.

Why Octobrain?

AI assistants start every conversation with zero context. You explain your project, your preferences, your decisions — every single time. Octobrain breaks that cycle:

Persistent memory — Insights survive across sessions, not just within them
Semantic search — Find memories by meaning, not exact keywords
Auto-linking — Related memories connect automatically (Zettelkasten-style)
Knowledge indexing — Ingest docs, articles, and files for retrieval
MCP integration — Works with Claude Desktop and other MCP-compatible tools

Quick Start

# Install from crates.io

cargo install octobrain

Store your first memory

octobrain memory memorize --title "API Design Pattern" \ --content "Use REST for CRUD, GraphQL for complex queries" \ --memory-type architecture --tags "api,design"

Search memories

octobrain memory remember "how should I design APIs"

Start MCP server for Claude Desktop integration

octobrain mcp

Installation

From crates.io (Recommended)

cargo install octobrain

From Source

# Clone and build

git clone https://github.com/muvon/octobrain.git cd octobrain cargo build --release

Binary location

./target/release/octobrain --help

Docker

docker pull ghcr.io/muvon/octobrain:latest

Homebrew (macOS/Linux)

brew install muvon/tap/octobrain

Feature Flags

Octobrain supports multiple embedding providers:

Flag	Description	API Key Required
`fastembed`	Local embeddings via FastEmbed	No
`huggingface`	Local embeddings via HuggingFace	No
(default)	Both `fastembed` + `huggingface`	No
(no features)	API-based: Voyage, OpenAI, Google, Jina	Yes

# Build with local embeddings (default, no API keys needed)

cargo build --release

Build with API-based embeddings only

cargo build --no-default-features --release

For API-based embeddings, set the appropriate environment variable:

VOYAGE_API_KEY for Voyage AI
OPENAI_API_KEY for OpenAI
GOOGLE_API_KEY for Google
JINA_API_KEY for Jina

Usage

Memory Management

Store and retrieve insights, decisions, and context:

All memory subcommands accept global flags:

--scope — Override project scope (default: auto-detected from Git remote)
--role — Filter by role (e.g. "developer", "reviewer")

# Store a memory

octobrain memory memorize --title "API Design" \ --content "Use REST for CRUD, GraphQL for complex queries" \ --memory-type architecture --tags "api,design"

Search memories (semantic search)

octobrain memory remember "api design patterns"

Multi-query search for broader coverage

octobrain memory remember "authentication" "security" "jwt"

Get a memory by ID

octobrain memory get

Get recent memories

octobrain memory recent --limit 20

Filter by type

octobrain memory by-type architecture --limit 10

Filter by tags

octobrain memory by-tags "api,security"

Find memories related to files

octobrain memory for-files "src/main.rs,src/lib.rs"

Update a memory

octobrain memory update --title "New Title" --add-tags "new-tag"

Delete a memory

octobrain memory forget --memory-id

Get memories relevant to the current Git commit

octobrain memory current-commit

Show memory statistics

octobrain memory stats

Clean up old/low-importance memories

octobrain memory cleanup

Compact tables and refresh indices (run when searches slow down)

octobrain memory maintenance

⚠️ Delete ALL memory data

octobrain memory clear-all --yes

Memory Consolidation

Close a goal and fold all its contributing memories into a consolidated summary:

# Consolidate a goal (Achieves-link sources → Consolidated state, importance dampened)

octobrain memory consolidate --summary "Final summary"

Sleep consolidation: auto-cluster recent similar memories

octobrain memory sleep-consolidate --threshold 0.85 --min-size 3

Memory Relationships

Connect related memories for context-rich retrieval:

# Create a relationship between memories

octobrain memory relate \ --relationship-type "depends_on" \ --description "Source requires target to function"

View relationships for a memory

octobrain memory relationships

Find related memories through relationships

octobrain memory related

Auto-link similar memories (Zettelkasten-style)

octobrain memory auto-link

Explore memory graph

octobrain memory graph --depth 2

Knowledge Base

Index and search web content, docs, and files:

# Index a URL

octobrain knowledge index https://docs.rs/tokio/latest/tokio/

Index a local file (.txt, .md, .pdf, .docx, .html)

octobrain knowledge index ./docs/architecture.md

Search knowledge base

octobrain knowledge search "how to handle async tasks"

Search within a specific source (auto-indexes if outdated)

octobrain knowledge search "spawn blocking" --source https://docs.rs/tokio/

Read full content of a URL or local file

octobrain knowledge read https://docs.rs/tokio/latest/tokio/

Search indexed content by regex pattern

octobrain knowledge match "spawn_blocking|block_in_place"

Store raw text content

octobrain knowledge store "meeting-notes" --content "Discussion points..."

List indexed sources

octobrain knowledge list --limit 20

Show statistics

octobrain knowledge stats

Delete a source

octobrain knowledge delete https://example.com/docs

Delete stored content by key

octobrain knowledge delete-stored "meeting-notes"

Knowledge Boxes

Import and sync git-backed knowledge bundles scoped to your projects:

# Import a remote git repo as a knowledge box

octobrain box import https://github.com/org/docs-repo.git

Import at global scope (visible in every project)

octobrain box import https://github.com/org/docs-repo.git --global

Pull and re-index all subscribed boxes + local .box/ directories

(the MCP server syncs each session's repos on first contact; agents run `knowledge` `sync` after editing .box/)

octobrain box sync

List subscribed boxes

octobrain box list

Remove a box

octobrain box remove github.com/org/docs-repo

MCP Server

Run as an MCP server for integration with Claude Desktop and other AI tools:

# Start with stdio transport (for Claude Desktop)

octobrain mcp

Start with HTTP transport (for web-based tools)

octobrain mcp --bind 0.0.0.0:12345

Available MCP Tools:

Tool	Description
`memorize`	Store memories with metadata; optional `related_to` for inline relationships
`remember`	Semantic search with filters; returns 1-hop graph neighbors
`forget`	Delete memories (requires confirmation)
`knowledge`	Unified tool: `search`, `store`, `delete`, `read`, `match`, `sync` via `command` field; `sync` re-indexes knowledge boxes after `.box/` edits

See MCP Integration for Claude Desktop setup.

Features

Semantic Search — Find memories by meaning using vector embeddings, not exact keyword matches
Hybrid Search — Combines BM25 full-text search with vector similarity for better results
Reranking Support — Pluggable cross-encoder reranking stage (provider-dependent)
Auto-Linking — Automatically connects semantically similar memories (Zettelkasten-style)
Temporal Decay — Ebbinghaus forgetting curve for importance management
Knowledge Indexing — Ingest URLs, PDFs, docs for retrieval
Project Scoping — Isolate memories per Git project or share across projects
Role Filtering — Tag memories by role (developer, reviewer, etc.)
Query Expansion (HyDE-lite) — Pseudo-relevance feedback for +10-30% recall on long-tail queries
MCP Protocol — Full MCP 2026-07-28 compliance for AI tool integration

Benchmarks

Retrieval quality of octobrain's knowledge system on standard BEIR datasets — nDCG@10, fully local, no LLM judge, using the harness's default embedder bge-small-en-v1.5 (384-dim, 33M params). Each corpus passage is indexed through octobrain's real retrieval path and scored against the official qrels (metrics reproduce pytrec_eval).

Dataset	octobrain vector	octobrain hybrid	BM25¹	bge-small-en-v1.5²
SciFact (5.2K docs, 300 q)	0.722	0.742	0.665	0.713
NFCorpus (3.6K docs, 323 q)	0.341	0.363	0.325	0.343

vector = dense-only retrieval; reproduces the embedder's published BEIR numbers (validates the harness).
hybrid = BM25 + vector fused with Reciprocal Rank Fusion (k=60) — octobrain's default. Adds +2 nDCG@10 over the bare embedding and beats classic BM25 on both datasets.

¹ Canonical BM25 from the BEIR paper (Anserini/Lucene, k1=0.9 b=0.4). ² From the bge-small-en-v1.5 model card (MTEB).

Scope: this measures the ranking layer (embedding + BM25 fusion + reranking). BEIR passages are pre-chunked, so octobrain's chunking strategy is not exercised here.

⚠️ Reranker status: The cross-encoder reranker is currently a no-op with fastembed models (byte-identical results to hybrid-only). Rerank is excluded from the numbers above pending investigation. See benches/README.md for details.

Reproduce (downloads the datasets, builds a release binary, runs fully offline):

cd benches && bash scripts/run_retrieval.sh

Configuration

Configuration is stored in ~/.local/share/octobrain/config.toml. The template written on first run defines every option with sensible defaults, but loading is strict — a field you delete by hand causes startup to fail rather than falling back to a default.

Override the config location with OCTOBRAIN_CONFIG_PATH=/path/to/config.toml.

Key Settings

Section	Option	Default	Description
`[embedding]`	`model`	`fastembed:Qdrant/all-MiniLM-L6-v2-onnx`	Embedding model (provider:model format). Default is a local fastembed model — no API key, runs on CPU.
`[search]`	`similarity_threshold`	`0.3`	Minimum relevance (0.0-1.0)
`[search.hybrid]`	`enabled`	`true`	Enable BM25 + vector fusion

| [search.reranker] | enabled | `

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

Octobrain

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

Octobrain

Table of Contents

Why Octobrain?

Quick Start

Store your first memory

Search memories

Start MCP server for Claude Desktop integration

Installation

From crates.io (Recommended)

From Source

Binary location

Docker

Homebrew (macOS/Linux)

Feature Flags

Build with API-based embeddings only

Usage

Memory Management

Search memories (semantic search)

Multi-query search for broader coverage

Get a memory by ID

Get recent memories

Filter by type

Filter by tags

Find memories related to files

Update a memory

Delete a memory

Get memories relevant to the current Git commit

Show memory statistics

Clean up old/low-importance memories

Compact tables and refresh indices (run when searches slow down)

⚠️ Delete ALL memory data

Memory Consolidation

Sleep consolidation: auto-cluster recent similar memories

Memory Relationships

View relationships for a memory

Find related memories through relationships

Auto-link similar memories (Zettelkasten-style)

Explore memory graph

Knowledge Base

Index a local file (.txt, .md, .pdf, .docx, .html)

Search knowledge base

Search within a specific source (auto-indexes if outdated)

Read full content of a URL or local file

Search indexed content by regex pattern

Store raw text content

List indexed sources

Show statistics

Delete a source

Delete stored content by key

Knowledge Boxes

Import at global scope (visible in every project)

Pull and re-index all subscribed boxes + local .box/ directories

(the MCP server syncs each session's repos on first contact; agents run knowledge sync after editing .box/)

List subscribed boxes

Remove a box

MCP Server

Start with HTTP transport (for web-based tools)

Features

Benchmarks

(the MCP server syncs each session's repos on first contact; agents run `knowledge` `sync` after editing .box/)