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.
Texto original del autor
Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este
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
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 0/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 3/12 | Puntuación completa con una versión o cambio de código en 30 días |
| Sigue respondiendo | 0/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 3/100 |
Calidad: Pasó 1/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)
Elige la app de IA que usas y copia la configuración.
Que tu IA lo instale con una frase
Instala Fusionpact Vectordb. Sigue https://mcp.popnx.com/i/atul-fusionpact-fusionpact-vectordb.md, enséñame los comandos y espera mi OK antes de ejecutarlos.Pégala en una IA que trabaje en tu equipo (como Claude Code o Cursor). Lee nuestros pasos, te muestra los comandos y espera tu OK. Sin clave ni registro. · Ver el texto completo que lee tu IA
Pasó 1/3 revisiones · Funciona en tu computadora · ✓ Comandos revisados el 14 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
Instala Node.js en tu computadora primero (una sola vez) · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil
Copia este mensaje en un chat de Claude. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server Fusionpact Vectordb para Claude en este equipo, en este orden: 1) Comprueba Node.js con node -v. Si falta, dime que lo instale desde https://nodejs.org/en/download; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "fusionpact-vectordb": { "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de Fusionpact Vectordb aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
node -vMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Abre la página oficial de descargas, elige la versión LTS y el instalador de clics: .pkg en Mac · .msi en Windows. Haz doble clic y sigue hasta el final. No necesitas ningún comando curl
Abrir la página de descarga de Node.js ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: node -v
Se instala una vez y sirve para todo lo que usa Node.js
SettingsDeveloperEdit Config
{
"mcpServers": {
"fusionpact-vectordb": {
"command": "npx",
"args": [
"-y",
"fusionpact"
]
}
}
}Usa Fusionpact Vectordb y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando Fusionpact Vectordb o muestra una herramienta de Fusionpact Vectordb en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
EMBEDDING_PROVIDER Proveedor de incrustaciones: ollama (gratuito), openai o mock Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
ChatGPT todavía no puede conectar Fusionpact Vectordb
Fusionpact Vectordb se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar Fusionpact Vectordb
Funciona con Claude Code, pero hay que preparar algo antes
Instala Node.js en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Claude Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server Fusionpact Vectordb para Claude Code en este equipo, en este orden: 1) Comprueba Node.js con node -v. Si falta, dime que lo instale desde https://nodejs.org/en/download; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): claude mcp add --scope user fusionpact-vectordb -- npx -y fusionpact 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de Fusionpact Vectordb aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
node -vMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Abre la página oficial de descargas, elige la versión LTS y el instalador de clics: .pkg en Mac · .msi en Windows. Haz doble clic y sigue hasta el final. No necesitas ningún comando curl
Abrir la página de descarga de Node.js ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: node -v
Se instala una vez y sirve para todo lo que usa Node.js
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --scope user fusionpact-vectordb -- npx -y fusionpactDeberías ver Fusionpact Vectordb en la lista como conectado
Usa Fusionpact Vectordb y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando Fusionpact Vectordb o muestra una herramienta de Fusionpact Vectordb en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
EMBEDDING_PROVIDER Proveedor de incrustaciones: ollama (gratuito), openai o mock Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con Cursor, pero hay que preparar algo antes
Instala Node.js en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Cursor. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server Fusionpact Vectordb para Cursor en este equipo, en este orden: 1) Comprueba Node.js con node -v. Si falta, dime que lo instale desde https://nodejs.org/en/download; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "fusionpact-vectordb": { "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de Fusionpact Vectordb aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
node -vMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Abre la página oficial de descargas, elige la versión LTS y el instalador de clics: .pkg en Mac · .msi en Windows. Haz doble clic y sigue hasta el final. No necesitas ningún comando curl
Abrir la página de descarga de Node.js ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: node -v
Se instala una vez y sirve para todo lo que usa Node.js
Usa Fusionpact Vectordb y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando Fusionpact Vectordb o muestra una herramienta de Fusionpact Vectordb en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
EMBEDDING_PROVIDER Proveedor de incrustaciones: ollama (gratuito), openai o mock Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Nombres de menú comprobados con la ayuda de Cursor el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con VS Code, pero hay que preparar algo antes
Instala Node.js en tu computadora primero (una sola vez)
Copia este mensaje en un chat de VS Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server Fusionpact Vectordb para VS Code en este equipo, en este orden: 1) Comprueba Node.js con node -v. Si falta, dime que lo instale desde https://nodejs.org/en/download; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "servers": { "fusionpact-vectordb": { "type": "stdio", "command": "npx", "args": [ "-y", "fusionpact" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de Fusionpact Vectordb aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
node -vMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Abre la página oficial de descargas, elige la versión LTS y el instalador de clics: .pkg en Mac · .msi en Windows. Haz doble clic y sigue hasta el final. No necesitas ningún comando curl
Abrir la página de descarga de Node.js ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: node -v
Se instala una vez y sirve para todo lo que usa Node.js
Usa Fusionpact Vectordb y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando Fusionpact Vectordb o muestra una herramienta de Fusionpact Vectordb en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
EMBEDDING_PROVIDER Proveedor de incrustaciones: ollama (gratuito), openai o mock Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Nombres de menú comprobados con la ayuda de VS Code el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps
Ver todas las apps que usan MCP →
La configuración JSON está en “Para desarrolladores”, abajo
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 envDescripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se ejecutan en tu computadora en
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 20 nov 2026
Quien lo publicó (atul-fusionpact) no es el dueño del repo (FusionpactTech); puede que otra persona lo haya listado
Último cambio de código: hace 8 meses, hace más de 6 meses
Usa Apache-2.0
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Sin entradas en OSV.dev para fusionpact@2.1.1
Solo revisa esta versión del paquete, no todas sus dependencias · revisado 16 nov 2026
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/atul-fusionpact-fusionpact-vectordb)Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.
Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.
Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.
Aún no hay reseñas
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 1 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez hace 8 meses, y la última versión (2.1.1) llegó al registro hace 8 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Node.js en tu computadora.
En la misma categoría: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.
Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
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
| Este Fusionpact Vectordb | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Se instala en tu equipo | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada |
| Necesita clave | No | No | No | No | No | No |
| Se añade con + en Claude | No | Sí | Sí | Sí | No | No |
| Revisiones básicas | 1/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Licencia | Apache-2.0 | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| Precio | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro |
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
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