Octobrain

Name: Octobrain
Author: muvon

de muvonversión 0.15.1i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.Muvon/octobrain

Instalar

Resumen

Descripción del creador (original en inglés)

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

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Búsqueda y memoria de IA

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
El registro no indica ninguna clave que completar.

Necesitas

npmNode.js instalado (para el comando npx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Descargar el archivo .mcpb del creador

El enlace lleva al archivo del propio creador; no lo alojamos ni lo reempaquetamos. Abre el archivo y Claude Desktop lo instalará.

Ejecuta esto en tu terminal

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

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 7 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub muvon, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Búsqueda y memoria de IAi

Más estrellas que el 0% de los otros 7249 servidores de esta categoría
Publicado en el registro más recientemente que el 91% de los otros 7249 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 7249 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Octobrain?

Superó 1 de 1 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.

¿Qué claves o códigos necesita?

El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.

¿Se ejecuta en mi computadora o en la nube?

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).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.15.1) llegó al registro hace 3 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Node.js, MCPB en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Context7, Codebase Memory, Exa

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Context7

de upstash

Up-to-date docs for AI agents

Computadora o nube★ 64.224MITActualizado hoy

Instalar

Codebase Memory

de DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

Se ejecuta en tu computadora★ 48.148MITActualizado hace 20 días

Instalar

Exa

de exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

Se ejecuta en la nube★ 5213MITActualizado el mes pasado

Instalar

README del creador

Abrir el README

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.

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 | `

Solo se muestra el principio; lee el resto en el repo

Octobrain

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Búsqueda y memoria de IAi

Preguntas frecuentes

Alternativas

Context7

Codebase Memory

Exa

README del creador

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/)