timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Local-first AI memory cartridge with persistent MCP memory for Claude via SQLite FTS5.
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 | 4/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 7/12 | 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 | 11/100 |
Calidad: Pasó 3/3 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 LLM Kosh. Sigue https://mcp.popnx.com/i/rastogivaibhav-llm-kosh.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 3/3 revisiones · Funciona en tu computadora · ✓ Comandos revisados el 13 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
1 ajuste(s) que rellenar (CARTRIDGE_WORKSPACE) · Instala Python (uv) 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 LLM Kosh para Claude en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "llm-kosh": { "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En CARTRIDGE_WORKSPACE deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de LLM Kosh 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
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
CARTRIDGE_WORKSPACE Ruta a la carpeta local que llm-kosh usará como raíz de su cartucho de memoria. Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
SettingsDeveloperEdit Config
{
"mcpServers": {
"llm-kosh": {
"command": "uvx",
"args": [
"llm-kosh"
],
"env": {
"CARTRIDGE_WORKSPACE": "your-value"
}
}
}
}Usa LLM Kosh y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando LLM Kosh o muestra una herramienta de LLM Kosh en la respuesta, ya está conectado
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 LLM Kosh
LLM Kosh se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar LLM Kosh
Funciona con Claude Code, pero hay que preparar algo antes
1 ajuste(s) que rellenar (CARTRIDGE_WORKSPACE) · Instala Python (uv) 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 LLM Kosh para Claude Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): claude mcp add --scope user llm-kosh --env CARTRIDGE_WORKSPACE=your-value -- uvx llm-kosh 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En CARTRIDGE_WORKSPACE deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de LLM Kosh 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
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
CARTRIDGE_WORKSPACE Ruta a la carpeta local que llm-kosh usará como raíz de su cartucho de memoria. Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --scope user llm-kosh --env CARTRIDGE_WORKSPACE=your-value -- uvx llm-koshDeberías ver LLM Kosh en la lista como conectado
Usa LLM Kosh y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando LLM Kosh o muestra una herramienta de LLM Kosh en la respuesta, ya está conectado
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
1 ajuste(s) que rellenar (CARTRIDGE_WORKSPACE) · Instala Python (uv) 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 LLM Kosh para Cursor en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "llm-kosh": { "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En CARTRIDGE_WORKSPACE deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de LLM Kosh 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
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
CARTRIDGE_WORKSPACE Ruta a la carpeta local que llm-kosh usará como raíz de su cartucho de memoria. Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
En la configuración de LLM Kosh, CARTRIDGE_WORKSPACE está vacío; añade tu clave y guarda
Usa LLM Kosh y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando LLM Kosh o muestra una herramienta de LLM Kosh en la respuesta, ya está conectado
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
1 ajuste(s) que rellenar (CARTRIDGE_WORKSPACE) · Instala Python (uv) 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 LLM Kosh para VS Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "servers": { "llm-kosh": { "type": "stdio", "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En CARTRIDGE_WORKSPACE deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de LLM Kosh 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
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
CARTRIDGE_WORKSPACE Ruta a la carpeta local que llm-kosh usará como raíz de su cartucho de memoria. Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
En la configuración de LLM Kosh, CARTRIDGE_WORKSPACE está vacío; añade tu clave y guarda
Usa LLM Kosh y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando LLM Kosh o muestra una herramienta de LLM Kosh en la respuesta, ya está conectado
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 llm-kosh --env CARTRIDGE_WORKSPACE=your-value -- uvx llm-koshClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"llm-kosh": {
"command": "uvx",
"args": [
"llm-kosh"
],
"env": {
"CARTRIDGE_WORKSPACE": "your-value"
}
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"llm-kosh": {
"command": "uvx",
"args": [
"llm-kosh"
],
"env": {
"CARTRIDGE_WORKSPACE": "your-value"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"llm-kosh": {
"type": "stdio",
"command": "uvx",
"args": [
"llm-kosh"
],
"env": {
"CARTRIDGE_WORKSPACE": "your-value"
}
}
}
}CARTRIDGE_WORKSPACE obligatorio 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 19 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub rastogivaibhav, dueña del repo
Último cambio de código: hace 2 meses
Usa MIT
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 llm-kosh@2.1.3
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/rastogivaibhav-llm-kosh)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 3 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 2 meses, y la última versión (2.1.3) llegó al registro hace 5 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) 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.
Connect AI agents to Exa 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 LLM Kosh | 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 | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Licencia | MIT | 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.
LLM-Kosh Local-first durable memory for AI agents. Give Claude, Cursor, and other MCP-compatible clients persistent, inspectable memory without handing your workspace to a hosted memory service. Kosh Verify makes that memory show its work: evidence, timing, causal paths, contradictions, inference boundaries, missing evidence, and abstention.
Quickstart · Kosh Verify · Architecture · MCP · Security · Contributing
AI agents can reason across increasingly long workflows, but their memory is often either ephemeral or delegated to opaque hosted services.
LLM-Kosh treats memory as local infrastructure: inspectable, portable, auditable, permissioned, and usable across MCP-compatible clients.
It gives agents a durable memory layer built from ordinary local files plus structured indexes and governance controls:
Install it:
python -m pip install --upgrade llm-kosh
Long-lived memory creates a different failure mode from a one-off bad answer: a weak or misunderstood memory can be recalled again in later sessions.
Kosh Verify is LLM-Kosh's evidence-aware verification surface. Given the evidence already present in a cartridge, it can produce a structured report containing temporal context, supporting facts, causal paths, contradictions, inferred-but-not-discovered relationships, missing evidence, stability information, and an explicit abstention state when there is not enough evidence.
It is not a universal truth oracle and it does not make an imported source trustworthy simply because it was stored. The aim is to preserve the difference between what the cartridge observed, what it inferred, what conflicts, and what it cannot support.
Try the deterministic synthetic incident demo:
llm-kosh --root ./kosh-demo kosh-verify \
"Why did checkout fail and what evidence contradicts the explanation?" \ --when "2026-05-01T13:30:00+00:00" \ --depth 5 \ --demo-seed \ --json
--demo-seed writes synthetic incident evidence into the selected root, so use a disposable directory. The same behavior is covered by automated tests and a network-free acceptance harness:
python scripts/kosh_verify_acceptance.py
See Kosh Verify for the contract, boundaries, API example, MCP surface, and reproducible checks.
| Capability | LLM-Kosh |
|---|---|
| Local-first persistent memory | ✅ |
| MCP-native access | ✅ |
| Human-inspectable storage | ✅ |
| Tamper-evident mutation ledger | ✅ |
| Read-only-by-default agent access | ✅ |
| Evidence-backed context packs | ✅ |
| Temporal/causal verification | ✅ |
| Contradiction and evidence-gap reporting | ✅ |
| Explicit no-evidence abstention | ✅ |
| Hosted memory service required | ❌ |
| Automatic cloud sync required | ❌ |
flowchart TB
A[AI client / agent] -->|MCP| R[Access layer] M[CLI] --> R N[Background service] --> R O[Local HTTP MCP - optional] --> R
subgraph KOSH[LLM-Kosh] R C[Memory] D[Evidence] E[Search] F[Policy] G[Ledger] H[Context packs] V[Kosh Verify]
R --> C R --> D R --> F C --> E C --> G C --> H C --> V D --> V end
C --> I[(Local cartridge)] D --> I E --> I G --> I I --> J[Plain files] I --> K[SQLite / FTS] I --> L[Audit ledger]
The repository root contains the code. The cartridge root contains the live memory store. Watched intake folders can feed new material into the cartridge without mixing runtime data into the source checkout.
Python 3.10 or newer is required.
python -m pip install --upgrade llm-kosh
llm-kosh install --yes llm-kosh status
That installs the package, creates the default cartridge at ~/.llmkosh/cartridge, configures local defaults, and registers supported desktop integration where possible.
Create and query a custom cartridge:
llm-kosh --root ./my-cartridge init --owner "Local User"
llm-kosh --root ./my-cartridge add --kind note --title "First memory" --body "Hello" llm-kosh --root ./my-cartridge query "Hello"
Manage the background service:
llm-kosh service start
llm-kosh service status llm-kosh service stop
The core project is usable now:
llm-koshllm-kosh-memory CLI for proposing, recalling, inspecting, conflicting, and explicitly reviewing Trusted Memorykosh_verify plus governed Trusted Memory tools without changing those gatesThe remaining release work is primarily desktop packaging polish and signing across Windows, macOS, and Linux. The llm-kosh-mcp and llm-kosh-memory entry points described here are present on current master source and are intended for the next package release; the currently published PyPI 2.1.3 package predates those entry points.
The currently published package exposes the standard MCP server through the existing CLI:
llm-kosh --root ./my-cartridge mcp-server
On current source, the composed MCP entry point exposes the standard server, read-only kosh_verify, and governed Trusted Memory tools:
python -m pip install -e .
llm-kosh-mcp --root ./my-cartridge
Equivalent module invocation:
python -m llm_kosh.mcp_trusted_memory_server --root ./my-cartridge
The Trusted Memory MCP surface is deliberately permissioned:
trusted_memory_recall, trusted_memory_inbox, trusted_memory_conflicts, and trusted_memory_explain are read-only.trusted_memory_propose requires --allow-write.trusted_memory_review requires --allow-mutate.agent_observation, never self-elevated to user_direct.Kosh Verify does not require additional privileges. Write, mutation, and private-export capabilities remain opt-in and continue to use the standard server flags:
llm-kosh-mcp --root ./my-cartridge --allow-write
llm-kosh-mcp --root ./my-cartridge --allow-write --allow-mutate llm-kosh-mcp --root ./my-cartridge --allow-private
The composed server also supports local streamable HTTP:
llm-kosh-mcp --root ./my-cartridge --http --port 8000
Treat HTTP transport as a real network boundary if you expose it beyond loopback. See Trusted Memory over MCP for the governed memory contract, Kosh Verify for the kosh_verify contract, and MCP guide for general MCP setup.
The experimental company-brain layer extends the cartridge beyond simple note recall. It introduces reference-first evidence, session and episode understanding, evidence-backed memories, review lifecycles, permission-first retrieval, and structured cited context packs.
Migrate an existing cartridge:
llm-kosh --root ./my-cartridge brain migrate --dry-run
llm-kosh --root ./my-cartridge brain migrate llm-kosh --root ./my-cartridge brain health llm-kosh --root ./my-cartridge brain context "Prepare the next project decision"
Register existing files without copying their source bytes:
llm-kosh --root ./my-cartridge brain register ./report.xlsx --artifact-type worksheet
llm-kosh --root ./my-cartridge brain inspect \ --locator '{"sheet":"Summary","range":"A1:F25"}' llm-kosh --root ./my-cartridge brain evaluate
Build a replayable session or episode graph from a registered JSONL export:
llm-kosh --root ./my-cartridge brain register ./session.jsonl --artifact-type structured_data
llm-kosh --root ./my-cartridge brain understand --dry-run llm-kosh --root ./my-cartridge brain understand llm-kosh --root ./my-cartridge brain episodes --query "what was implemented"
Three locations matter:
--root or LLMKOSH_ROOT.receipts/, intake/, and configured external drop folders.If files are dropped into cartridge intake areas, the service can process them asynchronously. External folders can also be watched through [daemon].watched_directories.
python -m pip install "llm-kosh[watch]" # filesystem events
python -m pip install "llm-kosh[server]" # FastAPI service python -m pip install "llm-kosh[semantic]" # local semantic search python -m pip install "llm-kosh[ingest]" # document conversion helpers python -m pip install "llm-kosh[all]" # all optional features
MCP support is included in the base installation.
LLM-Kosh is intentionally conservative around agent privilege and export boundaries: