Context7
Up-to-date docs for AI agents
Descripción del creador (original en inglés)
Local memory engine for AI agents with knowledge graphs, forgetting, and semantic recall
Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.
Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.
Elige la app de IA que usas y copia la configuración.
ALAYA_LLM_API_KEY, ALAYA_LLM_API_URL, ALAYA_LLM_MODEL, ALAYA_DBLos valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.
Necesitas
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"alaya": {
"command": "npx",
"args": [
"-y",
"alaya-mcp"
],
"env": {
"ALAYA_LLM_API_KEY": "your-value",
"ALAYA_LLM_API_URL": "your-value",
"ALAYA_LLM_MODEL": "your-value",
"ALAYA_DB": "your-value"
}
}
}
}Ejecuta esto en tu terminal
claude mcp add alaya --env ALAYA_LLM_API_KEY=your-value --env ALAYA_LLM_API_URL=your-value --env ALAYA_LLM_MODEL=your-value --env ALAYA_DB=your-value -- npx -y alaya-mcpCompleta los valores vacíos antes de ejecutarlo.
Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"alaya": {
"command": "npx",
"args": [
"-y",
"alaya-mcp"
],
"env": {
"ALAYA_LLM_API_KEY": "your-value",
"ALAYA_LLM_API_URL": "your-value",
"ALAYA_LLM_MODEL": "your-value",
"ALAYA_DB": "your-value"
}
}
}
}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.
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"alaya": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"alaya-mcp"
],
"env": {
"ALAYA_LLM_API_KEY": "your-value",
"ALAYA_LLM_API_URL": "your-value",
"ALAYA_LLM_MODEL": "your-value",
"ALAYA_DB": "your-value"
}
}
}
}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.
ALAYA_LLM_API_URL envALAYA_LLM_MODEL envALAYA_DB envEsta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
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 7 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub SecurityRonin, dueña del repo
Todavía no hemos leído este repo en GitHub
Todavía no hemos leído este repo en GitHub
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
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 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.
Debes completar: ALAYA_LLM_API_KEY
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 –, y la última versión (0.4.7) llegó al registro hace 7 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: Context7, Codebase Memory, Exa
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
Up-to-date docs for AI agents
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
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.
The only memory engine with neuroscience-grounded memory dynamics — Bjork dual-strength forgetting, retrieval-induced suppression, and Hebbian co-activation — in a zero-dependency embeddable Rust library.
Stores conversation episodes, consolidates knowledge through a cognitive lifecycle, and builds a personal knowledge graph — all in a local SQLite database.
Add to ~/.claude/claude_code_config.json:
{
"mcpServers": { "alaya": { "command": "npx", "args": ["-y", "alaya-mcp"] } } }
Add to your Claude Desktop MCP config:
{
"mcpServers": { "alaya": { "command": "npx", "args": ["-y", "alaya-mcp"], "env": { "ALAYA_LLM_API_KEY": "sk-...", "ALAYA_LLM_API_URL": "https://api.openai.com/v1/chat/completions", "ALAYA_LLM_MODEL": "gpt-4o-mini" } } } }
The ALAYA_LLM_* env vars are optional — they enable automatic knowledge extraction. Without them, the agent extracts knowledge from its own context.
| Tool | Description |
|---|---|
remember | Store a conversation episode |
recall | Semantic search across memories |
status | Memory system health and stats |
knowledge | Browse extracted knowledge |
learn | Store pre-extracted facts and relationships |
categories | View emergent category taxonomy |
preferences | Track crystallized user preferences |
neighbors | Explore the knowledge graph |
lifecycle | Trigger maintenance (strengthen, transform, forget) |
configure | Set embedding provider and other options |
All data stays on your machine in ~/.alaya/memory.db.
| Problem | File-based memory | Alaya |
|---|---|---|
| Token waste | Full-context injection (~35K tokens/msg) | Ranked retrieval — only top-k relevant memories |
| No structure | Everything in one file | Three typed stores: episodes, knowledge, preferences |
| No forgetting | Files grow until manually curated | Bjork dual-strength decay + retrieval-induced forgetting |
| No associations | Flat files, no links | Hebbian co-retrieval graph (LTP/LTD) |
| Brittle preferences | Agent-authored summary, drifts | Implicit preferences emerge from impressions (vasana) |
| LLM required | Can't function without one | Graceful degradation: no embeddings → BM25-only |
MIT