GitHub
Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.
Descripción del creador (original en inglés)
Local-first memory for AI coding agents. Memory + CodeGraph + Wiki in one SQLite file.
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.
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": {
"remem": {
"command": "npx",
"args": [
"-y",
"remem-mcp"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add remem -- npx -y remem-mcpPégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"remem": {
"command": "npx",
"args": [
"-y",
"remem-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.
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"remem": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"remem-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.
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 8 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub tinhien11, 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.
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 –, y la última versión (0.5.18) llegó al registro hace 3 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: GitHub, Desktop Commander, Cloudflare MCP
Servidores de la misma categoría hechos por otros creadores, ordenados 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
Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.
MCP server for terminal commands, file operations, and process management
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.
Your coding agent stops repeating the same mistakes.
Local-first memory that survives context compaction. Learns from every error, injects fixes before the next attempt, and syncs to your git repo so your whole team shares it.
No API key. No cloud. No database server. Just a SQLite file.
npx remem-mcp setup
Auto-detects ZCode, Claude Code, Cursor, Devin, Codex. Registers MCP server + hooks.
In your agent, you can say:
| When | What |
|---|---|
| Session start | Past errors, decisions, and persona injected into agent context |
| Each prompt | Matching memory injected into agent context |
| Failed commands | Auto-captured as error memories |
| Context compaction | Memory re-injected after compaction |
| Session end | Worker auto-extracts facts, consolidates summaries, updates persona |
You don't run any commands. The agent calls recall() before answering and capture() after work — the skill tells it to.
AI Agent (ZCode / Claude Code / Devin / Cursor / Codex)
│ ├── MCP tools ──▶ recall, capture, codegraph_*, wiki_*, feedback │ └── Hooks ──▶ SessionStart, UserPromptSubmit, PostToolUse, PostCompaction, SessionEnd │ ▼ SQLite (memory.db)
L0 captures → L1 atoms → L2 scenarios → L3 persona (raw) (facts) (summaries) (preferences)
CodeGraph: symbols + calls + imports (tree-sitter, 9 languages) Memory links: Hebbian co-retrieval (frequently co-retrieved = stronger)
No LLM API key needed — rule-based extraction + keyword grouping.
Structural code indexing via tree-sitter. The agent uses codegraph_search instead of grep to find symbols.
npx remem-mcp index --path src # index a directory
npx remem-mcp search-code --query "parseTar" # find symbols npx remem-mcp callers # who calls this? npx remem-mcp impact # blast radius
9 languages: TS/JS/Python/Go/Rust/Java/C/C++/C#. 6-strategy call resolution (import-map → same-module → unique-name → suffix → fuzzy). Stdlib calls filtered out.
| Repo | Files | Symbols | Calls | Time |
|---|---|---|---|---|
| remem-mcp | 79 | 301 | 6,456 | 3s |
| AZR Go | 455 | 3,417 | 41,603 | 111s |
| Orca TS | 3,000 | 7,632 | 78,981 | 705s |
| remem-mcp | Mem0 | Claude MEMORY.md | Mneme | |
|---|---|---|---|---|
| Survives compaction | Yes | Yes — cloud | No — 200-line cap | Yes |
| Learns from errors | Yes — auto | No | No | No |
| Search | Hybrid BM25 + vector + entities | Vector only | No | Vector + graph |
| Memory links | Hebbian co-retrieval | No | No | Graph |
| Decay/forget | Yes | No | No | No |
| CodeGraph | Yes — 6-strategy call resolution | No | No | No |
| Token offload | Yes — Mermaid canvas | No | No | No |
| Setup | 1 command | API key + cloud | Built-in | Build from source |
| Cost | Free | $19–249/mo | Free | Free |
npx remem-mcp status # health + hooks + DB + CodeGraph
npx remem-mcp viewer # web UI at localhost:7331 npx remem-mcp errors # error dashboard npx remem-mcp recent [N] # recent captures npx remem-mcp help all # full list of 40+ subcommands
All settings have defaults. Config file is optional: ~/.config/remem-mcp/config.json.
| Setting | Env var | Default |
|---|---|---|
| DB path | REMEM_DB_PATH | ~/.local/share/remem-mcp/memory.db |
| Cross-project memory | REMEM_GLOBAL_SESSION_KEY | _(unset)_ |
| Unified flow (F1+F2+F3) | REMEM_FLOW | _(unset, set to full)_ |
| Suppress hook feedback | REMEM_QUIET | _(unset, set to 1)_ |
Global memory policy — set REMEM_GLOBAL_SESSION_KEY to *read* cross-project memory automatically. Captures stay project-local unless the user explicitly asks to save globally; then use session_key: "global". Do not auto-classify ordinary captures into global.
Team sharing — npx remem-mcp sync-export writes .remem-mcp/memory-export.jsonl. Commit it to git. Team members get the same memory on git pull.
Per-repo capture exclusions — Drop a .remem.toml in any project root:
[capture]
ignore_paths = ["node_modules", "dist", ".git", "*.min.js"]
| Benchmark | remem-mcp | Mem0 | Without memory |
|---|---|---|---|
| AMB (L1/L2/L3) | 100/100/100 | — | — |
| LoCoMo (long conversation QA) | 95 | 92.5 | — |
| PersonaMem (personalization) | 100 | — | 48 |
| LongMemEval (ICLR 2025) | 96 | 94.4 | — |
bash scripts/bench-all.sh --quick # AMB only (~2 min)
See ARCHITECTURE.md for full system diagrams, schema, and performance details.
Core based on TencentDB Agent Memory (MIT, Tencent 2026). CodeGraph call resolution adapted from Codebase-Memory (arXiv:2603.27277). Recall boost adapted from ai-memory by Akita On Rails. Contextual retrieval from Anthropic (2024).
MIT. See LICENSE.