Spec Driven Development
MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.
Descripción del creador (original en inglés)
Convert, validate, and inspect AI agent memories across formats
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": {
"mif-tools": {
"command": "uvx",
"args": [
"mif-tools"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add mif-tools -- uvx mif-toolsPégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"mif-tools": {
"command": "uvx",
"args": [
"mif-tools"
]
}
}
}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": {
"mif-tools": {
"type": "stdio",
"command": "uvx",
"args": [
"mif-tools"
]
}
}
}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 7 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub varun29ankuS, 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 (0.2.1) llegó al registro hace 8 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: Spec Driven Development, Remote Desktop Commander, Systemdox
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
MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.
Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.
Your architecture in your agents' context: checks, specs, ADRs and docs over MCP, at write time.
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 AI agent has 6 months of memories in System A. You want to try System B. Without MIF, you lose everything. With MIF:
pip install mif-tools
mif convert mem0_export.json --to shodh -o memories.mif.json
Done. Your memories are portable.
A vendor-neutral JSON envelope for AI agent memories. Like vCard for contacts or iCalendar for events — a minimal schema so memories move between providers without data loss.
3 required fields. That's it.
{
"mif_version": "2.0", "memories": [ { "id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890", "content": "User prefers dark mode across all applications", "created_at": "2026-01-15T10:30:00Z" } ] }
Everything else — memory types, tags, entities, embeddings, knowledge graph, vendor extensions — is optional. Add what you have, ignore what you don't.
# Python
pip install mif-tools # core (zero dependencies) pip install mif-tools[validate] # with JSON Schema validation pip install mif-tools[mcp] # with MCP server
npm install @varunshodh/mif-tools
# mem0 → MIF
mif convert mem0_export.json --from mem0 -o memories.mif.json
mif convert memories.mif.json --to markdown -o memories.md
mif convert any_memory_file.json -o output.mif.json
mif inspect memories.json
mif validate memories.mif.json
from mif import load, dump, convert, MifDocument, Memory
doc = load(open("mem0_export.json").read()) print(f"{len(doc.memories)} memories loaded")
markdown = convert(data, from_format="mem0", to_format="markdown")
doc = MifDocument(memories=[ Memory( id="123e4567-e89b-12d3-a456-426614174000", content="User prefers dark mode", created_at="2026-01-15T10:30:00Z", memory_type="observation", tags=["preferences", "ui"], ) ]) print(dump(doc)) # MIF v2 JSON
from mif import validate_deep ok, warnings = validate_deep(open("export.mif.json").read())
from mif import load, dump
def export_memories(user_id: str) -> str: memories = my_storage.get_all(user_id) return dump(memories)
def import_memories(data: str) -> dict: doc = load(data) for mem in doc.memories: my_storage.save(mem.id, mem.content, mem.created_at) return {"memories_imported": len(doc.memories)}
| Format | ID | Auto-detect | Description |
|---|---|---|---|
| MIF v2 | shodh | "mif_version" in JSON | Native format, lossless round-trip |
| mem0 | mem0 | JSON array with "memory" field | mem0 memory exports |
| CrewAI | crewai | JSON array with "task_description" | CrewAI LTMSQLiteStorage exports |
| LangChain | langchain | JSON array with "namespace" + "value" | LangChain/LangMem Item format |
| Generic JSON | generic | JSON array with "content" field | Any JSON memory array |
| Markdown | markdown | Starts with --- | YAML frontmatter (Letta/Obsidian style) |
MIF supports optional fields for rich memory data:
observation, decision, learning, error, context, conversation, and custom typesFull specification: spec/mif-v2.md | JSON Schema: schema/mif-v2.schema.json
Expose MIF tools to any MCP-compatible AI client:
pip install mif-tools[mcp]
mif mcp
Tools: export_memories, import_memories, validate_memories, inspect_memories, list_formats
| System | Status | Type |
|---|---|---|
| shodh-memory | Production | Built-in HTTP API (/api/export/mif, /api/import/mif) |
| mif-tools (PyPI) | Production | Python package with CLI + MCP server |
| @varunshodh/mif-tools (npm) | Production | TypeScript/Node.js package with CLI |
| mem0 | Adapter ready | Python + npm |
| CrewAI | Adapter ready | Python + npm |
| LangChain | Adapter ready | Python + npm |
| Generic JSON | Adapter ready | Python + npm |
| Markdown (YAML frontmatter) | Adapter ready | Python + npm |
We welcome adapter implementations for any memory system. See CONTRIBUTING.md.
Apache 2.0