Neuromcp

Name: Neuromcp
Author: AdelElo13

作者：AdelElo13バージョン 0.30.2i★ –iパソコンで動く

レジストリ名io.github.AdelElo13/neuromcp

インストール

概要

作者による説明（英語の原文）

Semantic memory for AI agents with hybrid search, knowledge graph, and consolidation

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

利用者の声iレビューはまだありませんレビューは今後のステップで、アカウント機能と一緒に始まります
私たちの基本チェックi1項目中1項目に合格公開情報からチェック。コードはまだスキャンしていません
利用状況i未計測★ –

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

接続方法: パソコンで動く
トランスポート: stdio
カテゴリ: 検索・AIの記憶

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

基本チェック：1項目中1項目に合格
あなたのパソコンで、あなたのユーザーと同じ権限（ファイル、ネットワーク、アプリ）で動きます。
レジストリには、入力が必要なキーは載っていません。

必要なもの

npmNode.jsのインストール（npxコマンドに必要）

どのアプリを使っていますか？

ClaudeClaude CodeCursorVS CodeChatGPT

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

Claude Desktop → Settings → Developer → Edit Config を開き、claude_desktop_config.json にこれを貼り付けます

{
  "mcpServers": {
    "neuromcp": {
      "command": "npx",
      "args": [
        "-y",
        "neuromcp"
      ]
    }
  }
}

ターミナルでこれを実行します

claude mcp add neuromcp -- npx -y neuromcp

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

{
  "mcpServers": {
    "neuromcp": {
      "command": "npx",
      "args": [
        "-y",
        "neuromcp"
      ]
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

{
  "servers": {
    "neuromcp": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "neuromcp"
      ]
    }
  }
}

これはパソコンで動くサーバーですが、ChatGPTがつなげるのはインターネット上のサーバーだけです。ほかのアプリを選んでください。

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月6日にチェック

✓ 合格
作者とリポジトリが一致
レジストリ名は、リポジトリを所有するGitHubアカウント AdelElo13 で確認済みです
… 未チェック
今もメンテナンスされている
このリポジトリはまだGitHubから読み取っていません
… 未チェック
ライセンスがある
このリポジトリはまだGitHubから読み取っていません
– 対象外
エンドポイントが応答する
これはパソコンで動くため、インターネット上のエンドポイントはありません
– 対象外
OAuthでサインイン
パソコンで動き、代わりにローカルの設定を使います
… 未チェック
ツールの説明に隠れた指示がない
パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

検索・AIの記憶のほかのサーバーとの比較i

このカテゴリのほかの7233件のうち0%よりスターが多い
このカテゴリのほかの7233件のうち63%より最近レジストリに公開
基本チェックの結果が、このカテゴリのほかの7233件のうち100%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Neuromcpは安全ですか？

当てはまる基本チェック1項目のうち1項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか？

レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。

パソコンで動きますか、それともクラウドですか？

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません（サーバー自体がオンラインサービスを呼び出す場合を除きます）。

今もメンテナンスされていますか？

GitHubリポジトリの最終更新は–、最新バージョン（0.30.2）がレジストリに届いたのは22 日前です。

どのアプリで使えますか？

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにNode.jsも必要です。

代わりに使えるものは？

同じカテゴリには：Context7, Codebase Memory, Exa

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

Context7

作者：upstash

Up-to-date docs for AI agents

パソコンでもクラウドでも★ 64,224MIT3 日前更新

インストール

Codebase Memory

作者：DeusData

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

パソコンで動く★ 48,148MIT20 日前更新

インストール

Exa

作者：exa-labs

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

クラウドで動く★ 5,213MIT44 日前更新

インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

neuromcp — Sovereign Memory for AI agents

Any model. Your memory. Stays local.

neuromcp is the first Sovereign Memory layer for AI: an open-source MCP server that gives Claude, GPT, Gemini, and Ollama persistent, searchable memory — stored entirely on your machine. No API keys. No cloud sync. No subscription required to remember who you are.

Sovereign Memory = data that you own outright, lives on hardware you control, and is portable across every model you use. Cloud memory products own your data; Sovereign Memory means *you* do.

npx neuromcp-init   # one command: detects your MCP clients, writes configs, sets up the wiki

Or run the bare server without any setup: npx neuromcp. Something not working? npx neuromcp-doctor diagnoses the daemon, Ollama, embeddings and the database in one run.

*The built-in memory browser: the most-connected entities in a namespace and the relations between them, as a force-directed graph you can drag, zoom and click — served from localhost, never from a cloud. See Memory browser & Obsidian.*

Why neuromcp

The LLM is a commodity. Your memory is the moat. GPT-5, Claude 4, Gemini — they all converge. The model you use next year will differ. The memory of every conversation, decision, and preference you build is yours. neuromcp keeps that layer on your machine and makes it portable across any MCP-compatible client.

Local-first is a design choice, not a limitation. No telemetry. No data leaves your laptop. No vendor has a copy of your conversations. Audit every line of code that touches your memory. SQLite + local embeddings; everything fits on one disk.

One install. Every client. Claude Desktop, Cursor, Windsurf, Codex CLI, Continue, LibreChat, Open WebUI — neuromcp speaks MCP, so it works wherever MCP is supported. Switch models tomorrow; your memory follows.

Real recall, not keyword matching. Hybrid retrieval combines vector search (nomic-embed-text, 768-dim), BM25 full-text, graph links, and a learned usefulness prior. At 500 distractors on LongMemEval, R@5 holds at 93.3%. Your context window gets the right memory, not just the most recent.

LongMemEval-S accuracy

Run	Score	Sample	Config
v7 (current)	96.08% (98/102)	n=102	Opus generator + Opus judge, single-model
v6	95.10% (97/102)	n=102	Same as v7, prior hint set

Repro: OMB_ANSWER_LLM=claude OMB_ANSWER_MODEL=opus OMB_JUDGE_LLM=claude OMB_JUDGE_MODEL=opus uv run omb run --dataset longmemeval -s s -m neuromcp -c "single-session-user,single-session-assistant,multi-session,temporal-reasoning,knowledge-update,single-session-preference" --query-limit 17

Sample size honesty. n=102 (17 per category × 6 categories). Wilson 95% CI for 98/102 ≈ 90.5–98.7%. Full 500q run with the same config is the next milestone before any "top-tier" claim.

Benchmarks (v0.18.0)

Oracle split (clean — easy mode)

Mode	R@5	R@10	Hit Rate
Extracted (hybrid)	100%	100%	100%

Oracle-split LongMemEval isolates the correct memory in a small corpus. Every local MCP memory system claims ~99% here. It measures "does the ranker work on clean inputs" — nothing more.

Distractor split (v0.18.0, honest)

Same 30 questions + 1000 random distractor memories drawn from other questions' haystacks. The correct memory now competes against real noise.

Embedder	Distractors	N	R@5	R@10	MRR
Ollama `nomic-embed-text`	0 (oracle)	30	100%	100%	100%
Ollama `nomic-embed-text`	200	5	100%	100%	100%
Ollama `nomic-embed-text`	500	30	93.3%	93.3%	80.3%
Ollama `nomic-embed-text`	1000	5	100%	100%	74%

Reproduce: npx tsx eval/longmemeval-distractor-runner.ts --limit 5 --distractors 1000

Sample sizes. The 500-distractor row is n=30 (Wilson 95% CI for

28/30 ≈ 78-99% R@5). The 1000-distractor row is n=5 — preliminary,

Wilson 95% CI [57%, 100%]. The 1000-distractor n=30 run takes ~36 min

on a single Ollama instance; cached-distractor batching is v0.19.0

work. Treat 500-distractor numbers as defensible, 1000-distractor as

directionally positive but underpowered.

Head-to-head comparison is explicit v0.19.0 work. Hindsight (local

OSS MCP, ~94.6% LongMemEval claimed) and Mem0/Zep publish their own

numbers on their own harnesses. Until we run all of them against the

same corpus + embedder, calling any local MCP server "state of the art"

is marketing, not measurement. neuromcp publishes its numbers with

sample-size caveats so you can judge direction; don't read absolute

superiority into them yet.

Hybrid ranker (BM25 + vector + attention + graph + usefulness prior) keeps R@5 = 100% at 1000:1 distractor:target ratio on the observed sample. MRR drops to 74% because the correct memory is sometimes not rank-1 but always rank ≤ 5 in what we saw. Earlier v0.18.0 numbers (R@5 23%) were from a test FakeEmbedder — fixed in v0.18.1.

What this benchmark does NOT prove: end-to-end answer correctness, long-horizon multi-session reasoning, or superiority over commercial cloud systems (Mem0, Zep) on their own benchmarks. Those comparisons need their numbers on the same distractor split, which hasn't been published.

Why

AI agents forget everything between sessions. Existing solutions either store flat key-value pairs (useless for real knowledge) or require cloud infrastructure and API keys.

neuromcp gives you two layers of memory:

MCP Server — hybrid search (vector + full-text + graph), verbatim recall, memory governance, automatic consolidation, all in a single SQLite file
Wiki Knowledge Base — compiled Markdown knowledge that survives crashes, compounds over sessions, and gives your agent project-aware context at every startup

Inspired by Karpathy's LLM Wiki, Mastra's Observational Memory, and Zep's temporal knowledge graphs — but simpler than all of them. No vector DB, no embeddings pipeline, no cloud. Just Markdown files + Git + hooks.

Architecture

~/.neuromcp/

├── memory.db ← SQLite: hybrid search, MCP tools ├── wiki/ ← Compiled knowledge (git-tracked) │ ├── index.md ← Routekaart — LLM reads this FIRST │ ├── schema.md ← Operating rules for the LLM │ ├── log.md ← Append-only changelog │ ├── people/ ← User profiles, preferences │ ├── projects/ ← Project knowledge (stack, auth, URLs) │ ├── systems/ ← Infrastructure (tools, MCP servers) │ ├── patterns/ ← Reusable patterns (error fixes, routing) │ ├── decisions/ ← Architecture decisions with context │ └── skills/ ← Repeatable procedures └── raw/sessions/ ← Raw session logs (auto-generated)

How the wiki works

When	What happens
Session start	Hook injects `index.md` + user profile + auto-detected project page (~1300 tokens)
During session	LLM updates wiki pages when learning something persistent
Every 8 tool calls	Hook reminds LLM to update the wiki
Session end	Hook writes raw session log + git auto-commits all wiki changes
Crash	Checkpoint every 5 tool calls to file. Git history for rollback.

Self-healing consolidation pipeline (v0.15.0+)

Every ~4h the launchd agent runs run-consolidation.sh, which orchestrates four steps end-to-end:

`consolidate-sessions.py` — batches raw sessions per project, asks Claude for a factual summary, and fact-checks it against the raw sources. When the auditor flags specific unsupported claims the consolidator now auto-strips those lines and re-audits once — so one speculative sentence no longer kills a whole batch.
`rescue-rejected.py` — any batch that still fails is parsed, the unsupported claims are removed, and the cleaned summary is appended to its wiki page. Pure text surgery, no LLM calls.
`entity-linker.py` — cross-links every page: a bare-word mention of another registered entity (people/, projects/, systems/) is added to the page's related: frontmatter. Makes the wiki act like a graph without a separate graph database.
`rebuild-index.py` — regenerates index.md and per-category -index.md files. Categories over 10 pages are auto-split so the session-start router stays compact as the wiki scales.

The pipeline is idempotent — safe to re-run at any time.

What the LLM knows at session start

Schema (operating rules) → How to maintain the wiki

Index (knowledge map) → What knowledge exists User profile → Who you are, how you work Project page → Current project details (auto-detected from cwd) Last session → What happened last time

Quick Start

One command (recommended)

npx neuromcp-init

Detects your installed MCP clients (Claude Desktop, Claude Code, Cursor, Windsurf), writes the neuromcp entry into each config (with a backup of the original), initializes the wiki + hooks, and checks whether Ollama is available. --dry-run previews everything without writing.

For GUI clients (Claude Desktop, Codex Desktop) install permanently first: npm install -g neuromcp && neuromcp-init. Only a permanent install lets init write the absolute node + script paths those clients need — from the bare-npx cache (garbage-collected) it deliberately falls back to a PATH-dependent npx entry, which GUI clients usually cannot resolve.

Manual steps (what init does under the hood)

1. Start the MCP server

npx neuromcp

2. Initialize the wiki + hooks (required for closed-loop attribution)

npx neuromcp-init-wiki

This creates the wiki structure, installs hooks (Claude Code) and rules (other editors), and configures everything automatically. Without this step, npx neuromcp still runs as a plain MCP server with 46 tools, but the critic hook that closes the attribution loop is not installed — retrieval works but usefulness scores never accumulate. Safe to run multiple times — won't overwrite existing config.

Editor Compatibility

neuromcp works with any MCP-compatible editor. Two tiers of integration:

Feature	Claude Code	Cursor / Windsurf / Cline / Copilot / JetBrains / Zed
MCP tools (46)	Full	Full
Context at session start	Hooks (automatic)	Rules (LLM-driven, best-effort)
Persist at session end	Hooks (automatic)	Rules (LLM-driven, best-effort)
Wiki reminders	Every 8 tool calls	No
Crash-resilient checkpoints	Yes	No

Claude Code gets the full experience via native hooks — context injection and persistence happen automatically, even if the LLM forgets.

Other editors get rules files that instruct the LLM to call neuromcp tools at session start/end. This depends on LLM compliance — it works well in practice but is not guaranteed like hooks.

# Auto

冒頭だけを表示しています。続きはリポジトリで読めます

Neuromcp

概要

PopNx MCPの3つの柱

できること

インストール

インストールの前に

できること

基本チェックi

作者とリポジトリが一致

今もメンテナンスされている

ライセンスがある

エンドポイントが応答する

OAuthでサインイン

ツールの説明に隠れた指示がない

検索・AIの記憶のほかのサーバーとの比較i

よくある質問

代わりの候補

Context7

Codebase Memory

Exa

作者のREADME

neuromcp — Sovereign Memory for AI agents

Why neuromcp

LongMemEval-S accuracy

Benchmarks (v0.18.0)

Oracle split (clean — easy mode)

Distractor split (v0.18.0, honest)

Why

Architecture

How the wiki works

Self-healing consolidation pipeline (v0.15.0+)

What the LLM knows at session start

Quick Start

One command (recommended)

Manual steps (what init does under the hood)

Editor Compatibility