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.
この種の作業を AI に教える Skill。これと一緒に使えます
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
一覧は利用スコア(100 点満点)で並びます。内訳は次のとおり
| 人気 | 4/80 | GitHub スターか週間ダウンロード数。大きい方を 60、小さい方を 20 で数えます |
|---|---|---|
| 新しさ | 7/12 | 30 日以内のリリースかコード更新で満点 |
| 応答中 | 0/8 | 前回の確認でクラウドのエンドポイントが応答 |
| 利用スコア | 11/100 |
品質: 基本チェック 3/3 項目に合格(表示のみ、並び順には不使用) · 勢い: データなし (「急上昇」タブでのみ使用)
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。
ひとことで AI にインストールしてもらう
LLM Kosh をインストールして。https://mcp.popnx.com/i/rastogivaibhav-llm-kosh.md に従い、コマンドを見せて、私が OK するまで実行しないで。パソコンで作業できる AI(Claude Code や Cursor など)に貼り付けます。手順を読み、コマンドを見せて、あなたの OK を待ちます。キー不要・登録不要。 · AI が読む全文を見る
チェック 3/3 合格 · あなたのパソコンで動きます · ✓ コマンド確認済み 2026年11月13日
まず:どの AI を使っていますか?
使っているアプリを選ぶと、下に手順が表示されます。
Claude につなげますが、先に準備が必要です
設定を 1 項目入力 (CARTRIDGE_WORKSPACE) · 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません
このメッセージを Claude のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Claude に MCP server LLM Kosh を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "llm-kosh": { "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CARTRIDGE_WORKSPACE は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、LLM Kosh のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
これはプログラムの設定でキーではありません。登録は不要で、作者の説明どおりに入力します。
CARTRIDGE_WORKSPACE llm-kosh がメモリカートリッジのルートとして使用するローカルフォルダへのパス。 説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。
SettingsDeveloperEdit Config
{
"mcpServers": {
"llm-kosh": {
"command": "uvx",
"args": [
"llm-kosh"
],
"env": {
"CARTRIDGE_WORKSPACE": "your-value"
}
}
}
}LLM Kosh を使って、私に何ができるか教えて、1 つやってみせて✓ Claude が LLM Kosh を使っていると言うか、回答に LLM Kosh のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
ChatGPT はまだ LLM Kosh につなげません
LLM Kosh はパソコンに入れて使うものですが、ChatGPT は Web 上で動くサーバーにしかつなげません
A · LLM Kosh につなげるアプリを使う
Claude Code につなげますが、先に準備が必要です
設定を 1 項目入力 (CARTRIDGE_WORKSPACE) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを Claude Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Claude Code に MCP server LLM Kosh を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):claude mcp add --scope user llm-kosh --env CARTRIDGE_WORKSPACE=your-value -- uvx llm-kosh 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CARTRIDGE_WORKSPACE は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、LLM Kosh のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
これはプログラムの設定でキーではありません。登録は不要で、作者の説明どおりに入力します。
CARTRIDGE_WORKSPACE llm-kosh がメモリカートリッジのルートとして使用するローカルフォルダへのパス。 説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。
Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く
claude mcp add --scope user llm-kosh --env CARTRIDGE_WORKSPACE=your-value -- uvx llm-koshLLM Kosh が一覧にあり、接続済みと表示されれば OK です
LLM Kosh を使って、私に何ができるか教えて、1 つやってみせて✓ Claude Code が LLM Kosh を使っていると言うか、回答に LLM Kosh のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
Cursor につなげますが、先に準備が必要です
設定を 1 項目入力 (CARTRIDGE_WORKSPACE) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを Cursor のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの Cursor に MCP server LLM Kosh を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "llm-kosh": { "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CARTRIDGE_WORKSPACE は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、LLM Kosh のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
これはプログラムの設定でキーではありません。登録は不要で、作者の説明どおりに入力します。
CARTRIDGE_WORKSPACE llm-kosh がメモリカートリッジのルートとして使用するローカルフォルダへのパス。 説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。
LLM Kosh の設定で CARTRIDGE_WORKSPACE が空です。自分のキーを入れて保存します
LLM Kosh を使って、私に何ができるか教えて、1 つやってみせて✓ Cursor が LLM Kosh を使っていると言うか、回答に LLM Kosh のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に Cursor のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
VS Code につなげますが、先に準備が必要です
設定を 1 項目入力 (CARTRIDGE_WORKSPACE) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
このメッセージを VS Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。
このパソコンの VS Code に MCP server LLM Kosh を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "servers": { "llm-kosh": { "type": "stdio", "command": "uvx", "args": [ "llm-kosh" ], "env": { "CARTRIDGE_WORKSPACE": "your-value" } } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) CARTRIDGE_WORKSPACE は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、LLM Kosh のツールが本当に表示されるか確認する。このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。
もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter
uv --versionMac:⌘ + Space を押し、Terminal と入力して Enter
Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」
まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します
入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version
一度入れれば、uv を使うすべてのツールで使えます
これはプログラムの設定でキーではありません。登録は不要で、作者の説明どおりに入力します。
CARTRIDGE_WORKSPACE llm-kosh がメモリカートリッジのルートとして使用するローカルフォルダへのパス。 説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。
LLM Kosh の設定で CARTRIDGE_WORKSPACE が空です。自分のキーを入れて保存します
LLM Kosh を使って、私に何ができるか教えて、1 つやってみせて✓ VS Code が LLM Kosh を使っていると言うか、回答に LLM Kosh のツール名が出れば接続成功です
メニュー名は 2026年11月11日 に VS Code のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります
Windsurf、Zed、Gemini CLI など MCP を使える他のアプリは追加方法がそれぞれ違います。アプリ一覧で確認してください
JSON 設定は下の「開発者向け」にあります
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 必須 env説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。
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。
このサーバーのつなぎ方と、各アプリの公式ドキュメントに基づきます。2026年11月10日に確認。
パソコン上で動かせるアプリ
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
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。
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19日にチェック
レジストリ名は、リポジトリを所有するGitHubアカウント rastogivaibhav で確認済みです
コードの最終更新:2 か月前
MITを使用
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
パソコンで動き、代わりにローカルの設定を使います
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
OSV.dev に llm-kosh@2.1.3 の登録はありません
このバージョンのパッケージ本体のみ確認。すべての依存関係ではありません · 確認日 2026年11月16日
作者の方は、このコードを README に貼れます。バッジはこのページにリンクします。
[](https://mcp.popnx.com/en/servers/rastogivaibhav-llm-kosh)質問、コツの共有、使えないことの報告ができます。「役に立った」の多い順です。
まだレビューはありません
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。
当てはまる基本チェック3項目のうち3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。
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。
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)。
GitHubリポジトリの最終更新は2 か月前、最新バージョン(2.1.3)がレジストリに届いたのは5 か月前です。
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Python (uv)も必要です。
同じカテゴリには:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
同じカテゴリでほかの作者のもの。コマンドは確認済み。公式を先に、次にスター順。
カードの見方:↓ 週あたりのダウンロードi★ 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
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
| これ LLM Kosh | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 動く場所 | パソコンにインストールが必要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 | クラウドで動き、インストール不要 |
| キーが必要 | いいえ | いいえ | いいえ | いいえ | いいえ | いいえ |
| Claude で + から追加 | いいえ | はい | はい | はい | いいえ | いいえ |
| 基本チェック | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| ライセンス | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 料金 | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし | 登録情報に費用の記載なし |
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。
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: