Octobrain

Name: Octobrain
Author: muvon

제작자: muvon버전 0.15.1i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.Muvon/octobrain

설치

개요

제작자가 쓴 설명(영어 원문)

Persistent memory for AI assistants with semantic search and knowledge graph relationships.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 검색 및 AI 기억

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

npmNode.js 설치(npx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

제작자의 .mcpb 파일 다운로드

링크는 제작자의 파일로 바로 연결돼요. 우리가 보관하거나 다시 패키징하지 않아요. 파일을 열면 Claude Desktop이 설치해요.

터미널에서 이 명령어를 실행하세요

claude mcp add octobrain -- npx -y @muvon/octobrain mcp

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "octobrain": {
      "command": "npx",
      "args": [
        "-y",
        "@muvon/octobrain",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "octobrain": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@muvon/octobrain",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 muvon 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 7249개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 7249개 중 91%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 7249개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

Octobrain, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.15.1)은 3일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Node.js, MCPB도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Context7, Codebase Memory, Exa

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Context7

제작자: upstash

Up-to-date docs for AI agents

컴퓨터 또는 클라우드★ 64,224MIT오늘 업데이트

설치

Codebase Memory

제작자: DeusData

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

내 컴퓨터에서 실행★ 48,148MIT20일 전 업데이트

설치

Exa

제작자: exa-labs

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

클라우드에서 실행★ 5,213MIT지난달 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

Octobrain

Persistent memory for AI assistants — store insights, decisions, and knowledge that survives across conversations.

_MCP Registry: mcp-name: io.github.Muvon/octobrain_

Why Octobrain?
Quick Start
Installation
Usage
Features
Benchmarks
Configuration
Memory Types
MCP Integration
Storage Locations
Contributing
License

Octobrain gives your AI assistant a long-term memory. Store code insights, architecture decisions, bug fixes, and knowledge — then retrieve them with semantic search in future sessions. Works as a CLI tool or as an MCP server for integration with Claude Desktop and other AI tools.

Why Octobrain?

AI assistants start every conversation with zero context. You explain your project, your preferences, your decisions — every single time. Octobrain breaks that cycle:

Persistent memory — Insights survive across sessions, not just within them
Semantic search — Find memories by meaning, not exact keywords
Auto-linking — Related memories connect automatically (Zettelkasten-style)
Knowledge indexing — Ingest docs, articles, and files for retrieval
MCP integration — Works with Claude Desktop and other MCP-compatible tools

Quick Start

# Install from crates.io

cargo install octobrain

Store your first memory

octobrain memory memorize --title "API Design Pattern" \ --content "Use REST for CRUD, GraphQL for complex queries" \ --memory-type architecture --tags "api,design"

Search memories

octobrain memory remember "how should I design APIs"

Start MCP server for Claude Desktop integration

octobrain mcp

Installation

From crates.io (Recommended)

cargo install octobrain

From Source

# Clone and build

git clone https://github.com/muvon/octobrain.git cd octobrain cargo build --release

Binary location

./target/release/octobrain --help

Docker

docker pull ghcr.io/muvon/octobrain:latest

Homebrew (macOS/Linux)

brew install muvon/tap/octobrain

Feature Flags

Octobrain supports multiple embedding providers:

Flag	Description	API Key Required
`fastembed`	Local embeddings via FastEmbed	No
`huggingface`	Local embeddings via HuggingFace	No
(default)	Both `fastembed` + `huggingface`	No
(no features)	API-based: Voyage, OpenAI, Google, Jina	Yes

# Build with local embeddings (default, no API keys needed)

cargo build --release

Build with API-based embeddings only

cargo build --no-default-features --release

For API-based embeddings, set the appropriate environment variable:

VOYAGE_API_KEY for Voyage AI
OPENAI_API_KEY for OpenAI
GOOGLE_API_KEY for Google
JINA_API_KEY for Jina

Usage

Memory Management

Store and retrieve insights, decisions, and context:

All memory subcommands accept global flags:

--scope — Override project scope (default: auto-detected from Git remote)
--role — Filter by role (e.g. "developer", "reviewer")

# Store a memory

octobrain memory memorize --title "API Design" \ --content "Use REST for CRUD, GraphQL for complex queries" \ --memory-type architecture --tags "api,design"

Search memories (semantic search)

octobrain memory remember "api design patterns"

Multi-query search for broader coverage

octobrain memory remember "authentication" "security" "jwt"

Get a memory by ID

octobrain memory get

Get recent memories

octobrain memory recent --limit 20

Filter by type

octobrain memory by-type architecture --limit 10

Filter by tags

octobrain memory by-tags "api,security"

Find memories related to files

octobrain memory for-files "src/main.rs,src/lib.rs"

Update a memory

octobrain memory update --title "New Title" --add-tags "new-tag"

Delete a memory

octobrain memory forget --memory-id

Get memories relevant to the current Git commit

octobrain memory current-commit

Show memory statistics

octobrain memory stats

Clean up old/low-importance memories

octobrain memory cleanup

Compact tables and refresh indices (run when searches slow down)

octobrain memory maintenance

⚠️ Delete ALL memory data

octobrain memory clear-all --yes

Memory Consolidation

Close a goal and fold all its contributing memories into a consolidated summary:

# Consolidate a goal (Achieves-link sources → Consolidated state, importance dampened)

octobrain memory consolidate --summary "Final summary"

Sleep consolidation: auto-cluster recent similar memories

octobrain memory sleep-consolidate --threshold 0.85 --min-size 3

Memory Relationships

Connect related memories for context-rich retrieval:

# Create a relationship between memories

octobrain memory relate \ --relationship-type "depends_on" \ --description "Source requires target to function"

View relationships for a memory

octobrain memory relationships

Find related memories through relationships

octobrain memory related

Auto-link similar memories (Zettelkasten-style)

octobrain memory auto-link

Explore memory graph

octobrain memory graph --depth 2

Knowledge Base

Index and search web content, docs, and files:

# Index a URL

octobrain knowledge index https://docs.rs/tokio/latest/tokio/

Index a local file (.txt, .md, .pdf, .docx, .html)

octobrain knowledge index ./docs/architecture.md

Search knowledge base

octobrain knowledge search "how to handle async tasks"

Search within a specific source (auto-indexes if outdated)

octobrain knowledge search "spawn blocking" --source https://docs.rs/tokio/

Read full content of a URL or local file

octobrain knowledge read https://docs.rs/tokio/latest/tokio/

Search indexed content by regex pattern

octobrain knowledge match "spawn_blocking|block_in_place"

Store raw text content

octobrain knowledge store "meeting-notes" --content "Discussion points..."

List indexed sources

octobrain knowledge list --limit 20

Show statistics

octobrain knowledge stats

Delete a source

octobrain knowledge delete https://example.com/docs

Delete stored content by key

octobrain knowledge delete-stored "meeting-notes"

Knowledge Boxes

Import and sync git-backed knowledge bundles scoped to your projects:

# Import a remote git repo as a knowledge box

octobrain box import https://github.com/org/docs-repo.git

Import at global scope (visible in every project)

octobrain box import https://github.com/org/docs-repo.git --global

Pull and re-index all subscribed boxes + local .box/ directories

(the MCP server syncs each session's repos on first contact; agents run `knowledge` `sync` after editing .box/)

octobrain box sync

List subscribed boxes

octobrain box list

Remove a box

octobrain box remove github.com/org/docs-repo

MCP Server

Run as an MCP server for integration with Claude Desktop and other AI tools:

# Start with stdio transport (for Claude Desktop)

octobrain mcp

Start with HTTP transport (for web-based tools)

octobrain mcp --bind 0.0.0.0:12345

Available MCP Tools:

Tool	Description
`memorize`	Store memories with metadata; optional `related_to` for inline relationships
`remember`	Semantic search with filters; returns 1-hop graph neighbors
`forget`	Delete memories (requires confirmation)
`knowledge`	Unified tool: `search`, `store`, `delete`, `read`, `match`, `sync` via `command` field; `sync` re-indexes knowledge boxes after `.box/` edits

See MCP Integration for Claude Desktop setup.

Features

Semantic Search — Find memories by meaning using vector embeddings, not exact keyword matches
Hybrid Search — Combines BM25 full-text search with vector similarity for better results
Reranking Support — Pluggable cross-encoder reranking stage (provider-dependent)
Auto-Linking — Automatically connects semantically similar memories (Zettelkasten-style)
Temporal Decay — Ebbinghaus forgetting curve for importance management
Knowledge Indexing — Ingest URLs, PDFs, docs for retrieval
Project Scoping — Isolate memories per Git project or share across projects
Role Filtering — Tag memories by role (developer, reviewer, etc.)
Query Expansion (HyDE-lite) — Pseudo-relevance feedback for +10-30% recall on long-tail queries
MCP Protocol — Full MCP 2026-07-28 compliance for AI tool integration

Benchmarks

Retrieval quality of octobrain's knowledge system on standard BEIR datasets — nDCG@10, fully local, no LLM judge, using the harness's default embedder bge-small-en-v1.5 (384-dim, 33M params). Each corpus passage is indexed through octobrain's real retrieval path and scored against the official qrels (metrics reproduce pytrec_eval).

Dataset	octobrain vector	octobrain hybrid	BM25¹	bge-small-en-v1.5²
SciFact (5.2K docs, 300 q)	0.722	0.742	0.665	0.713
NFCorpus (3.6K docs, 323 q)	0.341	0.363	0.325	0.343

vector = dense-only retrieval; reproduces the embedder's published BEIR numbers (validates the harness).
hybrid = BM25 + vector fused with Reciprocal Rank Fusion (k=60) — octobrain's default. Adds +2 nDCG@10 over the bare embedding and beats classic BM25 on both datasets.

¹ Canonical BM25 from the BEIR paper (Anserini/Lucene, k1=0.9 b=0.4). ² From the bge-small-en-v1.5 model card (MTEB).

Scope: this measures the ranking layer (embedding + BM25 fusion + reranking). BEIR passages are pre-chunked, so octobrain's chunking strategy is not exercised here.

⚠️ Reranker status: The cross-encoder reranker is currently a no-op with fastembed models (byte-identical results to hybrid-only). Rerank is excluded from the numbers above pending investigation. See benches/README.md for details.

Reproduce (downloads the datasets, builds a release binary, runs fully offline):

cd benches && bash scripts/run_retrieval.sh

Configuration

Configuration is stored in ~/.local/share/octobrain/config.toml. The template written on first run defines every option with sensible defaults, but loading is strict — a field you delete by hand causes startup to fail rather than falling back to a default.

Override the config location with OCTOBRAIN_CONFIG_PATH=/path/to/config.toml.

Key Settings

Section	Option	Default	Description
`[embedding]`	`model`	`fastembed:Qdrant/all-MiniLM-L6-v2-onnx`	Embedding model (provider:model format). Default is a local fastembed model — no API key, runs on CPU.
`[search]`	`similarity_threshold`	`0.3`	Minimum relevance (0.0-1.0)
`[search.hybrid]`	`enabled`	`true`	Enable BM25 + vector fusion

| [search.reranker] | enabled | `

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Octobrain

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

검색 및 AI 기억 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Context7

Codebase Memory

Exa

제작자의 README

Octobrain

Table of Contents

Why Octobrain?

Quick Start

Store your first memory

Search memories

Start MCP server for Claude Desktop integration

Installation

From crates.io (Recommended)

From Source

Binary location

Docker

Homebrew (macOS/Linux)

Feature Flags

Build with API-based embeddings only

Usage

Memory Management

Search memories (semantic search)

Multi-query search for broader coverage

Get a memory by ID

Get recent memories

Filter by type

Filter by tags

Find memories related to files

Update a memory

Delete a memory

Get memories relevant to the current Git commit

Show memory statistics

Clean up old/low-importance memories

Compact tables and refresh indices (run when searches slow down)

⚠️ Delete ALL memory data

Memory Consolidation

Sleep consolidation: auto-cluster recent similar memories

Memory Relationships

View relationships for a memory

Find related memories through relationships

Auto-link similar memories (Zettelkasten-style)

Explore memory graph

Knowledge Base

Index a local file (.txt, .md, .pdf, .docx, .html)

Search knowledge base

Search within a specific source (auto-indexes if outdated)

Read full content of a URL or local file

Search indexed content by regex pattern

Store raw text content

List indexed sources

Show statistics

Delete a source

Delete stored content by key

Knowledge Boxes

Import at global scope (visible in every project)

Pull and re-index all subscribed boxes + local .box/ directories

(the MCP server syncs each session's repos on first contact; agents run knowledge sync after editing .box/)

List subscribed boxes

Remove a box

MCP Server

Start with HTTP transport (for web-based tools)

Features

Benchmarks

(the MCP server syncs each session's repos on first contact; agents run `knowledge` `sync` after editing .box/)