Git-infödd MCP-server för reviderbar agentminne och snabb återvinning
okf-agent-memory av Okf Memory är en MCP-server som tillhandahåller beständig, reviderbar minne för AI-kodningsagenter. Verktyget kartlägger projektkunskap till en Git-baserad korpus och erbjuder programmatisk hämtning och skrivpunkter så att agenter kan läsa och registrera uppgiftskontext utan oklara backends. Det lagrar minne som människoläsbara filer inuti arkivet och exponerar en protokollyta för MCP-klienter. Avsedd för AI-utvecklare och ingenjörsteam som bygger agentiska arbetsflöden som behöver spårbart, arkivintegrerat projektminne.
Vilka uppgifter kan du faktiskt använda den för?
Verktyget implementerar Open Knowledge Format v0.2 för att omvandla ett arkiv till en självvaliderande kunskapskorpus, så att agentiska processer kan bevara strukturerade anteckningar tillsammans med källfiler. Denna design ersätter RAG-metoder som förlitar sig på separata vektorlager genom att hålla minnet som läsbara projektartefakter, vilket gör en agents resonemangsspår granskbara och hanterbara med projektets befintliga granskning och historikverktyg.
Hur exakta är hämtningarna jämfört med att göra det manuellt?
Verktyget kör en in-memory BM25 lexikalisk index som mäts vid sub-300 mikrosekunder rangordning över titlar, metadata, taggar och kroppar, vilket möjliggör nästan omedelbar lokal uppslagning utan nätverkslatens. Progressiv avslöjande returnerar kompakta, uppgiftsfokuserade skivor, vanligtvis runt 300 tokens, och projektet anger att selektiv hämtning kan minska promptkontextens överflöd med upp till 90 procent för kodningsuppgifter.
Vilka filformat och lagringslayout kräver det?
Systemet förväntar sig människoläsbara Markdown-filer placerade under en kunskapskatalog inuti ett Git-arkiv och använder YAML-metadata för att markera förtroendekategorier som separerar mänskligt verifierade poster från agentutkast. Eftersom minnet är vanlig text under källkontroll fungerar standard Git-kommandon som diff och blame för att granska och återställa minnesändringar, vilket passar samma granskningsarbetsflöde som används för kod.
Kräver det externa tjänster eller speciell infrastruktur?
Appen levereras som en enda, nollberoende Go-binär med sub-4 millisekund kalla starter och körs på macOS, Linux och Windows. Den exponerar MCP-åtgärder som okf_search, okf_show och okf_create till kompatibla klienter inklusive Claude Desktop och Cursor. Sökning och hämtning fungerar lokalt utan inbäddade API-anrop, vilket utvecklaren beskriver som deterministiskt och offline, vilket undviker runtime LLM-anrop för uppslagningar.
Bästa för ingenjörsteam som accepterar repository-först agentminne
Appen passar AI-utvecklare och ingenjörsteam som prioriterar granskbar, lokal projektkontext och som kan integrera minne i sina källkontrollarbetsflöden. Förvänta dig avvägningar om ditt användningsfall beror på inbäddade semantiska likheter snarare än lexikala rangordningar. Kombinera verktyget med normala kodgranskningspraxis för att validera agent-genererade utkast och hålla projektminnet i linje med mänskligt granskad kunskap.
