@memofs/mcp-server

~ ls .memofs/

Almacena decisiones, hechos y contexto como simples archivos markdown en tu proyecto — versionados, portables y siempre disponibles cuando comience la próxima sesión.

cursor: cur_0x4f02a9

digest: sha256

[mount: file-first]

El Problema

La memoria de los agentes de IA está rota en dos direcciones.

Por un lado, los manuales estáticos en markdown como AGENTS.md, CLAUDE.md y .cursor/rules inflan las ventanas de contexto con enormes descargas de tokens que se desactualizan silenciosamente en cuanto cambian los archivos del proyecto, la documentación, los esquemas de datos o las implementaciones.

Por otro lado, las bases de datos vectoriales alojadas en la nube encierran los hechos aprendidos dentro de cajas negras propietarias, invisibles, imposibles de revisar en un diff de git, desconectadas de tu proyecto y atrapadas en la nube de otra persona.

Deriva Silenciosa del Proyecto.

Cuando cambian los archivos del proyecto, los esquemas, la documentación o el código, las memorias sin anclar hacen referencia a activos eliminados y hechos obsoletos, convirtiéndose en contexto fantasma tóxico que empuja activamente a la IA hacia alucinaciones.

El Silo de Caja Negra.

Las bases de datos vectoriales propietarias encierran el conocimiento aprendido detrás de APIs opacas. No puedes inspeccionar lo que la IA aprendió, editarlo en tu editor local ni revisarlo en un diff de git junto con tu proyecto.

El Dilema de la Inflación de Prompts.

Los manuales estáticos (como archivos de instrucciones de 50KB) queman miles de tokens de prompt en cada turno, mientras que los modelos de IA olvidan consultar la memoria dinámica a menos que el runtime la empuje de forma determinista.

Runtimes

Un motor, tres modos de almacenamiento

MemoFS está construido sobre una abstracción de almacenamiento unificada. Elige dónde reside tu memoria según tu flujo de trabajo y tus necesidades de acceso.

RUNTIME 01Offline Primero

Diagrama de Modo Local

Modo de Almacenamiento Local

Toda la memoria se almacena directamente en el sistema de archivos de tu proyecto como markdown y JSON versionados. Cero latencia de red, totalmente offline y 100% rastreable con git.

RUNTIME 02Sincronización en la Nube

Diagrama de Modo Híbrido

Modo de Sincronización Híbrida

Ejecución local en sub-milisegundos con replicación automática en la nube. La memoria de tu agente te sigue a través de múltiples máquinas, estaciones de trabajo de escritorio y compañeros de equipo.

RUNTIME 03Cero Archivos Locales

Diagrama de MCP Alojado

Endpoint MCP Alojado

MemoFS Cloud aloja el runtime directamente. Agentes remotos, contenedores CI/CD efímeros y bots serverless se conectan mediante una URL de endpoint MCP estándar y una clave API.

Características y Capacidades

Diseñado para la memoria de agentes autónomos

Desde recuperación híbrida local en sub-milisegundos hasta anclajes de proyecto auto-reparables y coordinación multi-agente. Construido con archivos transparentes, lógica determinista y cero cajas negras.

CARACTERÍSTICA 01Defensa contra la Deriva

Anclaje de Código y Detección de Deriva

Anclaje de Proyecto y Detección de Deriva

Las memorias se vinculan directamente a archivos del proyecto, documentos de investigación, esquemas de datos, hashes de bytes y rutas de símbolos. Cuando los activos subyacentes cambian, la detección de deriva en tiempo de consulta degrada automáticamente la relevancia de memorias obsoletas antes de que causen alucinaciones.

CARACTERÍSTICA 02Fusión con Compuerta

Recuperación Híbrida y Fusión

Recuperación Híbrida y Fusión con Compuerta

Coincidencia léxica de palabras clave BM25 en sub-milisegundos fusionada con embeddings vectoriales densos mediante un ranking de bonificación con compuerta acotada. Unifica la identidad de los fragmentos de memoria para eliminar duplicados y evitar la inflación del contexto del LLM.

CARACTERÍSTICA 03Nativo de Grafos

Grafo de Entidades y Consolidación

Grafo de Entidades y Procedencia Causal

Extrae entidades, relaciones y linaje causal (por qué de memofs) en archivos transparentes nodes.jsonl y edges.jsonl. La consolidación determinista y controlada por críticos fusiona hechos redundantes y rastrea las decisiones hasta la evidencia fuente.

CARACTERÍSTICA 04Contexto Aislado

Áreas de Trabajo AgentFS

Áreas de Trabajo Aisladas de AgentFS

Sistema de archivos de trabajo aislado por turno de agente con promoción de memoria controlada por resultado (éxito, fallo, abortado). Preserva y promueve automáticamente hechos duraderos de alta señal mientras poda el ruido intermedio de la sesión.

CARACTERÍSTICA 05Cero Omisiones

Aplicación de Comportamiento del Agente

Aplicación de Comportamiento en Tiempo de Ejecución

Hooks de empuje deterministas en más de 9 herramientas de IA y entornos de agente, incluyendo Claude Code, Cursor, Copilot, Codex y Gemini CLI. Inyecta automáticamente el contexto de memoria relevante al inicio de la sesión, aplica las restricciones del proyecto y preserva el estado a través de compactaciones de contexto.

CARACTERÍSTICA 06Pisos de Decaimiento

Decaimiento Cognitivo y Archivo en Frío

Decaimiento Cognitivo y Archivo en Frío

Las ventanas de expiración por tipo de memoria envejecen los hechos a estado no verificado sin mantenimiento manual. La consolidación guiada por el operador mueve memorias superadas al archivo en frío con restauración forense completa.

CARACTERÍSTICA 07Próximamente

Stream Efímero y Pub/Sub de Agentes

Stream Efímero y Pub/Sub de Agentes

Stream en modo append-only en tiempo real para coordinación transitoria entre agentes (heartbeats, intención de archivos, estado de tareas) y sugerencias de dirección humanas. Se filtra de la recuperación duradera para eliminar ruido, con recolección de basura TTL automatizada en ejecuciones de mantenimiento.

CARACTERÍSTICA 08Próximamente

Memoria Procedural y Playbooks

Memoria Procedural y Playbooks

Recetas de flujo de trabajo accionables paso a paso y procedimientos operativos estándar almacenados como Markdown legible por humanos y JSON estructurado. El estratega de contexto empareja y muestra dinámicamente los playbooks relevantes según el tipo de tarea.

CARACTERÍSTICA 09Próximamente

Linter de Memoria Estática

Linter de Memoria Estática

Analizador estático semántico CLI (memofs lint) para pipelines de CI/CD. Detecta afirmaciones contradictorias entre notas almacenadas, enlaces de procedencia causal rotos, referencias muertas del proyecto y entidades huérfanas del grafo de conocimiento antes del merge.

CARACTERÍSTICA 10Próximamente

Estudio Visual de Memoria

Estudio Visual de Memoria

Depurador webview local sin dependencias para .memofs/. Inspecciona los desgloses de peso de recuperación BM25 vs vectorial vs grafo, explora grafos de entidades interactivos y prueba diffs de restauración de instantáneas en tiempo real.

CARACTERÍSTICA 11Próximamente

Importación de Memoria de Proveedores

Importación y Configuración de Memoria de Proveedores

Un solo comando para traer tu memoria existente contigo — importa desde herramientas de desarrollo, agentes de investigación, además de exportaciones de Mem0, Zep/Graphiti, Letta y Cognee. Adaptadores de archivo offline completos escriben a través de la ruta duradera estándar con procedencia y vista previa en seco.

CARACTERÍSTICA 12Próximamente Recibos de Acciones Inmutables

Recibos de Acciones Inmutables

Recibos de auditoría de solo anexión que capturan acciones de IA consecuentes, correlación de tareas, parentesco causal, metadatos de reversibilidad, resúmenes de argumentos y hashes de instantáneas antes/después para una responsabilidad de ejecución completa.

Por qué Archivo-Primero

MemoFS vs. Memoria de Caja Negra

La mayoría de las herramientas de memoria ocultan tus datos en bases de datos remotas opacas o dependen de archivos de reglas estáticos que se desvían y abultan el contexto del prompt. MemoFS combina ejecución local determinista, verificación anclada al proyecto y transparencia nativa de git.

Dimensión	MemoFS	Bases de Datos de Memoria Alojadas
Dónde vive la memoria	✓Archivos Markdown y JSONL simples en .memofs/	✕Bloqueada en una base de datos propietaria en la nube
Detección de desviación del proyecto	✓Hash de archivo, símbolo AST y validación de esquema (memofs lint)	✕Ninguna; memorias obsoletas referencian activos y datos eliminados
Cumplimiento de comportamiento	✓Hooks de inserción deterministas en más de 9 herramientas y entornos de IA	✕Herramientas de extracción pasivas; depende del modelo para recordar buscar
Linaje causal y auditoría	✓Recibos de acciones inmutables y recorrido causal (memofs why)	✕Puntuaciones de similitud opacas; registros de chat efímeros perdidos
Inspección y edición	✓Cualquier editor (VS Code, Cursor, Neovim, CLI)	✕Panel web del proveedor o archivo sin indexar en bruto
Control de versiones	✓Rastreado por git y ramificable junto a tu proyecto	✕Base de datos externa separada desacoplada del historial del proyecto
Eficiencia de contexto	✓Recuperación híbrida con presupuesto de tokens (BM25 + vector + grafo)	✕Abultamiento monolítico del prompt o embeddings top-k ruidosos
Ejecución sin conexión	✓100% local-primero; funciona sin conexión y en sandboxes	✕Requiere red persistente y claves API en la nube
Coordinación multi-agente	✓Bloqueos de archivo consultivos y esquemas de flujo estándar	✕Escrituras no sincronizadas o demonios externos pesados