Memex Targeted Search Server

Realiza búsquedas dirigidas en el historial de conversaciones y archivos de proyectos de Memex.

GitHubPrueba este MCPPatrocinado

Documentación

Memex Targeted Search Server

Un servidor de Model Context Protocol (MCP) que proporciona capacidades de búsqueda dirigida en el historial de conversaciones de Memex y archivos de proyectos.

Resumen

Este servidor MCP permite a los agentes de IA buscar eficientemente a través de:

  • Historial de conversaciones: 952+ archivos de conversación de Memex con metadatos, títulos, resúmenes y contenido de mensajes
  • Archivos de proyectos: 516+ directorios de proyectos en el espacio de trabajo del usuario con varios tipos de archivos y tecnologías

Características

🔍 Herramientas de búsqueda principales

  1. search_conversations - Buscar en el historial de conversaciones por texto, metadatos y filtros
  2. get_conversation_snippet - Recuperar partes específicas de conversaciones sin sobrecarga de contexto
  3. search_projects - Buscar archivos de proyectos por contenido, tipos de archivo y nombres
  4. get_project_overview - Obtener resúmenes de proyectos con detección de tecnología
  5. find_command - ¡NUEVO! Encontrar comandos específicos, uso de CLI o fragmentos de código del historial de conversaciones

🎯 Gestión inteligente de contexto

  • Devuelve fragmentos dirigidos en lugar de conversaciones completas
  • Limita el alcance de la búsqueda para evitar la explosión de contexto
  • Admite filtrado por facetas (fechas, proyectos, tipos de archivo)
  • Proporciona puntuación de relevancia para los resultados de búsqueda

Instalación

# Clone the repository
git clone https://github.com/memextech/memex-targeted-search-server.git
cd memex-targeted-search-server

# Install dependencies
npm install

# Build the project
npm run build

Configuración

El servidor está configurado para buscar:

  • Historial de conversaciones: ~/Library/Application Support/Memex/history/
  • Archivos de proyectos: ~/Workspace/

Configuración del servidor MCP

Agregue a su configuración MCP (por ejemplo, configuración de Claude Desktop):

{
  "mcpServers": {
    "memex-search": {
      "command": "node",
      "args": ["/path/to/memex-targeted-search-server/dist/index.js"]
    }
  }
}

Ejemplos de uso

1. Encontrar comandos olvidados

"No recuerdo cuál es el comando para ejecutar la CLI del agente memex"

find_command({
  query: "memex agent cli",
  command_type: "cli",
  limit: 5
})

Encontrar comandos npm específicos

find_command({
  query: "npm install",
  command_type: "cli",
  limit: 5
})

Respuesta de ejemplo:

{
  "query": "npm install",
  "total_found": 3,
  "commands": [
    {
      "command": "npm install -g firebase-tools",
      "context": "Install Firebase CLI: `npm install -g firebase-tools`\n- Login to Firebase: `firebase login`",
      "conversation_id": "abc123",
      "conversation_title": "Firebase Setup Guide",
      "message_index": 7,
      "confidence": 0.9,
      "type": "cli"
    }
  ]
}

2. Buscar conversaciones

Encontrar conversaciones sobre temas específicos

search_conversations({
  query: "3D modeling",
  limit: 5
})

Respuesta de ejemplo:

{
  "total_found": 3,
  "conversations": [
    {
      "conversation_id": "a3edfc8f-0978-415e-9de8-18f4d94ea3a2",
      "title": "3D Interactive Solar System Model",
      "summary": "Design an engaging, visually appealing 3D representation of planets and celestial bodies",
      "created_at": "2025-05-27T17:13:26Z",
      "project": "Stellar 3d solar system",
      "message_count": 76,
      "relevance": "content"
    }
  ]
}

Filtrar por rango de fechas y proyecto

search_conversations({
  query: "python",
  project: "cad_example",
  date_from: "2025-01-01",
  date_to: "2025-03-01",
  limit: 3
})

3. Obtener detalles de la conversación

Recuperar mensajes específicos de una conversación

get_conversation_snippet({
  conversation_id: "bf283daa-25d3-434f-ad7e-9adda48cdcdd",
  message_start: 1,
  message_count: 3
})

Respuesta de ejemplo:

{
  "conversation_id": "bf283daa-25d3-434f-ad7e-9adda48cdcdd",
  "title": "3D Model 3MF File Creation",
  "message_range": "1-3",
  "total_messages": 30,
  "messages": [
    {
      "index": 1,
      "role": "user",
      "content": "can I create a 3D model in .3mf?"
    },
    {
      "index": 2,
      "role": "assistant",
      "content": "I'll help you create a 3D model using PythonOCC and convert it to .3mf format..."
    }
  ]
}

4. Buscar proyectos

Encontrar archivos por tecnología

search_projects({
  query: "interface",
  file_types: ["ts", "js"],
  limit: 10
})

Buscar todos los archivos de proyectos

search_projects({
  query: "streamlit",
  limit: 5
})

Respuesta de ejemplo:

{
  "total_found": 3,
  "results": [
    {
      "project": "ad_campaign_dashboard",
      "file": "ad_campaign_dashboard/app.py",
      "match": "import streamlit as st",
      "line": 1
    }
  ]
}

5. Obtener resumen del proyecto

Analizar la estructura del proyecto y la pila tecnológica

get_project_overview({
  project_name: "memex_targeted_search_server"
})

Respuesta de ejemplo:

{
  "name": "memex_targeted_search_server",
  "path": "/Users/user/Workspace/memex_targeted_search_server",
  "file_count": 8,
  "directories": ["dist", "src"],
  "file_types": {
    "ts": 1,
    "js": 1,
    "json": 3,
    "md": 1
  },
  "main_files": ["package.json", "README.md"],
  "technologies": ["JavaScript/TypeScript"]
}

Escenarios de uso en el mundo real

Escenario 1: "Olvidé ese comando..."

// User: "I don't remember what the command is to run the memex agent cli"
find_command({
  query: "memex agent",
  command_type: "cli",
  limit: 5
})

// User: "What was that firebase command to deploy?"
find_command({
  query: "firebase deploy",
  command_type: "cli",
  limit: 3
})

// Result: Finds exact commands with context from previous conversations

Escenario 2: Encontrar trabajo relacionado

// Agent: "I need to find previous conversations about Blender projects"
search_conversations({
  query: "blender",
  limit: 5
})

// Result: Finds 2 conversations about 3D Manhattan cityscape and geometric skyscraper
// Agent can then drill down into specific conversations for details

Escenario 3: Búsqueda de referencias de código

// Agent: "Show me Python projects that use Streamlit"
search_projects({
  query: "streamlit",
  file_types: ["py"],
  limit: 10
})

// Result: Finds specific Python files with Streamlit imports
// Agent can then examine project structure and implementation patterns

Escenario 4: Descubrimiento de referencias cruzadas

// Agent: "Find conversations from January 2025 about 3D modeling"
search_conversations({
  query: "3D model",
  date_from: "2025-01-01",
  date_to: "2025-01-31",
  limit: 5
})

// Agent: "Now show me the related project files"
get_project_overview({
  project_name: "cad_example"
})

Referencia de la API

search_conversations

  • Propósito: Buscar en el historial de conversaciones con filtrado flexible
  • Parámetros: query (obligatorio), limit, project, date_from, date_to
  • Devuelve: Matriz de metadatos de conversación con puntuación de relevancia

get_conversation_snippet

  • Propósito: Recuperar rangos de mensajes específicos de conversaciones
  • Parámetros: conversation_id (obligatorio), message_start, message_count
  • Devuelve: Fragmento de conversación con detalles de mensajes

search_projects

  • Propósito: Buscar archivos de proyectos por contenido y metadatos
  • Parámetros: query (obligatorio), file_types, limit
  • Devuelve: Matriz de coincidencias de archivos con contexto

get_project_overview

  • Propósito: Analizar la estructura del proyecto y la pila tecnológica
  • Parámetros: project_name (obligatorio)
  • Devuelve: Resumen del proyecto con recuentos de archivos y detección de tecnología

find_command

  • Propósito: Encontrar comandos específicos, uso de CLI o fragmentos de código del historial de conversaciones
  • Parámetros: query (obligatorio), command_type (cli/code/config/any), limit
  • Devuelve: Matriz de comandos con contexto, puntuación de confianza y referencias de conversación

Arquitectura

Construido con:

  • TypeScript - Desarrollo con seguridad de tipos
  • MCP SDK - SDK oficial del Model Context Protocol
  • Node.js - Entorno de ejecución
  • APIs del sistema de archivos - Acceso directo a archivos para rendimiento

Consideraciones de rendimiento

  • Limita el alcance de la búsqueda para evitar resultados abrumadores
  • Utiliza análisis JSON en streaming para archivos grandes
  • Implementa filtrado inteligente de archivos
  • Almacena en caché metadatos de acceso frecuente
  • Devuelve contenido truncado con contexto completo disponible bajo demanda

Experiencia del agente

El servidor está diseñado para una interacción óptima con el agente:

  • Búsqueda dirigida: Encuentre información específica sin sobrecarga de contexto
  • Filtrado por facetas: Múltiples dimensiones de búsqueda (fecha, proyecto, tipo de archivo)
  • Descubrimiento progresivo: Comience con resúmenes, profundice en detalles
  • Preservación del contexto: Mantenga las relaciones de conversación y proyecto

Desarrollo

Ejecución en desarrollo

npm run dev

Compilación para producción

npm run build
npm start

Pruebas

El servidor incluye manejo integral de errores y degradación elegante para:

  • Archivos de conversación faltantes o corruptos
  • Directorios de proyectos inaccesibles
  • Análisis JSON inválido
  • Manejo de archivos grandes

Contribuciones

¡Las contribuciones son bienvenidas! No dude en enviar un Pull Request.

Licencia

ISC License

🤖 Generado con Memex
Coautor: Memex noreply@memex.tech