Агент отработал сессию — и всё, о чём вы договорились, исчезло вместе с контекстом. Memora — открытый MCP-сервер с общим хранилищем: агент сможет складывать факты, задачи и решения в базу, а потом достать их обратно семантическим поиском или одним запросом по теме. Подойдёт тем, кто работает с Claude Code, Codex CLI и другими MCP-клиентами и устал каждый раз объяснять модели одно и то же.
Основа — SQLite, локально или с синхронизацией в облако: S3, R2 или Cloudflare D1. Память организована иерархически, по секциям и подсекциям, с автоматическим распределением. Есть экспорт и импорт с выбором стратегии слияния — для бэкапа и переноса базы.
Ключевая механика — absorb. Ты скармливаешь факты, LLM сверяет каждый с тем, что уже лежит в базе, и решает: дубликат, обновление, противоречие, связанный факт или что-то совсем новое. Дубликаты отбросятся, связи проставятся сами, близкие записи консолидируются. Перед реальной записью можно посмотреть превью через dry_run. Обновления не удаляют старое знание, а вытесняют его — supersession lineage сохраняет цепочку версий, и при выдаче можно выбрать режим: только актуальное, последнее или вся история.
Для извлечения есть memory_digest(topic): он соберёт в один ответ релевантные записи, открытые TODO и issues, связанные рёбра графа и ID источников. Плюс полнотекстовый поиск, фильтры по датам и тегам с логикой AND/OR/NOT, гибридный поиск и векторные эмбеддинги — на выбор TF-IDF, sentence-transformers локально или OpenAI. Отдельно живёт LLM-дедупликация: найдёт похожие записи и предложит слить.
Markdown-документ разложит в дерево фрагментов — утверждения, пункты плана, ссылки, риски. Каждый фрагмент найдётся по отдельности, но документ по-прежнему можно вытащить целиком. Встроенные защиты не дадут случайно удалить или слить фрагмент документа.
Визуальная часть — интерактивный граф знаний с рендерингом Mermaid и подсветкой кластеров. Может работать через встроенный HTTP-сервер локально или в облачном варианте на D1 и Cloudflare Pages. Там же панель чата с памятью: RAG-поиск плюс tool calling, чтобы модель могла искать, создавать, править и удалять записи прямо в стриминговом диалоге.
Записи свяжет типизированными рёбрами с бустом важности и детекцией кластеров, а похожие друг на друга сошьёт кросс-ссылками сама. Для обмена между агентами есть событийные уведомления, работающие по опросу. Покажет статистику по тегам и трендам, memory_insights найдёт залежавшиеся задачи и предложит консолидацию, а все операции сложит в сгруппированный таймлайн истории. Есть интеграция с Neovim и плагин для Claude.
Ставится как pip install memora-mcp — облачное хранилище и эмбеддинги OpenAI уже внутри. Локальные эмбеддинги идут отдельным экстра-пакетом, но потянут за собой PyTorch, примерно на 2 ГБ. Дальше сервер прописывается в .mcp.json или ~/.codex/config.toml, поведение настраивается переменными окружения: путь к базе, URI хранилища, шифрование и сжатие перед выгрузкой в облако, allowlist тегов, порт графа, модель эмбеддингов. Проект бесплатный и открытый.
Блог