RepoRadar marm-memory: локальный сервер памяти для AI-агентов
marm-memory — это локальный сервер памяти, который сочетает в себе историю сессий, индексацию кода и концептуальные графы для AI-агентов. Проект на Python использует FastAPI и SQLite, что позволяет хранить данные локально, безопасно и без облака. Это особенно полезно для разработчиков, работающих с AI-моделями, такими как Claude Code, Codex, Grok и другими.
Тем, кто ищет решение для неграниченной и приватной работы с кодом и памятью AI-агентов, marm-memory предлагает мгновенный доступ к контексту и возможность работать в многопользовательских агентах. Запуск проекта достаточно прост, ты можешь использовать Docker или установить необходимые библиотеки через pip.
Обрати внимание, что проект активно развивается, и некоторые функции могут находиться на ранних стадиях. В документации нет указания на явные ограничения по платформам, но разработка ориентирована на пользователей с базовыми навыками работы с Python и серверными технологиями.
Проект marm-memory представляет собой сервер для хранения постоянной локальной памяти для AI-агентов, реализующий протокол Model Context Protocol (MCP). Он позволяет AI-агентам запоминать важный контекст во время взаимодействий, что помогает избежать потери информации между сессиями. Это может включать заметки, решения, исследования и историю проекта.
Цели и преимущества
Основная задача marm-memory — предоставить AI-агентам возможность сохранять и совместно использовать контекстные данные, что особенно важно, когда агенты взаимодействуют с разными инструментами и платформами, такими как Claude, Codex или Gemini. Проект включает в себя:
- Core Memory: хранение разговоров, заметок и сводок, которые остаются доступными для поиска.
- Code Graph: индексация репозиториев, что позволяет агентам лучше понимать структуру проекта.
- Concept Graph: установление связей между людьми, решениями, ошибками и идеями на базе хранящихся воспоминаний.
Установка и запуск
Для установки проекта потребуется Python версии 3.10 или выше. Установить его можно с помощью pip:
pip install marm-mcp-serverПосле установки инициализируй пакеты для работы с различными агентами:
marm-memory init --g-claude --g-codex --g-geminiЗапуск сервера осуществляется командой:
marm-memory startДля множества агентов рекомендуется использовать режим swarm:
marm-memory start --profile swarmДополнительно можно запустить веб-консоль для взаимодействия с приложением:
marm-memory consoleФункциональность и интеграция
marm-memory включает в себя несколько команд для работы с памятью, такими как:
- marm_log_entry: записывает записи сессий.
- marm_smart_recall: осуществляет поиск по памяти с учетом контекста.
- marm_graph_index: индексация репозитория кода для понимания структуры проекта.
- marm_concept_recall: позволяет осуществлять запросы к концепт-графу.
Проект поддерживает как HTTP, так и STDIO для подключения различных AI-клиентов. Например, для подключения к Claude, можно использовать:
claude mcp add --transport http marm-memory http://localhost:8001/mcpОграничения и требования
Хотя marm-memory предлагает мощный функционал, существуют некоторые ограничения:
- Проект требует, чтобы сервер имел достаточно ресурсов, особенно оперативной памяти, для эффективной работы, особенно при увеличении объема памяти.
- Производительность может снижаться с увеличением объема данных, хотя встроенные механизмы оптимизации помогают минимизировать это.
- Инкапсуляция в локальной среде означает, что данный сервер не обеспечивает синхронизацию с облаком или внешними системами.
В целом, marm-memory представляет собой удобный инструмент для создания запоминающих AI-агентов, что делает его полезным для разработчиков, работающих с большим объемом данных и взаимодействующих с различными AI-клиентами.
Радар проекта: 73 из 100 — крепкий проект
- Импульс 10 ≈ 22 звезды в месяц
- Темп разработки 100 513 коммитов за 12 недель
- Зрелость 90 проекту 17 месяцев, 50 релизов
- Сообщество 56 20 участников, 95 форков
- Свежесть 92 последний коммит — 15 дней назад
- Быстрый старт 65 есть: команда установки, сайт/демо
- Готовность к продакшену 80 релиз v2.60.1, автосборка
- Безопасность и доверие 80 лицензия Apache-2.0, SECURITY.md
- Документация 100 README 95.3 тыс. знаков, 73 раздела, папка docs
- Экосистема 57 7 подписчиков на обновления, 20 тем
Как считаем
Только открытые данные GitHub на 07.11.2026, без оценок нейросети. Каждая ось — от 0 до 100, итог — среднее.
- Импульс — звёзд в день: за время наших замеров, а пока их нет — за всю жизнь проекта; 200 в день — максимум.
- Темп разработки — коммитов за последние 12 недель; 300 — максимум. Пока GitHub не досчитал статистику, ось не учитывается.
- Зрелость — возраст проекта (3 года — максимум) и число релизов (30 — максимум), поровну.
- Сообщество — участников с коммитами (200 — максимум) и форков (5000 — максимум), поровну.
- Свежесть — дней с последнего коммита: сегодня — 100, полгода и больше или архив — 0.
- Быстрый старт — в README есть команда установки, раздел «быстрый старт» или примеры использования, в репозитории — Docker и папка примеров, у проекта есть сайт или демо.
- Готовность к продакшену — релизы, версия 1.0 и выше, автосборка (GitHub Actions), тесты, лицензия, журнал изменений.
- Безопасность и доверие — открытая лицензия (своя — половина балла), политика безопасности (SECURITY.md), проект организации, правила для участников, не в архиве.
- Документация — объём и структура README, папка docs или сайт, оценка «здоровья сообщества» GitHub.
- Экосистема — звёзды (50 тыс. — максимум), подписчики на обновления (1000 — максимум), темы репозитория.
Открыть на GitHub: Lyellr88/marm-memory →
