# Kagura Memory Cloud

MCP-сервер с адаптивной памятью, который строит нейронный граф связей между воспоминаниями агента и учится при каждом поиске.

- MCP-сервер · `type=mcp` · Claude Code, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed, Gemini CLI · ★ 12
- Автор: kagura-ai
- Лицензия: Apache-2.0 · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/kagura-ai/memory-cloud
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/mcp/kagura-memory-cloud

## Что делает

Сервер сохраняет знания между сеансами работы агента и связывает их через нейронный граф по методу Хебба: каждый вызов `recall()` усиливает рёбра между совместно найденными записями. Поиск работает в двух режимах — `recall()` для точного поиска через гибридный индекс (семантика плюс BM25) и `explore()` для обхода графа памяти.

Каждая запись состоит из трёх слоёв: краткое описание, контекст и полное содержимое. Агент пишет в память вызовом `remember()`, сервер индексирует автоматически. Включает 72 инструмента MCP: работа с памятью, контекстами, тегами, файлами в R2, анализами, секретами и планировщиком консолидации.

Работает с OpenAI или локально через Ollama и vLLM. Нужны Python 3.11 и выше, Node.js 20 и выше. Скрипт `./setup.sh` запускает сервер за пять минут. Архитектура — воркспейсы с контекстами и RBAC, изоляция памяти по командам.

## Требования
- Удалённый сервер: `https://memory.kagura-ai.com/mcp`

## Установка

### Claude Code (родная платформа)

**Командой платформы: удалённый сервер**
```bash
claude mcp add --transport http memory-cloud https://memory.kagura-ai.com/mcp
```

### Codex

**Командой платформы: удалённый сервер**
```bash
codex mcp add kagura-memory-cloud --url https://memory.kagura-ai.com/mcp
```

### Cursor

**Файл настроек**
Файл `.cursor/mcp.json`:
```json
{
    "mcpServers": {
        "kagura-memory-cloud": {
            "url": "https://memory.kagura-ai.com/mcp"
        }
    }
}
```

### GitHub Copilot

**Файл настроек**
Файл `.vscode/mcp.json`:
```json
{
    "servers": {
        "kagura-memory-cloud": {
            "type": "http",
            "url": "https://memory.kagura-ai.com/mcp"
        }
    }
}
```

### Gemini CLI

**Командой платформы: удалённый сервер**
```bash
gemini mcp add -t http kagura-memory-cloud https://memory.kagura-ai.com/mcp
```

## Когда брать
- сохранить знания агента между разговорами и проектами
- найти связи между записями, которые агент получал в разное время
- дать агенту гибридный поиск — семантический и по ключевым словам
- организовать командную память с разделением доступа
- запустить эмбеддинги и реранкинг локально, без внешних API

## Примеры запросов агенту
- Сохрани в память контекст проекта: архитектура — микросервисы на FastAPI, БД — PostgreSQL, очереди — Redis.
- Найди всё, что я записывал про настройку Qdrant.
- Покажи записи, связанные с последней багой в модуле аутентификации.

## Похожие
- [REA](https://affpapa.org/nevibecode/mcp/rea.md) — MCP-сервер · ★ 386989
- [GitHub](https://affpapa.org/nevibecode/mcp/github.md) — MCP-сервер · ★ 33918
- [Netdata](https://affpapa.org/nevibecode/mcp/netdata.md) — MCP-сервер · ★ 81115
- [browser-use](https://affpapa.org/nevibecode/mcp/browser-use.md) — MCP-сервер · ★ 119160
- [Codebase Memory](https://affpapa.org/nevibecode/mcp/codebase-memory.md) — MCP-сервер · ★ 47392
- [mcp-server](https://affpapa.org/nevibecode/mcp/mcp-server.md) — MCP-сервер · ★ 43872

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md