Provena Agent Memory — MCP-сервер для Claude Code: установка
MCP-сервер Provena Agent Memory для Claude Code и других агентов: сохраняет факты между сессиями вместе с источниками и контекстом. Позволяет проверить достоверность каждого утверждения ассистента.
MIT ★ 8 обновлён 2026-10-19
claude mcp add --env PROVENA_API_URL=<PROVENA_API_URL> --env PROVENA_API_KEY=<PROVENA_API_KEY> --env PROVENA_SCOPE_ID=<PROVENA_SCOPE_ID> --transport stdio provena-agent-memory -- uvx provena-agent-memoryЧто делает Provena Agent Memory
Сервер связывает память ассистента с конкретными репликами и событиями в диалоге. Вместо накопления неструктурированных заметок система фиксирует доказательства, статус проверки и область видимости каждой записи. Через инструмент memory_explain можно отследить, откуда ассистент взял утверждение и менялись ли эти сведения со временем.
Архитектура состоит из сервиса на FastAPI, базы PostgreSQL с расширением pgvector и локального сервиса Ollama либо внешней модели. Разработчику доступен веб-интерфейс на Next.js для ручной модерации и просмотра сохранённых фактов. Записи событий ведутся исключительно в режиме добавления, что исключает незаметную перезапись истории.
Для запуска локального стека требуются Python 3.11+, Docker Compose и pipx. При первом старте Ollama загрузит модели весом около 1.26 GB. Поиск работает строго по точному идентификатору контекста, поэтому наследование веток репозитория сейчас не поддерживается.
Какие задачи решает
- отслеживать источники утверждений в долгосрочной памяти агента
- исключать потерю истории благодаря добавлению ревизий вместо перезаписи
- проверять сохранённые контексты через веб-консоль на Next.js
- изолировать контекст ассистента по отдельным проектам и веткам
Примеры запросов агенту
- Вызови
memory_explain, чтобы показать источники фактов о стеке проекта. - Проверь сохранённый контекст перед тем, как предлагать правки архитектуры.
Как установить Provena Agent Memory
Командой платформы
claude mcp add --env PROVENA_API_URL=<PROVENA_API_URL> --env PROVENA_API_KEY=<PROVENA_API_KEY> --env PROVENA_SCOPE_ID=<PROVENA_SCOPE_ID> --transport stdio provena-agent-memory -- uvx provena-agent-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from provena-agent-memory <команда>
Командой платформы
codex mcp add provena-agent-memory --env PROVENA_API_URL=<PROVENA_API_URL> --env PROVENA_API_KEY=<PROVENA_API_KEY> --env PROVENA_SCOPE_ID=<PROVENA_SCOPE_ID> -- uvx provena-agent-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from provena-agent-memory <команда>
Файл настроек
{
"mcpServers": {
"provena-agent-memory": {
"command": "uvx",
"args": [
"provena-agent-memory"
],
"env": {
"PROVENA_API_URL": "<PROVENA_API_URL>",
"PROVENA_API_KEY": "<PROVENA_API_KEY>",
"PROVENA_SCOPE_ID": "<PROVENA_SCOPE_ID>"
}
}
}
}Вместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from provena-agent-memory <команда>
Файл настроек
{
"servers": {
"provena-agent-memory": {
"type": "stdio",
"command": "uvx",
"args": [
"provena-agent-memory"
],
"env": {
"PROVENA_API_URL": "<PROVENA_API_URL>",
"PROVENA_API_KEY": "<PROVENA_API_KEY>",
"PROVENA_SCOPE_ID": "<PROVENA_SCOPE_ID>"
}
}
}
}Вместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from provena-agent-memory <команда>
Командой платформы
gemini mcp add -e PROVENA_API_URL=<PROVENA_API_URL> -e PROVENA_API_KEY=<PROVENA_API_KEY> -e PROVENA_SCOPE_ID=<PROVENA_SCOPE_ID> provena-agent-memory uvx provena-agent-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from provena-agent-memory <команда>
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о Provena Agent Memory
Как установить Provena Agent Memory в Claude Code?
Выполните команду claude mcp add provena-memory -e PROVENA_API_KEY=<PROVENA_API_KEY> -e PROVENA_SCOPE_ID=<PROVENA_SCOPE_ID> -- uvx provena-agent-memory. Подставьте в неё собственный ключ API и идентификатор проекта.
Что делает Provena Agent Memory?
Сервер хранит контекст между сессиями ИИ-ассистентов и привязывает каждое утверждение к исходным доказательствам. Это позволяет точно знать, откуда взят факт и когда он изменился.
Что требуется для локального запуска Provena?
Понадобятся Python 3.11+, pipx и Docker Compose для развёртывания базы данных и сервисов. При первом запуске локальный контейнер Ollama скачает модели объёмом около 1.26 GB.