Turbo Quant Memory — MCP-сервер для Claude Code: память агента
Локальное хранилище решений и заметок для кодинг-агента: поиск отдаёт короткие карточки, а не целые документы. Данные не покидают машину.
claude mcp add --env TQMEMORY_FTS_LANGUAGE=<TQMEMORY_FTS_LANGUAGE> --env TQMEMORY_EMBEDDING_BACKEND=<TQMEMORY_EMBEDDING_BACKEND> --env TQMEMORY_MIGRATE_ON_STARTUP=<TQMEMORY_MIGRATE_ON_STARTUP> --env TQMEMORY_SECRETS_PASSPHRASE=<TQMEMORY_SECRETS_PASSPHRASE> --transport stdio turbo-quant-memory -- uvx turbo-quant-memoryЧто делает Turbo Quant Memory
Сервер даёт агенту постоянную память, куда он сам пишет по ходу работы: решения, выводы, паттерны, передачу сессии. Плюс компактный индекс ваших Markdown-файлов. Поиск возвращает карточки примерно на 220 знаков, полный текст агент подгружает только тогда, когда карточки не хватило. Так он перестаёт заново перечитывать те же файлы и повторно выводить уже сделанные выводы.
Поиск гибридный: BM25 складывается с векторным поиском через RRF. Есть граф знаний с жизненным циклом и проверкой. Кириллица ищется по точному совпадению сразу, без настройки. Внутри 24 инструмента MCP, а server_info() показывает накопленную экономию токенов — цифры можно посмотреть самому, а не верить на слово.
Нужен Python 3.11 или новее. При первом запуске fastembed скачивает модель эмбеддингов примерно на 0.22 ГБ с Hugging Face — без сети этот шаг не пройдёт, дальше сервер работает офлайн. HTTP-клиента и телеметрии в пакете нет. Если ставите из версии 0.27.x или раньше, учтите: дистрибутив переименовали в 0.28.0, поэтому uv tool upgrade turbo-memory-mcp больше не сработает — нужен uv tool install --force turbo-quant-memory.
Какие задачи решает
- сохранить решения сессии, чтобы после сжатия контекста они не пропали
- найти, что команда решила по конкретному вопросу и почему
- перестать заново читать одни и те же файлы в новой сессии
- держать заметки и код на своей машине, без отправки наружу
- искать по заметкам на кириллице без отдельной настройки
Примеры запросов агенту
- Проиндексируй этот проект и запиши в память, почему мы выбрали этот подход к кэшу
- Найди в памяти, что мы решали про схему миграций
- Покажи статистику экономии токенов через
server_info()
Как установить Turbo Quant Memory
Командой платформы
claude mcp add --env TQMEMORY_FTS_LANGUAGE=<TQMEMORY_FTS_LANGUAGE> --env TQMEMORY_EMBEDDING_BACKEND=<TQMEMORY_EMBEDDING_BACKEND> --env TQMEMORY_MIGRATE_ON_STARTUP=<TQMEMORY_MIGRATE_ON_STARTUP> --env TQMEMORY_SECRETS_PASSPHRASE=<TQMEMORY_SECRETS_PASSPHRASE> --transport stdio turbo-quant-memory -- uvx turbo-quant-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from turbo-quant-memory <команда>
Командой платформы
codex mcp add turbo-quant-memory --env TQMEMORY_FTS_LANGUAGE=<TQMEMORY_FTS_LANGUAGE> --env TQMEMORY_EMBEDDING_BACKEND=<TQMEMORY_EMBEDDING_BACKEND> --env TQMEMORY_MIGRATE_ON_STARTUP=<TQMEMORY_MIGRATE_ON_STARTUP> --env TQMEMORY_SECRETS_PASSPHRASE=<TQMEMORY_SECRETS_PASSPHRASE> -- uvx turbo-quant-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from turbo-quant-memory <команда>
Файл настроек
{
"mcpServers": {
"turbo-quant-memory": {
"command": "uvx",
"args": [
"turbo-quant-memory"
],
"env": {
"TQMEMORY_FTS_LANGUAGE": "<TQMEMORY_FTS_LANGUAGE>",
"TQMEMORY_EMBEDDING_BACKEND": "<TQMEMORY_EMBEDDING_BACKEND>",
"TQMEMORY_MIGRATE_ON_STARTUP": "<TQMEMORY_MIGRATE_ON_STARTUP>",
"TQMEMORY_SECRETS_PASSPHRASE": "<TQMEMORY_SECRETS_PASSPHRASE>"
}
}
}
}Вместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from turbo-quant-memory <команда>
Файл настроек
{
"servers": {
"turbo-quant-memory": {
"type": "stdio",
"command": "uvx",
"args": [
"turbo-quant-memory"
],
"env": {
"TQMEMORY_FTS_LANGUAGE": "<TQMEMORY_FTS_LANGUAGE>",
"TQMEMORY_EMBEDDING_BACKEND": "<TQMEMORY_EMBEDDING_BACKEND>",
"TQMEMORY_MIGRATE_ON_STARTUP": "<TQMEMORY_MIGRATE_ON_STARTUP>",
"TQMEMORY_SECRETS_PASSPHRASE": "<TQMEMORY_SECRETS_PASSPHRASE>"
}
}
}
}Вместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from turbo-quant-memory <команда>
Командой платформы
gemini mcp add -e TQMEMORY_FTS_LANGUAGE=<TQMEMORY_FTS_LANGUAGE> -e TQMEMORY_EMBEDDING_BACKEND=<TQMEMORY_EMBEDDING_BACKEND> -e TQMEMORY_MIGRATE_ON_STARTUP=<TQMEMORY_MIGRATE_ON_STARTUP> -e TQMEMORY_SECRETS_PASSPHRASE=<TQMEMORY_SECRETS_PASSPHRASE> turbo-quant-memory uvx turbo-quant-memoryВместо <…> подставьте свои значения. uvx запускает команду с именем пакета; если в README она другая — uvx --from turbo-quant-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 Turbo Quant Memory
Как установить Turbo Quant Memory в Claude Code?
Сначала поставьте пакет: uv tool install turbo-quant-memory. Затем зарегистрируйте сервер: claude mcp add turbo-quant-memory -e TQMEMORY_SECRETS_PASSPHRASE=<TQMEMORY_SECRETS_PASSPHRASE> -- uvx turbo-quant-memory.
Что делает Turbo Quant Memory?
Это MCP-сервер с локальной памятью и графом знаний для кодинг-агента. Он хранит решения, выводы и передачу сессий, а поиск отдаёт компактные карточки вместо целых документов.
Что нужно для работы сервера?
Python 3.11 или новее. При первом запуске fastembed скачивает модель эмбеддингов примерно на 0.22 ГБ с Hugging Face, после чего сервер работает офлайн.
