In-Memoria
In-Memoria — MCP-сервер сообщества (автор — pi22by7). Накопительная память и изучение паттернов для ассистентов программирования. Ставится через npx. Лицензия MIT.
Опубликовано 13.11.2026 · Обновлено 14.11.2026 · Проверено 13.11.2026
Кратко о сервере
- Разработчик
- pi22by7
- Лицензия
- MIT
- Транспорт
- stdio
- Авторизация
- none
- ОС
- linux, macos, windows
- Языки
- rust
Уровень риска: medium
Читает и анализирует код проекта, хранит результаты в локальной базе.
Настройка клиентов
{
"code": "{\n \"servers\": {\n \"in-memoria\": {\n \"command\": \"npx\",\n \"args\": [\"in-memoria\", \"server\"]\n }\n }\n}",
"file": ".vscode/mcp.json",
"lang": "json",
"notes": "Только режим Agent",
"verified": "docs"
}
Что умеет
In Memoria — MCP-сервер, который даёт ИИ-ассистентам для программирования память между сессиями. Обычно каждая сессия начинается с нуля: вы заново объясняете архитектуру, соглашения об именах и стиль, а ассистент снова анализирует код. In Memoria изучает ваш реальный код и сохраняет знания о шаблонах, архитектуре, соглашениях и решениях, а ассистент запрашивает их по Model Context Protocol.
Возможности по README:
- Изучение шаблонов — соглашения об именах, архитектурные решения, структурные предпочтения.
- Мгновенный контекст проекта — стек, точки входа и архитектура менее чем в 200 токенах без повторного анализа.
- Маршрутизация по файлам — расплывчатый запрос вроде «добавь сброс пароля» направляется к нужным файлам.
- Семантический поиск — поиск кода по смыслу, по ключевым словам или по шаблонам.
- Рабочая память — текущие задачи и архитектурные решения между сессиями.
- Прогноз подхода — как вы решили бы похожую задачу, исходя из истории.
Тринадцать инструментов в четырёх группах: анализ (analyze_codebase, search_codebase), интеллект (learn_codebase_intelligence, get_project_blueprint, get_semantic_insights, get_pattern_recommendations, predict_coding_approach, get_developer_profile, contribute_insights), автоматизация (auto_learn_if_needed) и мониторинг (get_system_status, get_intelligence_metrics, get_performance_status).
Ядро на Rust разбирает код через Tree-sitter для 12 языков, включая TypeScript, Python, Go, Java, C/C++, C# и SQL. Всё хранится локально: SQLite для шаблонов и метаданных, SurrealDB для векторов, эмбеддинги считаются локально через transformers.js.
Кому подойдёт
- Разработчикам, уставшим каждый раз объяснять ассистенту устройство проекта.
- Командам с крупной кодовой базой, где важно следовать принятым шаблонам.
- Пользователям GitHub Copilot: в репозитории есть инструкции и три готовых пользовательских агента.
Похожие серверы — в категории знания и память.
Установка
Глобально: npm install -g in-memoria, или без установки через npx in-memoria --help. Сначала изучите проект командой npx in-memoria learn ./my-project, затем запустите сервер npx in-memoria server. Изучение может запустить и сам агент через auto_learn_if_needed.
Подключение к клиентам
Конфиги приведены дословно из README. Подробнее — в инструкции как подключить MCP.
{
"mcpServers": {
"in-memoria": {
"command": "npx",
"args": ["in-memoria", "server"]
}
}
}Для Claude Desktop на macOS файл — ~/Library/Application Support/Claude/claude_desktop_config.json. Для VS Code создайте .vscode/mcp.json в рабочей папке и нажмите «Start». Нужны VS Code 1.106+ и Copilot Chat; инструменты MCP вызываются только в режиме Agent.
Проверка
Попросите ассистента вызвать get_project_blueprint и рассказать о стеке и точках входа проекта.
Примеры задач
Добавь сброс пароля, следуя шаблонам, которые уже есть в проекте.Где у нас лежит код авторизации и какие соглашения в нём приняты?Риски
- Чтение кода. Сервер анализирует файлы проекта и хранит выводы о них.
- Локальное хранилище. База шаблонов и векторов хранится на вашей машине; README подчёркивает, что всё остаётся локально.
- Записанные решения. Ассистент может сохранять архитектурные решения через
contribute_insights— проверяйте, что он записал.
Частые вопросы
Отправляет ли In Memoria код в облако?
Нет, по README всё хранится локально, эмбеддинги считаются на вашей машине.
Какие языки поддерживаются?
Двенадцать: TypeScript, JavaScript, Python, PHP, Rust, Go, Java, C/C++, C#, Svelte и SQL.
Почему Copilot не вызывает инструменты?
Copilot вызывает MCP-инструменты только в режиме Agent, а не в Ask или Edit.
Основы протокола — на странице что такое MCP-сервер.
Похожие MCP-серверы
Memory
Эталонный сервер постоянной памяти на основе графа знаний.
Context7
Context7 даёт агентам актуальную документацию и примеры кода библиотек нужных версий.
hindsight
Долговременная память для ИИ-агентов по образцу человеческой.
cognee-mcp
Менеджер памяти cognee для ИИ-приложений на графовых и векторных хранилищах.