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

vscode
{
    "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.

Риск: high Лицензия: NOASSERTION ★ 92 089

Context7

Context7 даёт агентам актуальную документацию и примеры кода библиотек нужных версий.

Риск: medium Лицензия: MIT ★ 65 087

hindsight

Долговременная память для ИИ-агентов по образцу человеческой.

Риск: medium Лицензия: MIT ★ 61 836

cognee-mcp

Менеджер памяти cognee для ИИ-приложений на графовых и векторных хранилищах.

Риск: high Лицензия: Apache-2.0 ★ 33 236

Источники