Git-nativer MCP-Server für überprüfbaren Agentenspeicher und schnelle Abfrage
okf-agent-memory von Okf Memory ist ein MCP-Server, der persistente, prüfbare Erinnerungen für KI-Coding-Agenten bereitstellt. Das Tool kartiert Projektwissen in ein Git-basiertes Korpus und bietet programmatische Abruf- und Schreibendpunkte, sodass Agenten den Kontext von Aufgaben lesen und aufzeichnen können, ohne undurchsichtige Backends. Es speichert Erinnerungen als menschenlesbare Dateien im Repository und stellt eine Protokolloberfläche für MCP-Clients bereit. Es ist für KI-Entwickler und Ingenieurteams gedacht, die agentische Workflows aufbauen, die nachverfolgbare, repository-integrierte Projektgedächtnisse benötigen.
Für welche Aufgaben kann man es tatsächlich verwenden?
Das Tool implementiert das Open Knowledge Format v0.2, um ein Repository in ein selbstvalidierendes Wissenskapitel zu konvertieren, sodass agentische Prozesse strukturierte Notizen neben Quelldateien aufbewahren können. Dieses Design ersetzt RAG-Ansätze, die auf separaten Vektorspeichern basieren, indem es das Gedächtnis als lesbare Projektartefakte speichert, wodurch die Denkspuren eines Agenten prüfbar und mit den bestehenden Überprüfungs- und Verlaufstools des Projekts verwaltbar werden.
Wie genau sind die Abrufe im Vergleich zur manuellen Durchführung?
Das Tool führt einen im Speicher befindlichen BM25-lexikalischen Index aus, der mit unter 300 Mikrosekunden für die Bewertung von Titeln, Metadaten, Tags und Inhalten gemessen wird, was eine nahezu sofortige lokale Suche ohne Netzwerkverzögerung ermöglicht. Progressive Offenlegung liefert kompakte, aufgabenfokussierte Schnipsel, typischerweise um 300 Tokens, und das Projekt gibt an, dass selektive Abrufe den Kontextaufblähung bei Aufforderungen um bis zu 90 Prozent für Programmieraufgaben reduzieren können.
Welche Dateiformate und Speicheranordnung sind erforderlich?
Das System erwartet menschenlesbare Markdown-Dateien, die in einem Wissensverzeichnis innerhalb eines Git-Repositories abgelegt sind, und verwendet YAML-Metadaten, um Vertrauensstufen zu kennzeichnen, die menschlich verifizierte Einträge von Agentenentwürfen trennen. Da das Gedächtnis reiner Text unter Quellcodekontrolle ist, funktionieren Standard-Git-Befehle wie diff und blame zur Überprüfung und Rückgängigmachung von Gedächtnisänderungen, was dem gleichen Überprüfungsworkflow entspricht, der für Code verwendet wird.
Benötigt es externe Dienste oder spezielle Infrastruktur?
Die App wird als einzelnes, nullabhängiges Go-Binary mit Kaltstarts unter 4 Millisekunden geliefert und läuft auf macOS, Linux und Windows. Sie bietet MCP-Aktionen wie okf_search, okf_show und okf_create für kompatible Clients wie Claude Desktop und Cursor an. Suche und Abruf erfolgen lokal, ohne API-Aufrufe einzubetten, was der Entwickler als deterministisch und offline beschreibt und somit Laufzeit-LLM-Aufrufe für Suchen vermeidet.
Am besten für Ingenieurteams, die speicherbasierte Agenten mit Repository-Priorität akzeptieren
Die App eignet sich für KI-Entwickler und Ingenieurteams, die auditable, lokale Projektkontexte priorisieren und die Speicher in ihre Quellcode-Workflows integrieren können. Erwarten Sie Kompromisse, wenn Ihr Anwendungsfall von einbettungsbasierten semantischen Ähnlichkeiten anstelle von lexikalischer Rangordnung abhängt. Kombinieren Sie das Tool mit normalen Code-Überprüfungspraktiken, um die von Agenten generierten Entwürfe zu validieren und das Projektgedächtnis mit menschlich überprüftem Wissen in Einklang zu halten.
