MCP.Market

Aifp MCP server

by wjabanjj·io.github.wjabanjj/aifp-mcp·v1.5.8·3 stars
No reviews yet

Persistent memory MCP server for AI coding assistants. Chinese-first and fully local.

C60/100grade C
Write a reviewInstall
What users say
No reviews yet
Be the first
Safety scan
C60/100

full report

Adoption
Growing

3 stars239 downloads/wk

Reviews

Write one

Nobody has reviewed Aifp yet.

If you have run it, two minutes of your experience saves the next person an afternoon.

Aifp tools (33, 2 write)

write = sends, deletes, buys or posts

Read from the package source without running it. The installed server may list more.

  • batch_deletewrite action

    批量删除记忆（软删除，可恢复）。需要清理不再需要的多条记忆时调用，比逐条删除高效。

  • batch_updatewrite action

    批量更新记忆的标签或重要性。需要统一调整多条记忆的分类或权重时调用。

  • consolidate_memories

    手动触发记忆巩固：根据使用频率和重要性自动晋升记忆层级（episodic → internalized → growth）。系统启动时也会自动运行，通常无需手动调用；需要立即巩固时可用。

  • deduplicate_memories

    按内容前 80 字分组去重，保留 salience 最高的。当记忆库出现重复时调用。

  • derive_memories

    从对话中识别并保存长期记忆。本地运行（需配置 COGNITION_LLM_API_KEY 或 ANTHROPIC_API_KEY）。

  • diffuse_memories

    记忆扩散搜索——从一组记忆出发，沿关联关系向外多跳扩散，发现间接相关的知识。需要连接服务器进行加权扩散（按 relation_type 区分权重）；本地模式不可用。

  • explain_query

    解释检索结果路径分解：展示每条记忆来自哪些路径（FTS/向量/实体/时间/关键词）以及分数构成。当需要理解"为什么这条记忆被检索到"、排查检索质量时调用。

  • export_memories

    导出记忆为 JSON，支持按类型/层级筛选。需要备份、迁移或分析记忆数据时调用。

  • export_memories_md

    把记忆导出为 Markdown 笔记（带 frontmatter），写入指定目录——配合 Obsidian 等笔记软件使用，在 Obsidian 里能看到全部记忆。当用户想把记忆同步到 Obsidian vault 时调用。本地可用。

  • find_perception_path

    查找两个记忆节点之间的最短因果路径（双向 BFS）。需要连接服务器进行深度搜索；本地模式不可用。

  • flush_recognizer

    手动触发 Recognizer 立即处理待识别队列。通常由后台调度器自动运行，但需要立即落库时可用此工具。

  • get_confidence_stats

    查看置信度分布统计：展示当前记忆库中各置信度层级（0.3/0.5/0.7/0.9）的数量分布。当需要评估记忆库整体可信度时调用。

  • get_memory

    按 ID 获取单条记忆的完整详情（内容、类型、标签、置信度等）。当已通过 search_memories 或 recall_context 拿到记忆 ID，需要查看该条记忆的完整信息时调用。

  • get_memory_tree

    获取记忆的层级树结构（按 parent_id 组织的父子关系）。当需要理解记忆之间的从属/包含关系时调用。

  • get_perception_graph_stats

    获取因果图统计信息——节点数、边数、关系类型分布、中心节点。需要连接服务器；本地模式不可用。

  • get_related_memories

    获取与指定记忆关联的其他记忆（Hebbian 共现关联），即"一起出现"的记忆。当需要围绕一条记忆展开关联信息、发现间接主题时调用。本地模式可用（基于本地共现矩阵）；连接服务器后计算更完整。

  • get_stats

    获取记忆感知系统统计信息（记忆总数、类型分布、层级分布等）。当需要了解系统整体状态、记忆库规模时调用。

  • get_top_experiences

    获取按衰减分数排序的 Top N 经验教训。当需要提取记忆库中最重要/最常被引用的经验时调用。

  • get_user_profile

    获取用户画像——聚合记忆中关于用户本人的偏好、事实、习惯类信息。当需要了解用户的完整背景（喜欢什么、不喜欢什么、身份事实、习惯）时调用，比 search_memories 更全面；AI 建议/结论类记忆不会混入画像。本地可用。

  • list_memories

    分页列出记忆库中的记忆，按重要性倒序。当需要浏览记忆库全貌、盘点已记住的内容、或按类型/层级筛选查看时调用。

  • merge_memories

    合并重复记忆：将多条内容重复/相似的记忆合并到一条目标记忆。当检索结果中发现明显重复的记忆时调用，减少冗余。

  • observe_turn

    记录对话内容到记忆识别队列。当本轮对话中用户透露了可能值得记住的偏好、事实、决策时，可调用此工具让系统自动判断是否值得入记忆。轻量快速（<5ms），仅入队不阻塞。

  • recall_context

    一键回忆（比 search_memories 更全面）：当需要全面了解某个主题的来龙去脉时调用此工具。本地模式：仅 FTS5 全文 + 向量语义基础检索（不含感知链/关联/扩散）。连接服务器后：额外叠加感知链深度溯源（backward depth=8）+ Hebbian 关联 + 多跳扩散。返回结果含 source 字段。

  • reimport_sources

    导入记忆来源：扫描指定目录（如 Obsidian vault 路径）或 COGNITION_SOURCES 配置的目录，把 .md/.json 等文件导入记忆库（frontmatter 自动剥离）。内容哈希去重不重复。用户新增了笔记后调用此工具同步。

  • rotate_observation_logs

    清理 7 天前的观察日志文件。定期维护用，一般由系统自动处理，无需手动调用。

  • save_memory

    保存一条记忆。当用户明确告知关于他自己的新信息（偏好、事实、经历、观点、项目决策等），且你觉得值得长期记住时，调用此工具。内容会自动建立全文索引和向量索引，后续搜索可命中。

  • scan_memory_patterns

    扫描近期记忆模式：按类型/标签聚类分析，了解当前记忆库的内容分布和趋势。当需要总结用户近期关注点、记忆主题变化时调用。

  • scan_observation_patterns

    扫描最近 N 小时的观察日志，返回高频错误模式。当需要从操作日志中提取失败规律时调用。

  • search_memories

    搜索记忆库，查找与查询词相关的历史记忆。当用户提及之前讨论过的话题、项目、偏好、技术决策，或需要了解用户背景信息时，主动调用此工具。支持关键词 + 语义双路检索，适合大部分回忆场景。本地模式：FTS5 全文 + 向量语义 6 路检索。连接服务器后：额外启用 Z-score 融合排序 + 冲突证据补充（自动拉入矛盾记忆的另一端）。返回结果含 source 字段标识 "server" 或 "local"。

  • session_mine

    挖掘对话会话中的决策、踩坑、编辑循环，提炼经验。当需要从一段对话历史中提取可复用经验时调用。

  • share_memory

    设置记忆的共享状态（允许其他 Agent 访问）。多 Agent 协作场景下，需要把某条记忆共享给其他 Agent 时调用。

  • trace_perception_chain

    追踪记忆的感知链（BFS），查看"为什么"和"导致什么"。需要连接服务器（depth=8 双向 BFS）；本地模式不可用。返回结果含 depth 和 relation 字段。

  • validate_memory

    验证记忆内容质量（长度/瞬态/猜测三重门禁）。保存记忆前可调用它预检内容是否值得入记忆。

Public scan report

scanner v0.1.10 · 2026-11-03 · same rubric, same numbers if you re-run it

2 medium
  • Code scan36 source files scanned15/25
  • –Live reliabilityno gateway calls yet and no remote to proben/a
  • –Tool poisoningtools not inspected (local package is not executed); not countedn/a
  • Auth qualitystatic API keys via environment variables6/15
  • Maintenancelast push 76 days ago12/15
  • Maintainer identityregistry namespace matches repository owner6/10

Findings (2)

  • mediumnpm install lifecycle script presentinstall.script
  • mediumnpm install lifecycle script presentinstall.script
    package.json: …"tsc", "prepublishOnly": "tsc", "postinstall": "node scripts/postinstall.mjs", "bu…
Overall 60/100. Components that don't apply are left out of the denominator. Any critical finding is an F.RubricAppeal a findingJSON

How Aifp compares

Against every graded MCP server, from our own scans and uptime checks. Updated after each scan run.

Safety score
60/100
higher than 15% of 48,255 servers
Tools
33
the typical server has 7
Tools that change things
6%
typical: 0%. Fewer write tools means less an agent can break
GitHub stars
3
more than 80% of 28,688 servers
Downloads a week
239
more than 78% of 12,191 servers with a package

What its tools let an agent do: 28 read · 1 create · 3 change · 1 send or post

Install Aifp in Claude Code, Cursor or VS Code

Runs npx -y aifp-mcp on your machine. Read the scan report first; the gateway never runs local packages.

claude mcp add aifp-mcp -- npx -y aifp-mcp
Add to Cursor

What the publisher says

From the Aifp repository's README, as published. We do not edit it. Read it on GitHub

AiFP 记忆感知系统 — MCP Server

通过 Model Context Protocol 为 AI 编程助手提供持久记忆。

English · npm · GitHub

让 Obsidian、DeepSeek Harness、Claude Code、Cursor、Codex 等一切支持 MCP 的 AI 工具拥有跨会话的持续记忆。完全本地运行，数据不出本机（默认 ~/.ai-cognition/）。

为什么选 AiFP — 一套记忆，所有 AI 共享

你受够了 AI 的"健忘"吗？

  • 聊了一上午，它忘了项目名——存了，但用不上
  • 你说"拍森"，它只认 Python——说错一个字就搜不到
  • 昨天说 Docker 连不上，今天说 MySQL 连不上，它不知道是同一件事——相关的记不住
  • DeepSeek Harness 学会的，Claude Code 不知道——每个 AI 都是记忆孤岛

多数 AI 记忆系统只是存——存是存了，但用不上。AiFP 是让 AI 真正记住、想通、共享，把上面这些毛病一次解决。

先讲别人做不到的（共享）：

一套记忆，所有 AI 共用。 今天 DeepSeek Harness 学会的，明天 Claude Code 还记得；Codex 攒的偏好，VS Code Copilot 不用重新问。别的记忆系统做不到——因为它们每个各记各的，互不相通。AiFP 让同电脑上所有 AI 工具共用一个大脑，记一份，处处用。

再讲它为什么好用（能力）：

  • 会掂量着记——不是每句话都存。聊的东西先进"待定区"，由识别器判断这条值不值得长期记住：值得才正式记下，不值得就跳过。不会一股脑全存，也不会错漏重要的。
  • 能听懂人话——你说"拍森"，它知道是 Python；你说"上个月"，它知道是哪个月。说错字、口语、时间词都能理解。
  • 能看出关联——昨天说"连不上数据库"，今天说"改了配置还不行"，它知道是同一件事的延续。还能顺着一条线索联想出相关的内容。
  • 记得清，用得上——一条记忆只留核心意思，不堆垃圾。用的时候只挑最相关的几条给你，又快又不乱。
  • 越用越懂你——你的偏好、习惯它会慢慢积累成"画像"，但它分得清"事实"和"建议"，不会把你的想法和它自己的混在一起。
  • 该忘的就忘——太久没用的记忆会自然淡出，重要的记忆会越来越牢。记忆库永远干净，不会变成堆不动的垃圾场。

看这些名字，就知道它不简单——记忆被做成了大脑的结构：

天生为中文服务：认错字、懂口语、认时间词，全都是为中文设计的。英文为主的记忆系统，遇到"拍森找 Python"这种就抓瞎了。

默认完全私有：所有数据都存你本机，不上云、不注册、不偷偷上报。所谓"共享"只是多个工具读写同一份本地记忆——你的数据从没离开过这台电脑。

一条命令装好：npm install -g 自动帮你配好 12 个 AI 工具（Claude Code、Cursor、Windsurf、Cline、Gemini CLI、Qwen Code、Zed、VS Code Copilot、Codex CLI、Trae、DeepSeek Harness、pi-coding-agent）。

一个大脑，多个助手：今天 DeepSeek Harness 学到的，明天 Claude Code 还记得——像跟一个有记忆的同事说话，不用每次都重新自我介绍。

快速开始

npm install -g aifp-mcp
claude mcp add ai-cognition -s user -- npx aifp-mcp

重启 Claude Code 即可使用。数据存在 ~/.ai-cognition/data/cognition.db。

DeepSeek Harness (dsh) 自动接入

装完 aifp-mcp 后自动接入 dsh，无需手动执行任何 dsh 命令：

npm install -g aifp-mcp

安装时会自动检测 dsh 并写入配置（~/.dsh/cordis.patch.yml）。重启 dsh，记忆工具自动注册为 mcpaifp（如 mcpaifpsearchmemories、mcpaifpsavememory），无需手动改任何配置。

在任意 AI 对话中安装（推荐）

不需要手动配任何东西。在 Claude Code、Codex、Cursor、DeepSeek Harness 等任意工具里直接输入：

帮我安装记忆系统：npm install -g aifp-mcp

postinstall 钩子会自动检测并配置所有已安装的 AI 工具（Claude Code、Cursor、Windsurf、Cline、Gemini CLI、Qwen Code、Zed、VS Code Copilot、Codex CLI、Trae、DeepSeek Harness、pi-coding-agent），并打印状态报告。重启工具即可使用记忆工具——AI 看到报告后会告诉你重启哪个，无需手动改任何 MCP 配置文件。

首次启动：需要下载 ~30MB 的 bge-small-zh 嵌入模型，最多阻塞 45 秒。后续启动有缓存，秒开。

本地模式 vs 服务器增强模式

AiFP 支持两种运行模式（环境变量 COGNITION_MODE，默认 remote）：

本地模式完全私有（数据不出本机），但感知链工具需要连接服务器。服务器地址不随包分发，需通过官方接入渠道获取。

拿到 key 后，一条命令连上

接入地址和密钥通过官方渠道发放：联系作者（微信：zm8571806/QQ：8571806/邮箱：8571806@qq.com）订阅后发放，不随包公开。订阅到期可单独吊销，不影响其他用户。

# 1. 安装（如未安装）
npm install -g aifp-mcp

# 2. 一条命令连接服务器（地址和 key 由作者发放）
aifp-mcp --connect https://<官方地址> <你的64位key>

# 3. 重启你的 AI 工具（Claude Code / Cursor / dsh 等）
#    感知链 / 深度追踪 / 图扩散自动可用

# 断开（恢复纯本地）：
# aifp-mcp --disconnect

--connect 会把连接信息保存在本机 ~/.ai-cognition/server.json，之后启动自动生效，无需每次配置环境变量。

更简单：直接让你的 AI 配置

不需要手动敲命令。在 Claude Code / Cursor / Codex / dsh 等任何 AI 工具的输入框里说：

这是我的 aifp 服务器地址和 key，帮我配置：

地址：https://<官方地址>

key：<你的64位key>

AI 会自动执行 aifp-mcp --connect 并提示你重启工具。重启后感知链增强自动生效。

⚠️ key 会出现在对话记录中，介意的话配置完可在管理后台吊销重发（不影响使用）。

接入 Obsidian（笔记 ↔ 记忆双向）

Shortened. The full README is on GitHub.

Nothing above is checked by us. What we check is on the safety report.

Aifp: common questions

Is Aifp MCP server safe?
With care: it is graded C, so read the findings first (60/100). Read the Aifp safety report
How do I install Aifp?
It runs on your machine. Copy the Claude Code, Cursor, VS Code or Claude Desktop config from the install section.
Does Aifp need an API key?
Yes. The registry entry asks for COGNITION_LLM_API_KEY.
Is Aifp maintained?
The last commit was 77 days ago (2026-08-19). The latest release is v1.5.8.
What can I use instead of Aifp?
Servers from other publishers that do the same job: Deja Vu MCP server, Memorix MCP server and Nautilus Compass Memory MCP server.
How does Aifp compare with other MCP servers?
safety score 60/100 (higher than 15% of 48,255 servers); tools 33 (the typical server has 7); tools that change things 6% (typical: 0%. Fewer write tools means less an agent can break). Full comparison.

Alternatives to Aifp

Same job from other publishers: the closest match first, then the best rated.

  • Deja Vu
    deja-vu: local memory over the session histories of forty-three coding agents.
    A
  • Memorix
    Local-first project memory with legacy MCP and 2026 discovery compatibility.
    B
  • Nautilus Compass Memory
    Local-first long-term memory for AI agents, with byte-recomputable signed verification receipts.
    B
  • State Memory MCP
    Persistent workflow graph server tracking tasks, decisions, spatial entities, and blockers.
    A
  • Knowl
    Persistent memory for AI agents, for code, research and everyday life. Stale facts retire.
    A