Ciao a tutti ragazzi di Coder Legion!
Oggi voglio condividere con voi un progetto open-source a cui ho lavorato ultimamente e che mi sta salvando un sacco di tempo. Si tratta di Neural Memory, un server MCP (Model Context Protocol) progettato per risolvere uno dei problemi più fastidiosi quando sviluppiamo assistiti da AI come Cline, Roo Code o Claude Desktop: la perdita di contesto tra una sessione e l'altra.
Di cosa si tratta?
In sintesi, Neural Memory è un sistema di memorizzazione e recupero contestuale della conoscenza. Permette al vostro AI Assistant di salvare – in modo strutturato – snippet di codice, regole architetturali, errori risolti e best practices, per poi richiamarli automaticamente quando servono in task futuri. L'AI letteralmente "impara" dai progetti su cui lavorate.
Le novità della v2.0
Ho da poco rilasciato la versione 2.0, che fa fare un salto di qualità enorme al tool. Ecco cosa ho implementato:
- Database Unificato (SQLite): Niente più file di database sparsi per ogni singola cartella di progetto! Tutta la "memoria" dell'AI ora risiede in un unico database globale SQLite. È velocissimo e non richiede zero configurazioni.
- Session & Context Management: Ora è possibile istruire l'AI a iniziare, sospendere e riprendere sessioni di lavoro. Il sistema tiene traccia della durata, salva snapshot del contesto corrente e fa un recap di dove eravate rimasti.
- Skills Framework: Ho creato uno schema dati "rigido" per registrare le abilità. L'AI impara come avete strutturato (ad esempio) un'API in Fastify, si salva i learn steps, i file pattern e gli use cases, e vi ripropone quella struttura esatta ai progetti futuri.
- Confidence Scoring Avanzato: Quando l'AI interroga la propria memoria, i risultati vengono filtrati con uno score (0.0 - 1.0) calcolato tramite BM25 (full-text search), match di keyword, freschezza dell'informazione (recency) e priorità (un errore risolto o una skill pesano di più di un task generico).
- Report Visuali: Potete far generare all'AI dei report in HTML o JSON per visualizzare statistiche, skill più utilizzate e il vostro storico di sviluppo.
Come provarlo subito
Se utilizzate Cline (o tool analoghi che supportano l'MCP), potete testarlo al volo senza dover clonare nulla. Vi basta aggiungere questa configurazione al vostro file cline_mcp_settings.json:
{
"mcpServers": {
"neural-memory": {
"timeout": 120,
"type": "stdio",
"command": "npx",
"args":[
"-y",
"@drakonkat/neural-memory@latest"
]
}
}
}
Link e Supporto
Trovate tutta la documentazione, la lista completa dei tool esposti dall'MCP e le istruzioni per l'installazione / sviluppo locale sulla repo:
GitHub: drakonkat/neural-memory
Sarei felicissimo di ricevere i vostri feedback, suggerimenti per nuove feature o magari qualche PR! Se il progetto vi torna utile, una ⭐ su GitHub è super apprezzata!
Voi come state gestendo il "knowledge management" nei vostri workflow assistiti dall'AI? Usate già dei server MCP per salvare il contesto? Fatemi sapere nei commenti!