Bietet eine private Memory-Layer für KI-Assistenten, die Informationen lokal auf deinem Computer speichert und wieder abruft.
Auch bekannt als ModelBrain/modelbrain-mcp, modelbrain-mcp
- Stars
- 0
- Tools
- —
- Downloads, 30 Tage
- —
- Neueste Version
- 0.1.5
- Letzter Commit
- 15. Nov. 2026
- Lizenz
- MIT
Was ist ModelBrain MCP?
Bietet eine private Memory-Layer für KI-Assistenten, die Informationen lokal auf deinem Computer speichert und wieder abruft.
Zusammenfassung generiert aus dem README des Projekts
Über ModelBrain MCP server
modelbrain-mcp ermöglicht es, KI-Assistenten eine private Memory-Layer zu geben, die auf deiner lokalen Maschine bleibt. Es fungiert als schlanker stdio-Client, der sich mit der ModelBrain Desktop-App verbindet, die bereits auf deinem Computer läuft. Dieses Setup erlaubt es verschiedenen Assistenten, eine einzige Memory-Quelle zu nutzen, während alle Daten lokal statt in der Cloud gespeichert werden.
Entwickler nutzen dieses Package, um MCP-Clients mit dem ModelBrain Daemon zu verbinden. Während Nutzer von Claude Desktop, Claude Code und Cursor die App direkt registrieren können, können andere Clients die Verbindung über npx herstellen. Wenn du Client-Tokens in den ModelBrain-Einstellungen aktivierst, musst du ein Token über die Umgebungsvariable MODELBRAIN_CLIENT_TOKEN bereitstellen. Der Server bietet Zugriff auf vierzehn spezifische Tools, darunter remember, recall, list_memories, expand, forget sowie verschiedene Partition-Tools zur Verwaltung deiner gespeicherten Informationen.
Was du damit machen kannst
- 1Vergangenen Kontext abrufenWeise eine KI an, zuvor gespeicherte Informationen aus deiner lokalen Memory-Layer nachzuschlagen.
- 2Memory-Inhalte verwaltenSage deinem Assistenten, dass er spezifische Informationen löschen oder sie in verschiedene Kategorien organisieren soll.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
So installierst du ModelBrain MCP
Formate geprüft am 10. Nov. 2026Zu Cursor hinzufügenZu Goose hinzufügenModelBrain MCP in Claude Code installieren
$ claude mcp add modelbrain-mcp -- npx -y modelbrain-mcpModelBrain MCP in Cursor installieren
~/.cursor/mcp.json
{
"mcpServers": {
"modelbrain-mcp": {
"command": "npx",
"args": [
"-y",
"modelbrain-mcp"
]
}
}
}ModelBrain MCP in VS Code installieren
.vscode/mcp.json
{
"servers": {
"modelbrain-mcp": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"modelbrain-mcp"
]
}
}
}ModelBrain MCP in VS Code CLI installieren
$ code --add-mcp '{"name":"modelbrain-mcp","type":"stdio","command":"npx","args":["-y","modelbrain-mcp"]}'ModelBrain MCP in Claude Desktop installieren
claude_desktop_config.json
{
"mcpServers": {
"modelbrain-mcp": {
"command": "npx",
"args": [
"-y",
"modelbrain-mcp"
]
}
}
}ModelBrain MCP in Codex installieren
$ codex mcp add modelbrain-mcp -- npx -y modelbrain-mcpModelBrain MCP in Codex config.toml installieren
~/.codex/config.toml
[mcp_servers.modelbrain-mcp] command = "npx" args = ["-y", "modelbrain-mcp"]
ModelBrain MCP in Gemini CLI installieren
$ gemini mcp add -s user modelbrain-mcp npx -- -y modelbrain-mcpModelBrain MCP in Gemini settings.json installieren
~/.gemini/settings.json
{
"mcpServers": {
"modelbrain-mcp": {
"command": "npx",
"args": [
"-y",
"modelbrain-mcp"
]
}
}
}Automatisierte Checks
Geluften am 14. Nov. 2026Vollständiger Bericht →Unsere automatisierten Checks bestanden. Das ist kein Security-Audit: Lies den Code und gib dem Server nur den minimal notwendigen Zugriff. Wie die Checks funktionieren
- Source Repository verknüpft und erreichbarmodelbrain/modelbrain-mcp is public and reachablegithub.com/modelbrain/modelbrain-mcp ↗Bestanden
- Paket nennt dieses Repository als Quellemodelbrain-mcp names modelbrain/modelbrain-mcp as sourcenpmjs.com/package/modelbrain-mcp ↗Bestanden
- Build-Provenienz (Sigstore-Attestierung)No build attestation published for this releaseNicht geprüft
- Open Source Lizenz (OSI)MITspdx.org/licenses/MIT.html ↗Bestanden
- Commit oder Release im letzten JahrLast commit or release 2026-11-11github.com/modelbrain/modelbrain-mcp ↗Bestanden
- OpenSSF ScorecardNicht geprüft
- Package-Name ähnelt keinem populären PackageNo popular package one edit away from modelbrain-mcpBestanden
- Keine kritischen Advisories im Paket oder seinen Abhängigkeitenthe package checked; no critical advisoryosv.dev ↗Bestanden
- Keine versteckten Anweisungen an das Modell0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersBestanden
- Destruktive Tools sind markiertNicht geprüft
- Remote-Endpoint beantwortet den MCP-HandshakeHTTPS endpoint answered 401 (sign-in required)Bestanden
README
Auf GitHub ansehenmodelbrain-mcp
A thin MCP stdio client for ModelBrain: the private memory layer for AI assistants: one memory for every assistant you use, kept on your own computer.
This package does not install or bundle ModelBrain. It connects to the ModelBrain desktop app already running on your machine.
If ModelBrain is not installed
The launcher still starts and answers the MCP handshake, so your client shows the server and its tools instead of a start-up failure. Every tool call then returns one plain result: ModelBrain is not installed, and where to get it. Nothing is stored or recalled in this state. The same message is printed to standard error.
The tool list it shows comes from bin/tools.json, a copy of what the real server reports. Maintainers refresh it with npm run snapshot-tools on a machine that has ModelBrain installed.
To get the old behaviour, where the launcher exits with status 1 when the app is missing, pass --require-app or set MODELBRAIN_MCP_REQUIRE_APP=1.
Why a separate package
ModelBrain's own installed app already ships a binary, mcp_server, that speaks MCP over stdio and talks to the local ModelBrain daemon. This package finds that binary on the current machine and runs it. It exists so ModelBrain can be registered with the MCP Registry and the directories that list from it, with a reviewable package as the distribution target, while the actual engine stays out of this repository.
Requirements
- macOS (Apple Silicon), Windows (x64 or arm64) or Linux (x86_64 or aarch64, glibc 2.28 or newer)
- ModelBrain installed
Use
In ModelBrain's Allow or Block prompt this client shows up as your assistant's name with node as the program (mcp_server.exe on Windows). If you turn on Require client tokens in ModelBrain, mint a token for your assistant with modelbrain_admin setup tokens --mint NAME and put it in your client's env block as MODELBRAIN_CLIENT_TOKEN; the launcher passes it through.
Most MCP clients run a server with npx. Point your client's MCP config at:
{
"mcpServers": {
"modelbrain": {
"command": "npx",
"args": ["-y", "modelbrain-mcp"]
}
}
}
Claude Desktop, Claude Code and Cursor users do not need this: ModelBrain's own app registers itself with those clients directly. See modelbrain.net/docs for the full tool surface (14 tools: remember, recall, list_memories, expand, forget, six partition tools, diagnostics, usage, ping) and the connect guides for other clients.
License
MIT, for this wrapper package. ModelBrain itself is separate, proprietary software; see modelbrain.net for its own terms.
Security
See SECURITY.md.
ModelBrain MCP Fragen
Wie füge ich ModelBrain MCP zu Claude Code hinzu?
Führe claude mcp add modelbrain-mcp -- npx -y modelbrain-mcp in deinem Terminal aus. Füge --scope user hinzu, damit der Server in jedem Projekt verfügbar ist.
Wie füge ich ModelBrain MCP zu Cursor hinzu?
Öffne ~/.cursor/mcp.json und füge den Server unter mcpServers hinzu, mit der Cursor-Config aus dem Installationsabschnitt oben.
Muss ich etwas extra installieren, wenn ich Claude Desktop oder Cursor nutze?
Nein, die eigene App von ModelBrain registriert sich direkt bei Claude Desktop, Claude Code und Cursor.
Was passiert, wenn ich den Server ohne installierte ModelBrain-App starte?
Der Launcher startet und zeigt die Tools an, aber jeder Tool-Aufruf wird eine Meldung zurückgeben, dass ModelBrain nicht installiert ist.
Wie kann ich die Verbindung mit Client-Tokens absichern?
Du kannst ein Token mit dem modelbrain_admin Tool erstellen und es in den Environment Block deines Clients als MODELBRAIN_CLIENT_TOKEN einfügen.