Agendum MCP server
✓ 인증됨AI agent에게 지속적인 프로젝트 메모리, 작업 추적 및 경계가 지정된 작업 패키지를 제공하여 세션 간 연속성을 유지합니다.
다른 이름 sralli/agendum
- 스타
- 6
- Tools
- 14
- 다운로드, 30일
- 103
- 최신 버전
- 0.3.4
- 마지막 커밋
- 2026년 4월 13일
- 라이선스
- MIT
Agendum MCP란?
AI agent에게 지속적인 프로젝트 메모리, 작업 추적 및 경계가 지정된 작업 패키지를 제공하여 세션 간 연속성을 유지합니다. 14개 도구를 제공합니다. 예: pm_init, pm_project, pm_status.
프로젝트 README에서 생성된 요약
Agendum MCP server 정보
Agendum은 복잡한 개발 주기 동안 AI 코딩 agent가 연속성을 유지할 수 있도록 지원합니다. 상태 비저장 방식의 agent가 결정 사항을 잊거나 세션 사이에 컨텍스트를 잃어버리는 것을 방지하는 지속적 메모리 및 스코핑 엔진을 제공합니다. 이 MCP server를 Claude Code, Cursor, Windsurf 또는 Cline과 같은 클라이언트와 함께 사용하면, 개발자는 agent를 단순히 무작위 파일을 수정하는 도구에서 특정 수락 기준과 제약 조건이 포함된 경계가 지정된 작업 패키지 내에서 작동하는 도구로 변환할 수 있습니다.
시스템은 의존성 그래프를 관리하여 작업 순서를 정하고, 작업이 완료됨에 따라 항목을 자동으로 해제합니다. Markdown 계획을 가져오는 pm_ingest, 다음 범위 지정된 작업을 가져오는 pm_next, 결정 사항과 패턴을 기록하는 pm_done 등 다양한 도구를 사용합니다. 모든 프로젝트 상태는 읽기 쉬운 Markdown 및 YAML 파일에 저장되므로, Git을 통해 메모리의 차이점을 확인하고 커밋할 수 있습니다. 또한 이 서버는 키워드 매칭, 벡터 검색 및 엔티티 그래프를 결합하여 관련 프로젝트 지식을 찾아내는 하이브리드 검색 기능을 갖추고 있습니다.
프로젝트의 README를 바탕으로 작성되었습니다. 모든 활용 사례는 해당 내용의 인용문과 대조하여 확인합니다.
Agendum MCP 설치 방법
형식 확인: 2026년 11월 10일Cursor에 추가Goose에 추가Claude Code에 Agendum MCP 설치
$ claude mcp add agendum -- uvx agendumCursor에 Agendum MCP 설치
~/.cursor/mcp.json
{
"mcpServers": {
"agendum": {
"command": "uvx",
"args": [
"agendum"
]
}
}
}VS Code에 Agendum MCP 설치
.vscode/mcp.json
{
"servers": {
"agendum": {
"type": "stdio",
"command": "uvx",
"args": [
"agendum"
]
}
}
}VS Code CLI에 Agendum MCP 설치
$ code --add-mcp '{"name":"agendum","type":"stdio","command":"uvx","args":["agendum"]}'Claude Desktop에 Agendum MCP 설치
claude_desktop_config.json
{
"mcpServers": {
"agendum": {
"command": "uvx",
"args": [
"agendum"
]
}
}
}Codex에 Agendum MCP 설치
$ codex mcp add agendum -- uvx agendumCodex config.toml에 Agendum MCP 설치
~/.codex/config.toml
[mcp_servers.agendum] command = "uvx" args = ["agendum"]
Gemini CLI에 Agendum MCP 설치
$ gemini mcp add -s user agendum uvx -- agendumGemini settings.json에 Agendum MCP 설치
~/.gemini/settings.json
{
"mcpServers": {
"agendum": {
"command": "uvx",
"args": [
"agendum"
]
}
}
}Agendum MCP 도구 14
README에서 감지됨pm_initpm_projectpm_statuspm_addpm_boardpm_ingestpm_nextpm_donepm_blockpm_memorypm_learnpm_search
| pm_init | — | |
| pm_project | — | |
| pm_status | — | |
| pm_add | — | |
| pm_board | — | |
| pm_ingest | — | |
| pm_next | — | |
| pm_done | — | |
| pm_block | — | |
| pm_memory | — | |
| pm_learn | — | |
| pm_search | — |
도구 14개 모두 보기도구 수 줄이기
pm_consolidatepm_supersede
| pm_consolidate | — | |
| pm_supersede | — |
자동 검사
2026년 11월 14일에 실행됨전체 보고서 →자동 검사를 통과했습니다. 이는 보안 감사가 아닙니다. 코드를 직접 읽고 서버에 필요한 최소한의 권한만 부여하십시오. 검사 방식
- 소스 저장소 연결 및 접근 가능sralli/agendum is public and reachablegithub.com/sralli/agendum ↗통과
- 패키지가 이 저장소를 소스로 명시agendum names sralli/agendum as sourcepypi.org/project/agendum/ ↗통과
- 빌드 출처(Sigstore 증명)No build attestation published for this release검사되지 않음
- 오픈 소스 라이선스 (OSI)MITspdx.org/licenses/MIT.html ↗통과
- 최근 1년 내 커밋 또는 릴리스Last commit or release 2026-04-13github.com/sralli/agendum ↗통과
- OpenSSF Scorecard검사되지 않음
- 패키지 이름이 인기 패키지와 유사하지 않음No popular package one edit away from agendum통과
- 패키지 및 해당 종속성에 중요한 보안 권고 없음40 resolved dependencies checked; no critical advisoryosv.dev ↗통과
- 모델에 대한 숨겨진 지침 없음14 tool descriptions and the README read; no override phrases, credential paths or hidden characters통과
- 파괴적인 도구에 라벨 표시됨No tool named like delete, drop or exec통과
- 원격 엔드포인트가 MCP 핸드셰이크에 응답검사되지 않음
README
GitHub에서 보기agendum
Project memory and scoping engine for AI coding agents.
AI coding agents are stateless — they forget between sessions, lose decisions, and have no way to scope complex work. agendum is an MCP server that gives any agent (Claude Code, Cursor, Windsurf, Cline, and others) persistent project state, bounded work packages, and cross-session continuity.
| Without agendum | With agendum |
|---|---|
| Agent forgets everything between sessions | Picks up exactly where it left off |
| No scope — agent modifies random files | Bounded work packages with file lists, acceptance criteria, constraints |
| Decisions lost — same mistakes repeated | Decisions and patterns persist in searchable memory |
| No task ordering — agent picks randomly | Dependency graph with auto-unblocking and priority scoring |
| Learning locked inside one project | Cross-project learnings carry patterns forward |
Quick Start
pip install agendum # or: uvx agendum
claude mcp add agendum -- uvx agendum --home serve # add to Claude Code
# Done. pm_* tools are now available in your agent.
Works with any MCP client — see setup for Cursor, Windsurf, VS Code, and others.
How It Works
flowchart LR
A["PLAN\nwrite plan file"] --> B["pm_ingest\nboard items + deps"]
B --> C["pm_next\nwork package + context"]
C --> D["EXECUTE\nagent implements"]
D --> E["pm_done\ndecisions + patterns"]
E -->|next task| C
E -->|new session| F["pm_status\nresume context"]
F --> C
Each pm_done records decisions and patterns that enrich future pm_next calls — context compounds across sessions.
Example session:
You: I have a plan file for the API rewrite. Ingest it.
Agent:
→ pm_ingest(project="api-rewrite", plan_file="plan.md")
Ingested 4 board items from plan:
item-001: Schema design [high]
item-002: Resolver layer (depends on item-001)
item-003: Auth middleware (depends on item-001)
item-004: Integration tests (depends on item-002, item-003)
You: What should I work on?
Agent:
→ pm_next(project="api-rewrite")
Work package for item-001 "Schema design":
Context: project rules, memory from last session
Scope: Define GraphQL schema types
Acceptance criteria: Types for User, Product, Order
You: Done with the schema. Here's what I decided...
Agent:
→ pm_done(project="api-rewrite", item_id="item-001",
decisions="Using code-first with Strawberry",
patterns="N+1 queries need DataLoader",
verified=True)
Marked item-001 as done. Unblocked: item-002, item-003
> Next: pm_next("api-rewrite") to continue with newly unblocked tasks
14 MCP Tools
Setup & Orientation
| Tool | Purpose |
|---|---|
pm_init |
Initialize board directory (optional — auto-initializes on first use) |
pm_project |
Create, list, or get projects |
pm_status |
Dashboard — item counts, recent progress, memory health, suggested next task |
Planning & Backlog
| Tool | Purpose |
|---|---|
pm_add |
Add an item with type, priority, tags, dependencies, acceptance criteria |
pm_board |
View and filter the project board |
pm_ingest |
Import a Markdown plan file into bounded board items with dependencies |
Execution Loop
| Tool | Purpose |
|---|---|
pm_next |
Get the next scoped work package with complexity signal and enriched context |
pm_done |
Complete an item — record decisions, patterns, learnings; auto-extract from git; auto-unblock dependents |
pm_block |
Report a task as blocked with reason |
Knowledge & Search
| Tool | Purpose |
|---|---|
pm_memory |
Read, write, append, or search project memory (decisions, patterns, project knowledge) |
pm_learn |
Record global or project-scoped learnings with tags and topic entities |
pm_search |
Hybrid search across all knowledge — memory, learnings, completed items |
pm_consolidate |
Clean memory corruption, deduplicate learnings, detect contradictions |
pm_supersede |
Soft-invalidate a learning — excluded from all future searches |
Hybrid Search
pm_search combines three signals to find relevant knowledge across memory, learnings, and completed board items:
- FTS5 with Porter stemming —
authmatchesauthentication,configmatchesconfiguration. Always on, zero config. - Vector search (optional) — Install
agendum[vectors]to add semantic similarity viafastembed+sqlite-vec. Activates automatically alongside FTS5. - Entity graph — Topics and tags form a knowledge graph. Entries sharing 2+ entities are linked automatically. Graph expansion surfaces related knowledge that keyword search misses.
All three signals are fused via Reciprocal Rank Fusion (RRF), then reranked by recency and access frequency. The index rebuilds from Markdown files — no data loss if it gets corrupted.
Key Capabilities
- Adaptive context budget — enrichment scales with task complexity: 4K chars for trivial tasks, up to 10K for large ones
- Verification gate —
pm_done(verified=True)distinguishes tested from untested completions - Git auto-extract —
pm_donereadsgit diffandgit logautomatically when no files are specified - Pluggable enrichment pipeline — four context sources injected into every work package: project rules (CLAUDE.md/AGENTS.md), memory, dependency context, learnings
- Dependency resolution — topological ordering with cycle detection; dependents unblock automatically when upstream tasks complete
- Memory health —
pm_statuswarns about corrupted entries;pm_consolidatestrips XML fragments, deduplicates, and flags contradictions - Zero config — auto-initializes on first tool call, derives board name from git remote
- Git-native storage — all state is human-readable Markdown + YAML in
.agendum/, diffable and committable
Installation
All MCP clients except VS Code use the same config. Add to the appropriate file:
{
"mcpServers": {
"agendum": {
"command": "uvx",
"args": ["agendum", "--home", "serve"]
}
}
}
| Client | Config location |
|---|---|
| Claude Code | Run: claude mcp add agendum -- uvx agendum --home serve |
| Cursor | .cursor/mcp.json in project root |
| Windsurf | ~/.codeium/windsurf/mcp_config.json |
| Cline | Settings › MCP Servers › Edit |
| Roo Code | MCP settings file |
| Claude Desktop | claude_desktop_config.json |
VS Code (GitHub Copilot): Uses
"servers"instead of"mcpServers". Add to.vscode/mcp.json:{ "servers": { "agendum": { "command": "uvx", "args": ["agendum", "--home", "serve"] } } }
CLI (standalone)
pip install agendum
agendum project create my-app # Create a project
agendum status # Dashboard overview
agendum next my-app # Suggest next task
Storage Layout
All state lives in ~/.agendum/ (or .agendum/ in your project if you prefer local storage):
~/.agendum/
├── .cache/
│ └── search.db # FTS5 + vector search index (auto-rebuilt)
├── config.yaml
├── projects/
│ └── webapp/
│ ├── project.yaml # Project metadata
│ ├── board/
│ │ ├── item-001.md # Markdown + YAML frontmatter
│ │ └── item-002.md
│ └── learnings/ # Project-scoped learnings
│ └── learning-001.md
├── learnings/ # Cross-project learnings
│ └── learning-001.md
└── memory/
├── decisions.md # Key decisions + rationale
└── patterns.md # Discovered conventions
Architecture
src/agendum/
├── server.py # MCP server wiring (FastMCP)
├── tools.py # 14 MCP tools
├── models.py # Pydantic models (BoardItem, WorkPackage, SearchResult)
├── task_graph.py # Dependency resolution + topological levels
├── config.py # Shared configuration
├── env_context.py # Git diff/log auto-extraction
├── cli.py # CLI interface
├── enrichment/
│ ├── pipeline.py # ContextEnricher, budget allocation
│ └── sources.py # ProjectRules, Memory, Dependency, Learnings sources
└── store/
├── board_store.py # BoardItem CRUD
├── board_format.py # Markdown <-> BoardItem serialization
├── project_store.py # Project metadata
├── memory_store.py # Scoped memory storage
├── learnings_store.py # Global and project-scoped learnings
├── search_index.py # FTS5 + vector + entity graph + RRF
├── embedding.py # Lazy fastembed wrapper (optional)
└── locking.py # get_lock() + atomic_write()
Development
git clone https://github.com/sralli/agendum.git
cd agendum
uv sync
uv run pytest tests/ -v # all tests
uv run ruff check . # lint
uv run ruff format --check . # format check
License
MIT
Agendum MCP 질문
Agendum MCP를 Claude Code에 추가하려면 어떻게 하나요?
터미널에서 claude mcp add agendum -- uvx agendum를 실행합니다. 모든 프로젝트에서 사용할 수 있게 하려면 --scope user를 추가합니다.
Agendum MCP를 Cursor에 추가하려면 어떻게 하나요?
~/.cursor/mcp.json를 열고 mcpServers 아래에 서버를 추가합니다. 위 설치 섹션에 표시된 Cursor 구성을 사용합니다.
Agendum MCP는 어떤 도구를 제공하나요?
14개 도구를 제공합니다. 예: pm_init, pm_project, pm_status, pm_add, pm_board.
Agendum이 AI agent의 어떤 문제를 해결하나요?
지속적인 프로젝트 상태, 경계가 지정된 작업 패키지 및 세션 간 연속성을 제공하여 AI 코딩 agent의 상태 비저장(stateless) 특성을 해결합니다.
Agendum은 작업 의존성을 어떻게 처리하나요?
위상 정렬 및 사이클 감지 기능이 있는 의존성 그래프를 사용하여, 의존 작업이 완료되면 다음 작업이 자동으로 해제되도록 합니다.
프로젝트 데이터는 어디에 저장되나요?
모든 상태는 .agendum/ 디렉토리 내의 읽기 쉬운 Markdown 및 YAML 파일에 저장되므로 Git을 통해 관리하고 차이점을 확인할 수 있습니다.
Agendum에서 시맨틱 검색을 사용할 수 있나요?
네, 선택 사항인 vector extension을 설치하면 fastembed와 sqlite-vec을 사용하여 시맨틱 유사도 검색을 추가할 수 있습니다.