Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

engraphy

Servidor MCP para memoria asociativa de agentes IA basado en grafo tipificado en PostgreSQL con pgvector. Implementa deduplicación inteligente, recuperación híbrida y aislamiento por seguridad a nivel de fila bajo licencia BSL 1.1.

Ficha actualizada 27 sept 2026, 11:04 · upstream 27 sept 2026, 10:59 · release v0.3.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es engraphy

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Engraphy es un servidor MCP que otorga memoria asociativa a agentes de IA, modelada sobre un grafo de conocimiento tipificado en PostgreSQL y pgvector. A diferencia de los almacenes planos JSON, este sistema gestiona la evolución de la memoria mediante nodos y aristas tipificados, permitiendo relaciones complejas entre hechos, decisiones y entidades sin sobrescribir datos históricos.

La arquitectura prioriza la integridad y el aislamiento: las escrituras deduplican automáticamente contra la memoria existente mediante embeddings y análisis léxico, mientras que la lectura se protege con seguridad a nivel de fila (RLS) en la base de datos para garantizar privacidad entre usuarios y espacios. El sistema fusiona búsqueda semántica y léxica para una recuperación robusta.

Es auto-alojable bajo licencia BSL 1.1, lo que permite su uso en producción propia pero restringe ofrecerlo como servicio alojado a terceros hasta el cambio de licencia en 2030. El despliegue estándar utiliza Docker Compose con un modelo de embeddings incluido y scripts para la configuración inicial segura.

CASOS DE USO
  • Gestión de memoria a largo plazo para agentes autónomos que requieren contexto histórico
  • Sistema de conocimiento compartido en entornos multiusuario con aislamiento estricto
  • Integración como capa de memoria para herramientas compatibles con el protocolo MCP
  • Auditoría e historial inmutable de interacciones y decisiones tomadas por la IA
PUNTOS DESTACADOS
  • Grafo tipificado en Postgres + pgvector para relaciones semánticas y estructurales
  • Deduplicación automática basada en embeddings y texto (merge vs new)
  • Aislamiento estricto mediante Row-Level Security (RLS) de PostgreSQL
  • Recuperación híbrida combinando búsqueda vectorial y léxica
PRECAUCIONES
  • Licencia BSL 1.1 restringe el uso comercial como servicio alojado por terceros hasta 2030
  • Dependencia de PostgreSQL 16 con pgvector instalado en la imagen o localmente
  • Modelo de embedding incluido requiere descarga inicial y caché en disco
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Despliegue recomendado vía Docker Compose. Configurar variables de entorno para contraseñas (POSTGRES_PASSWORD, ENGRAPHY_APP_ROLE_PASSWORD). Ejecutar docker compose up -d seguido de provision.sh para crear espacio y token. Puerto 8000 por defecto. Requiere proxy inverso TLS para exposición pública. El modelo nomic-embed-text-v1.5 se descarga en primer arranque.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsRustPython
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
80005432
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.