Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

memento

Memento es un sistema de memoria compartida para herramientas de IA de desarrollo, que recopila conversaciones, planes y contexto entre múltiples IDEs como Claude Code, Cursor, Codex y Antigravity.

Ficha actualizada 23 sept 2026, 8:31 · upstream 23 sept 2026, 8:22 · release v1.0.36

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es memento

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

Memento es una plataforma de memoria compartida para desarrolladores que utiliza múltiples herramientas de IA como Claude Code, Cursor, Codex y Antigravity. Su arquitectura se basa en un servidor centralizado (FastAPI + PostgreSQL) que actúa como 'cerebro compartido', donde cada IDE se conecta mediante protocolos MCP (Model Context Protocol). El sistema permite sincronizar conversaciones, planes de trabajo, contextos de proyecto y observaciones entre dispositivos, eliminando la necesidad de mantener múltiples cuentas o copias de seguridad separadas.

La arquitectura incluye un componente de recolector (collector) que escanea archivos locales en tiempo real mediante watchdog, descriptores de seguridad para proteger credenciales sensibles, y un servicio de embeddings con BGE-M3 para búsquedas semánticas. Además, Memento implementa un conocimiento gráfico derivado automáticamente a partir de las conversaciones, permitiendo consultas cruzadas entre herramientas.

El sistema soporta autenticación multi-usuario con roles (owner, admin, viewer), permite la creación de invitaciones y el control granular de permisos por proyecto o herramienta. También incluye mecanismos de token rotación para los tokens de API de las herramientas integradas, así como un modo de registro abierto que genera enlaces públicos con estadísticas de tráfico.

En términos técnicos, Memento se construye sobre Python 3.12+ y FastAPI, utilizando PostgreSQL 16 con extensión pgvector para embeddings vectoriales, Redis para caché, MinIO para almacenamiento en la nube, y Celery para tareas asíncronas como el resumen diario. La infraestructura de despliegue es completamente autocontenida mediante Docker Compose, lo que facilita la implementación rápida tanto localmente como en entornos cloud.

CASOS DE USO
  • Recuperar contexto completo de un proyecto cuando se pierde acceso a una herramienta específica (ej: cerrar sesión en Cursor y recuperar el plan de trabajo en Claude Code)
  • Sincronizar conocimiento entre herramientas sin necesidad de reingresar al IDE original
  • Crear un repositorio personal de proyectos que funcione como base para múltiples IDEs con permisos granulares
  • Generar resúmenes diarios automáticos que se compartan entre equipos o usuarios del mismo proyecto
  • Acceder a conversaciones y observaciones de herramientas externas (GitHub, Slack) desde cualquier dispositivo sin depender de un solo IDE
  • Crear conocimiento compartido en equipo donde cada miembro puede consultar el contexto histórico de proyectos desde su herramienta preferida
PUNTOS DESTACADOS
  • Soporta múltiples herramientas de IA (Claude Code, Cursor, Codex, Antigravity) mediante protocolo MCP sin necesidad de instalar extensiones adicionales
  • Implementa un conocimiento gráfico auto-derivado que permite consultas cruzadas entre proyectos, herramientas y observaciones
  • Ofrece autenticación multi-usuario con roles definidos y permisos granulares por proyecto o herramienta
  • Incluye token rotación automática para los tokens de API de las herramientas integradas, mejorando la seguridad
  • Soporta modo de registro abierto que genera enlaces públicos con estadísticas de tráfico y visibilidad geolocalizada
PRECAUCIONES
  • Depende de un servidor centralizado; no funciona en entornos completamente aislados sin internet o sin acceso a internet para la conexión MCP
  • La sincronización entre herramientas puede ser limitada por el tiempo de latencia del protocolo MCP y la capacidad de red del usuario
  • El conocimiento gráfico se construye automáticamente, lo que puede generar información inexacta si las conversaciones no son claras o bien estructuradas
  • No incluye capacidades nativas de edición de código ni ejecución directa de comandos en el servidor
  • La sincronización entre dispositivos depende del estado local de cada IDE y puede fallar si una herramienta se desconecta sin notificación
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para desplegar Memento, se recomienda usar Docker Compose para un despliegue rápido. Se debe configurar un entorno de producción con PostgreSQL 16+ (con extensión pgvector), Redis 7+, MinIO para almacenamiento en la nube y el servicio FastAPI como backend principal. Es importante configurar correctamente los permisos de seguridad, especialmente para las credenciales sensibles que se almacenan localmente. Para entornos multi-usuario, se recomienda implementar un sistema de roles con autenticación segura (OAuth2 o JWT). El modo de registro abierto es útil en entornos internos pero requiere cuidado con la privacidad y el control del tráfico. Se debe verificar que los tokens MCP de las herramientas integradas tengan permisos adecuados para acceder a los recursos de memoria.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactFastAPIPython
SERVICIOS
PostgreSQLRedisS3/MinIO
BASES DE DATOS
PostgreSQLRedis
PUERTOS
80015433638090001800280028000
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.