Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

synaptomind

Memoria persistente local para agentes de IA basada en Bun y SQLite. Soporta MCP/HTTP API, búsqueda vectorial local y graph storage nativo. Ideal para Claude Desktop, Cursor y OpenCode con licencia MIT.

Ficha actualizada 25 sept 2026, 12:57 · upstream 25 sept 2026, 12:37 · release v0.7.2

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es synaptomind

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

SynaptoMind es una memoria persistente local diseñada específicamente para agentes de inteligencia artificial que requieren contexto a largo plazo. Funciona como backend centralizado que permite a los agentes recordar decisiones de arquitectura, causas raíz de errores y tareas pendientes entre sesiones de trabajo.

El sistema utiliza Bun como runtime principal, ejecutando el servidor HTTP en puerto 3005 y el endpoint MCP en 3006. El almacenamiento se basa en SQLite con extensiones vec0 para búsqueda vectorial y FTS5 para texto completo, eliminando la necesidad de bases de datos externas o APIs de embeddings.

Las características distintivas incluyen storage nativo basado en grafos, notas inteligentes que aparecen automáticamente según el contexto, y un sistema Frontier que prioriza acciones basándose en la relevancia del graph. Todo funciona localmente sin exponer datos ni requerir claves API externas.

CASOS DE USO
  • Memoria persistente para agentes de codificación que recuerden decisiones de arquitectura entre sesiones
  • Gestión de proyectos como grafos conectados en lugar de notas dispersas
  • Captura y recuperación semántica de ideas mediante búsqueda vectorial local
  • Backend MCP compatible con múltiples clientes (Claude, Cursor, OpenCode)
  • Inyección de contexto automático para agentes con slots y primer compacto
PUNTOS DESTACADOS
  • Arquitectura local-first sin dependencias externas ni API keys
  • Storage nativo basado en grafos con SQLite + vec0 + FTS5
  • Licencia MIT permisiva para uso comercial y auto-hospitado
  • Embeddings locales usando Xenova/multilingual-e5-small
  • Sistema Frontier que prioriza acciones según relevancia del graph
  • Soporte MCP con transporte HTTP y stdio
PRECAUCIONES
  • Requiere configuración manual de tokens SYNAPTOMIND_SECRET para autenticación
  • Dependencia exclusiva del runtime Bun (no compatible con Node.js puro)
  • SQLite puede convertirse en bottleneck en escalas masivas de datos
  • Embeddings locales consumen recursos significativos en memoria y CPU
  • Falla por defecto sin autenticación configurada (seguro pero restrictivo)
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

SynaptoMind
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para producción: usar Docker con SYNAPTOMIND_IMAGE=ghcr.io/zumik3-del/synaptomind:latest. Montar volumes ./data y ./config.json. Configurar SYNAPTOMIND_SECRET obligatorio en .env. Ajustar permisos de uid/gid 10001 para rutas montadas. Para desarrollo local: instalar con curl -fsSL https://raw.githubusercontent.com/zumik3-del/synaptomind/main/scripts/install.sh | bash. Usar SYNAPTOMIND_ALLOW_INSECURE=true solo en entornos de confianza.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
30053006
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.