cachly-dev/cachly-mcp

Генерирует файл CLAUDE.md / copilot-instructions.md, который делает любой AI самоуправляемым навсегда. Записывает конфигурационный файл на диск - перезапишет существующий файл по указанному пути. Аутентификация не требуется, достаточно валидного instance_id. Сгенерированный файл инструктирует Claude, Cursor, Copilot, Windsurf или Gemini автоматически вызывать session_start при открытии окна, learn_from_attempts после каждого исправления и session_end перед закрытием - без дополнительных запросов. Возвращает содержимое сгенерированного файла в виде строки и путь, куда он был записан. Используйте style="minimal" только для трёх хуков; style="full" для полного набора правил с примерами. Одна команда. Каждый AI. Всегда включён. Используйте setup_ai_memory, если хотите интерактивную одноразовую настройку, которая также создаёт instance.

Проверяет состояние вашего AI Brain и выдаёт действенные рекомендации. Отчёты: количество уроков, записи контекста, давность последнего сеанса, открытые сбои, оценка качества, эффективный прирост IQ, устаревший индекс. Возвращает приоритезированный список проблем с инструкциями по исправлению.

Извлекает уроки для Bootstrap brain из истории git. Автоматически анализирует сообщения коммитов и выводит уроки по исправлению/функции/рефакторингу. Отлично подходит для адаптации к существующей кодовой базе: запустите один раз, и мозг мгновенно узнает накопленные паттерны вашей команды. По умолчанию инкрементальный — обрабатывает только новые коммиты с момента последнего запуска, поэтому повторные вызовы выполняются быстро. Выводит обновления прогресса в stderr во время длительных сканирований.

ТОЛЬКО ЧТЕНИЕ - без побочных эффектов, без записи, без внешних сетевых вызовов. Predictive Pre-fetch Engine (PPE): учитывая ваш текущий контекст, читает CKG в вашем экземпляре Redis, чтобы предсказать вероятные сбои и вернуть исправления с наибольшей уверенностью. "Pre-load" означает, что результаты возвращаются inline - ничего не кэшируется и не сохраняется. Требуется действительный instance_id (ваш мозг Redis). Без ограничений по частоте. Вызывайте в начале сессии, когда работаете над конкретной функцией или областью отладки. Установите scope="org", чтобы расширить предсказание на всю вашу организацию - выявляет межкомандные риски ("сбой 3× в 2 других командах") из графа знаний организации (Org Knowledge Graph), так что инцидент в одной команде становится вакциной для вашей.

BM25+ полнотекстовый поиск по ВСЕМ данным мозга: уроки, записи контекста, история сессий, узлы CKG, элементы дорожной карты. В отличие от smart_recall (который фокусируется на уроках + контексте), brain_search охватывает более широкий круг. Используйте, когда smart_recall ничего не возвращает или когда вы хотите найти всё, что мозг знает о теме.

Получает значение из работающего экземпляра кэша по ключу. Возвращает сохранённое значение (строку или десериализованный JSON-объект) или null, если ключ не существует или истёк срок его действия. Только чтение - без побочных эффектов. Используйте cache_mget, когда нужно получить несколько ключей за один запрос. Используйте cache_exists, чтобы проверить существование без получения значения. Используйте semantic_search, когда нужен нечёткий/векторный поиск по сохранённым значениям.

Устанавливает пару ключ-значение в работающем экземпляре кэша. Перезаписывает любое существующее значение по ключу - неидемпотентно для новых данных. Возвращает "OK" при успехе; возвращает ошибку, если instance_id недействителен или экземпляр приостановлен. Значением может быть строка или объект, сериализованный в JSON. Опционально задайте TTL в секундах (не указывайте для бессрочного хранения). Вместо этого используйте cache_mset для установки нескольких ключей за один круговой обход конвейера. Для кэширования потоков токенов LLM (упорядоченных строковых фрагментов) используйте cache_stream_set.

Запускает любой из специализированных инструментов cachly по имени. Самые используемые инструменты перечислены отдельно выше. Этот добирается до остальных 98, чтобы их схемы не занимали место в каждом запросе. Когда: compact_recover (после достижения лимита контекста); brain_predict_failures (перед рискованным шагом, с шансами); brain_plan (спланировать задачу на основе прошлых уроков); brain_conflicts (уроки противоречат друг другу); memory_crystalize (сжать уроки). Не уверены в аргументах инструмента? Сначала вызовите его с describe:true - это возвращает входную схему инструмента вместо его запуска. Доступно: list_instances, create_instance, get_instance, get_connection_string, delete_instance, cache_delete, cache_exists, cache_ttl, cache_keys, cache_stats, detect_namespace, cache_warmup, cache_mset, cache_mget, cache_lock_acquire, cache_lock_release, get_api_status, recall_feedback, lesson_verified, session_start_summary, session_ping, auto_learn_session, brain_who_knows, brain_file_map, team_expertise_map, brain_collab_pairs, brain_portability, skill_gaps, brain_coverage, brain_metrics, brain_changelog, brain_service_map, sync_file_changes, team_confirm, team_assign_role, team_whoami, team_roster, team_audit, team_grant_scope, team_scopes, team_synthesize, memory_crystalize, team_crystallize, brain_hygiene, global_learn, global_recall, publish_lesson, import_public_brain, recall_at, trace_dependency, list_orgs, create_org, invite_member, get_org_plan, setup_ai_memory, cache_stream_set, cache_stream_get, cache_org_stats, set_cost_per_call, memory_consolidate, brain_diff, knowledge_decay, syndicate, syndicate_search, syndicate_stats, syndicate_trending, brain_marketplace, brain_install, ckg_inspect, brain_plan, brain_conflicts, brain_resolve_conflict, brain_confirm_ci, brain_briefing, brain_contribute_signal, brain_import_meta, madc_deliberate, cls_ingest, cls_install_hooks, fedbrain_contribute, fedbrain_search, fedbrain_confirm, fedbrain_status, brain_federate, crystal_view, compact_recover, brain_from_ci, brain_watch,…

Анализ первопричин через память: по описанию проблемы прослеживает причинно-следственную цепочку от корневой причины через промежуточные сбои к текущему симптому, затем выдает точное решение, которое сработало раньше. Только чтение — не изменяет никакие сохраненные данные. Требует предварительного обучения: brain должен содержать уроки, сохраненные через learn_from_attempts или brain_from_git. Возвращает упорядоченную цепочку концепций с оценками уверенности и подходящее решение; если причинно-следственная связь не найдена, возвращает пустую цепочку с сообщением. Пример: causal_trace(problem="auth breaks after restart") → "Root: k8s:namespace-terminating → keycloak:jwks-race → Solution: PollUntilContextTimeout 3min". Используйте recall_best_solution для прямого поиска по теме, syndicate_search для паттернов сообщества и causal_trace, когда есть симптом и нужна полная цепочка первопричин.

Удаляет одну или несколько кэшированных записей контекста. Используйте, когда контекст устарел или вы хотите принудительно запустить свежий анализ. Поддерживает glob-шаблоны: "file:*" удаляет все сводки файлов.

Индексирует локальные файлы исходного кода в семантический кеш cachly, чтобы AI-ассистенты могли с помощью semantic_search находить нужные файлы, а не перечитывать всю базу кода каждый раз. Рекурсивно обходит директорию, читает каждый подходящий файл и сохраняет краткое описание и путь как запись семантического кеша (prompt = путь к файлу + отрывок содержимого, value = относительный путь). Требуется провайдер эмбеддингов (OPENAI_API_KEY или CACHLY_EMBED_PROVIDER + ключ). Запускается один раз, затем повторно после крупных рефакторингов. TTL = 86400 (24 часа) поддерживает актуальность записей.

Сохраняйте урок ПОСЛЕ любой нетривиальной задачи (деплой, отладка, исправление, решение); будущие сессии вспомнят его. instance_id можно опустить; используется настроенный экземпляр: никогда не угадывайте его. Если тема уже существует, запись считается ОБНОВЛЕНИЕМ и ТРЕБУЕТ grund (одна строка: ПОЧЕМУ предыдущая версия была неверна). Без него обновление отклоняется. Конфликтующий результат вызывает предупреждение о противоречии. Пример: learn_from_attempts(topic="deploy:api", outcome="success", what_worked="PORT 3095 SERVES WHISPER — nohup docker compose up -d", severity="critical")

Выводит список всех кешированных записей контекста для этого проекта. Показывает, какие знания уже закешированы AI-ассистентом, чтобы вы могли решить — использовать существующий контекст или обновить его. Возвращает: ключ, категорию, размер, оставшееся время жизни (TTL) и превью содержимого.

Вспомни лучшее известное решение по теме из прошлых уроков. Вызови это ПЕРЕД выполнением любой задачи, которая могла уже выполняться ранее. Возвращает последний успешный урок по теме с индикатором уверенности. ⚠️ значок = уроку больше 5 дней (проверь перед применением). 🔴 = больше 10 дней (вероятно, устарел!). Воспоминание урока сбрасывает его таймер уверенности на 1.0 (помечает как недавно проверенный). Заменённый урок показывает баннер с названием его преемника; если преемник был удалён, баннер сообщает об этом, и урок считается лучшим оставшимся ответом. Пример: recall_best_solution(topic="deploy:web") → возвращает рабочую команду развёртывания.

Извлекает ранее сохранённый контекст из кэша. Возвращает сохранённое содержимое или null, если не найдено. Используйте это в НАЧАЛЕ любой задачи, чтобы проверить, есть ли у вас уже соответствующий контекст в кэше, перед выполнением затратных операций, таких как чтение множества файлов. Поддерживает glob patterns: "file:" соответствует всем сводкам файлов, "arch" — ключам, связанным с архитектурой.

Сохраняет информацию о контексте в кэш, чтобы вы могли использовать её позже без пересчёта. Отлично подходит для кэширования: обзоров кодовой базы, сводок по файлам, структуры проекта, часто используемых данных или результатов «размышлений», например анализа зависимостей. Ассистент может использовать это, чтобы не перечитывать всю кодовую базу каждый раз. Перезаписывает любое существующее значение, сохранённое под тем же ключом. Возвращает { key, stored_at, ttl } с подтверждением сохранённого контекста. Пример: remember_context("project overview", "Это Next.js приложение с..."), затем: recall_context("project overview"). Используйте recall_context для получения данных; list_remembered — чтобы увидеть все сохранённые ключи.

Добавляет новый элемент в постоянную дорожную карту проекта, хранящуюся в Brain. Элементы сохраняются между сессиями и редакторами — дорожная карта всегда актуальна. Используйте для функций, багов, рефакторинга или любой запланированной работы. Вызовите roadmap_list, чтобы увидеть все открытые элементы, roadmap_next — чтобы получить следующий элемент, готовый к выполнению.

Вывести все элементы дорожной карты, опционально с фильтром по статусу, приоритету, тегу или этапу. Возвращает элементы, отсортированные сначала по приоритету, затем по дате создания. Вызывается автоматически через session_start, чтобы показать открытые задачи.

Получает единственный самый важный следующий элемент дорожной карты, по которому можно действовать. Сначала возвращает элемент с наивысшим приоритетом в работе, затем запланированные элементы, отсортированные по приоритету. Вызывайте в начале сессии, чтобы сразу узнать, над чем работать дальше.

Обновляет статус, приоритет или детали элемента дорожной карты. Используйте для перемещения элементов по жизненному циклу: запланировано → в работе → выполнено (или заблокировано/отменено). Также используйте для добавления заметок/выводов при работе над элементом.

Находит кэшированные записи, семантически похожие на запрос на естественном языке. Только чтение — без побочных эффектов. Возвращает массив объектов, каждый из которых содержит: key, value, similarity_score (0–1) и namespace. Возвращает пустой массив, если ни одна запись не соответствует порогу схожести. Требует OPENAI_API_KEY (или совместимого провайдера) и тарифа Speed/Business с CACHLY_VECTOR_URL. Эмбеддинги вычисляются на серверной стороне и никогда не покидают Германию (индекс pgvector HNSW). Пример: "find all cached responses about password reset" или "what did we answer about pricing?". Используйте cache_get для точного поиска по ключу; используйте smart_recall для brain lessons.

Сохраняет сводку сеанса по завершении работы. Записывает, что было выполнено, какие файлы изменены и количество уроков. Следующий session_start покажет эту сводку как "Last session". Вызывайте этот инструмент при завершении рабочего сеанса, перед переходом в режим ожидания или перед подведением итогов. Ambient Learning: если указан workspace_path, читает git-лог с момента начала сеанса и автоматически учится на коммитах.

Сохраняет подробный handoff для следующего окна/сессии чата. Хранит: текущий прогресс, TODO-список (выполненное + оставшееся), изменённые файлы с описаниями, инструкции для следующего ассистента и любую незавершённую работу. Следующий session_start автоматически подхватывает этот handoff, чтобы новое окно точно знало, что было сделано и что осталось. Вызывайте этот инструмент ПЕРЕД закрытием окна чата, особенно если работа не завершена. Это предотвращает проблему «continue», когда новые окна теряют контекст, пропускают задачи или генерируют сломанный код.

Краткий обзор сессии за один вызов. Вызовите это в НАЧАЛЕ каждой сессии ВМЕСТО нескольких отдельных вызовов smart_recall/recall_best_solution. Возвращает: сводка последней сессии, недавние уроки, отсортированные по новизне, релевантные уроки для вашей фокусной области, открытые неудачи (темы только с неудачными исходами), статистика здоровья мозга, командная телепатия (что узнали коллеги за неделю), предиктивные предупреждения (если в вашей фокусной области есть известные паттерны неудач) и кристаллы памяти (сжатая мудрость из старых сессий). Также сохраняет маркер начала сессии, чтобы session_end мог вычислить длительность.

Выполняет семантический поиск в кэшированном контексте с помощью естественного языка. instance_id можно опустить; используется настроенный экземпляр. Никогда не угадывайте его. Вместо точного сопоставления по ключу находит контекст по смыслу. Пример: smart_recall("how does authentication work") → возвращает сохранённую в кэше сводку по архитектуре аутентификации. Если семантическое совпадение не найдено, обращается к ключам remember_context.

Сохраняет урок в общую базу знаний команды, чтобы все участники могли им воспользоваться. Работает как learn_from_attempts, но ТРЕБУЕТ указать имя автора. Отображается в team_recall с пометкой "by <автор>", чтобы команда знала, кто записал этот урок.

Извлекает уроки из общей базы знаний команды, показывая, кто чему научился. Работает на любом общем экземпляре (все члены команды используют один и тот же instance_id). Показывает автора, актуальность и серьёзность каждого урока. Используйте это, чтобы ввести в курс дела новых членов команды или найти, кто разбирается в теме.