mcp-zip
Compresses context for AI agents by storing memories in compact markdown files with FTS5 search, enabling fast retrieval of relevant information while saving tokens.
README
mcp-zip 🗜️
Memoria comprimida para agentes de IA.
mcp-zip es un servidor MCP que comprime el contexto de tu agente de IA. En vez de leer archivos completos (miles de tokens), busca solo lo relevante (decenas de tokens). Como un ZIP, pero para la memoria del agente.
El Problema
Tu agente de IA olvida todo cada vez que termina una sesión. Para recordar, tiene que leer archivos completos de contexto — consumiendo miles de tokens en cada conversación. Al final del día, llegás al rate limit.
La Solución
mcp-zip comprime la memoria del agente en archivos .md compactos, optimizados para consumo de LLMs. Con búsqueda FTS5 + TF-IDF, tu agente encuentra lo relevante en milisegundos sin leer archivos completos.
Arquitectura
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ .md files │────▶│ .json cache │────▶│ SQLite │
│ (store) │ │ (estructura)│ │ (índice) │
│ git-friendly│ │ parseo rápido│ │ FTS5+TF-IDF │
└──────────────┘ └──────────────┘ └──────────────┘
│ │ │
▼ ▼ ▼
Humanos leen APIs acceden Agente busca
y commitean programátic. instantáneo
Flujo de Trabajo
INICIAR SESIÓN:
memoria_iniciar("ferreteria")
→ Auto-archiva entradas >30 días
→ ✅ Proyecto activo
ESCRIBIR:
memoria_escribir("ferreteria", "bug", "Color falla", ...)
→ Guarda en .md (git)
→ Genera .json (cache)
→ Indexa en SQLite (búsqueda)
BUSCAR:
memoria_buscar("ferreteria", "color detection")
→ SQLite FTS5 + TF-IDF busca (~700 tokens)
→ Devuelve solo entradas relevantes
LEER:
memoria_leer("ferreteria", "resumen")
→ Lee .md completo (~500 tokens)
→ Solo para contexto general
Instalación
pip install mcp-zip
Configurar en tu Editor
Zed
Agrega en ~/.config/zed/settings.json:
{
"context_servers": {
"zip": {
"command": "mcp-zip"
}
}
}
Claude Desktop
Agrega en claude_desktop_config.json:
{
"mcpServers": {
"zip": {
"command": "mcp-zip"
}
}
}
Cursor
Agrega en .cursor/mcp.json:
{
"mcpServers": {
"zip": {
"command": "mcp-zip"
}
}
}
Cualquier Cliente MCP
{
"mcpServers": {
"zip": {
"command": "mcp-zip",
"env": {
"MEMORIA_ROOT": "~/.memoria"
}
}
}
}
Herramientas
| Herramienta | Descripción | Tokens |
|---|---|---|
memoria_iniciar |
Crea/reactiva proyecto + auto-archiva | ~50 |
memoria_escribir |
Registra entrada (bug, decisión, plan) | ~100 |
memoria_buscar |
Búsqueda semántica FTS5 + TF-IDF | ~700 |
memoria_leer |
Lee archivo completo | ~500-5000 |
memoria_resumen |
Resumen compacto del estado | ~500 |
memoria_listar |
Lista todos los proyectos | ~100 |
memoria_archivar |
Archiva entradas >30 días en bóveda | ~50 |
memoria_importar |
Migra .md existentes al sistema | ~200 |
memoria_exportar |
Exporta archivo de memoria | variable |
memoria_estadisticas |
Métricas de uso y ahorro de tokens | ~300 |
memoria_sincronizar |
Sync JSON + SQLite de todos los proyectos | ~500 |
memoria_exportar_zip |
Exporta proyecto a formato .mcp-zip | ~200 |
memoria_importar_zip |
Importa proyecto desde .mcp-zip | ~300 |
memoria_listar_zip |
Lista contenido de un .mcp-zip | ~100 |
Flujo Óptimo (Ahorra Tokens)
❌ Mal (consume ~50,000 tokens/sesión)
# Leer TODO el contexto cada vez
memoria_leer("ferreteria", "errores") # 3,716 tokens
memoria_leer("ferreteria", "decisiones") # 5,901 tokens
memoria_leer("ferreteria", "implementacion") # 2,862 tokens
✅ Bien (consume ~3,500 tokens/sesión)
# Resumen general
memoria_resumen("ferreteria") # 500 tokens
# Búsqueda específica
memoria_buscar("ferreteria", "parser") # 700 tokens
memoria_buscar("ferreteria", "color") # 700 tokens
# Lectura solo si es necesario
memoria_leer("ferreteria", "resumen") # 500 tokens
Ahorro: 93% de tokens por sesión.
Formato Compacto
mcp-zip usa un formato .md optimizado para modelos de IA:
### bug | 2026-07-14 | resuelto
Color detection no funciona
ctx: Pinturas Tekbond/Miura se fusionan
root: paso 8 parser FGP, result.attributes sobreescribe objeto
fix: result.attributes = { ...result.attributes, features }
tags: parser,fgp,colores
files: src/services/normalization/parsers/fgp.parser.ts
vs formato tradicional (2x más tokens):
## [2026-07-14] Bug: Color detection no funciona 🟢 Resuelto
- **Contexto**: Pinturas Tekbond/Miura se fusionan al no detectar color
- **Causa raíz**: En el paso 8 del parser FGP, `result.attributes = { features: ... }` SOBREESCRIBÍA el objeto
- **Solución**: Cambiar por `result.attributes = { ...result.attributes, features: ... }`
- **Estado**: 🟢 Resuelto
Bóveda de Archivado
Las entradas resueltas con más de 30 días se archivan automáticamente al iniciar sesión:
~/.memoria/proyectos/ferreteria/
├── errores.md ← Entradas activas
├── errores.json ← Cache estructurado
├── decisiones.md ← Entradas activas
├── decisiones.json ← Cache estructurado
├── memoria.db ← Índice FTS5 + TF-IDF
└── boveda/
├── errores-2026-06.md ← Archivados de junio
├── errores-2026-06.json ← Cache de archivados
├── decisiones-2026-06.md
└── decisiones-2026-06.json
Stores de Almacenamiento
| Store | Formato | Para Qué | Quién lo Lee |
|---|---|---|---|
.md |
Markdown compacto | Git, humanos, backup | Cualquiera |
.json |
JSON estructurado | Acceso programático | Python, APIs |
.db |
SQLite FTS5 + TF-IDF | Búsqueda instantánea | Motor de búsqueda |
Migración
Si ya tenés archivos .md de contexto existentes:
# El agente llama:
memoria_importar("ferreteria", "/home/user/proyectos/ferreteria/context/")
→ 📥 Importación completada: 5 archivos, 23 entradas
→ 📄 JSON sincronizado automáticamente
Variables de Entorno
| Variable | Descripción | Default |
|---|---|---|
MEMORIA_ROOT |
Directorio raíz de almacenamiento | ~/.memoria |
Formato .mcp-zip
Formato comprimido para exportar/importar proyectos completos:
# Exportar proyecto
memoria_exportar_zip("ferreteria")
→ 📦 ferreteria.mcp-zip (24.5 KB → 8.2 KB comprimido)
# Importar proyecto
memoria_importar_zip("/backup/ferreteria.mcp-zip")
→ 📥 Proyecto 'ferreteria' importado (47 entradas)
# Listar contenido
memoria_listar_zip("ferreteria.mcp-zip")
→ 📋 Contenido:
- errores.md (12 KB)
- errores.json (8 KB)
- decisiones.md (18 KB)
- ...
Estadísticas
memoria_estadisticas("ferreteria")
→ 📊 Estadísticas:
- Entradas: 47 (23 bugs, 15 decisiones, 9 planes)
- Activas: 31 | Archivadas: 16
- 💰 Ahorro: 93% (46,500 tokens/sesión)
Sincronización
memoria_sincronizar()
→ 🔄 Sincronizando todos los proyectos...
- ferreteria: ✅ JSON + SQLite reconstruido
- matucho: ✅ JSON + SQLite reconstruido
Stats del Proyecto
Líneas de código: ~2,200
Tests: 35/35 ✅
Dependencias: 2 (fastmcp, pyyaml)
Formato: .md + .json + SQLite
Búsqueda: FTS5 + TF-IDF (sin ML)
Licencia
MIT — Ver LICENSE
mcp-zip — Comprime la memoria de tu agente. Ahorra tokens. Nunca olvide. 🗜️
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。