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. 🗜️
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
Neon Database
MCP server for interacting with Neon Management API and databases
E2B
Using MCP to run code via e2b.
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.