Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-05 22:17 UTC

cdeust / Cortex

Cross-platform persistent memory MCP for Codex, Gemini CLI, Claude Code, and other local MCP hosts. 36 cited neuroscience mechanisms, local-first SQLite/PostgreSQL, hybrid retrieval, decay-based consolidation, and reproducible benchmarks. Claude adds optional automatic lifecycle hooks.

PythonMIT★ 71 Sterne⑂ 11 Forksseit März 2026Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekMCP-Serverwie das ermittelt wird
#mcp-server#model-context-protocol#agent-memory-system#causal-inference#claude-code#cognitive-architecture#cognitive-science#neuroscience#persistent-memory#predictive-coding#retrieval-augmented-generation#vector-search#hopfield-network#long-term-memory#episodic-memory#llm-memory#memory#agent-skills#codex#gemini-cli

cdeust/Cortex erreicht einen Gesundheitsindex von 89 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei AI Readiness (87/100) ab, am schwächsten bei Sustainability & Governance (57/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

89
gesamt / 100
Exzellent

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

89
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 75 wird auf der veröffentlichten Indexskala auf 89 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

ClementPersönliches Konto
31 Follower57 öffentliche Reposseit Jan. 2013

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIhypermnesia-mcp4.19.12.44730vor 2 Tagenclaude-codecodexcognitive-profilinggemini-climcpmemory

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

85Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

81Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
16.6/36Commit-Rhythmus — 24/52 Wochen mit Commits
18/18Commit-Volumen — 1.235 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 29 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year1.235
human_commit_share0,71
days_since_last_push0
active_weeks_last_year24

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 95 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 2 Tagen
27/27Release-Rhythmus — ein Release etwa alle 5,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count95
latest_release_tagv4.19.1
releases_from_tagsnein
days_since_latest_release2
mean_days_between_releases5,7

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

62Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

40Schwach
Wie die Bewertung erfolgt
29.9/60Stars — 71 Stars
8.3/25Forks — 11 Forks
1.7/15Watcher — 3 Watcher
Verwendete Eingangsdaten
forks11
stars71
watchers3
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

92Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesgithub.com, www.bestpractices.dev
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

56Mittel
Wie die Bewertung erfolgt
45.2/80Downloads pro Monat — 2.447 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packageshypermnesia-mcp
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2.447
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

57Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

12Kritisch
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 100 % der Commits
2.7/13.5Breite der Beitragenden — 2 Beitragende
0/10OpenSSF Scorecard: Contributors — project has 0 contributing companies or organizations -- score normalized to 0
Verwendete Eingangsdaten
bus_factor1
contributors_sampled2
top_contributor_share0,999

Reaktionsfähigkeit bei Issues & PRs

78Gut
Wie die Bewertung erfolgt
40.2/42Issue-Lösungsquote — 96 % der Issues geschlossen
27.6/30PR-Annahme — 283/308 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/18 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs283
open_issues6
closed_issues129
prs_merged_7d6
prs_decided_7d6
prs_merged_30d30
prs_decided_30d32
issue_closed_ratio0,956
closed_unmerged_prs25
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

57Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
10.8/25Reichweite des Inhabers — 31 Follower von cdeust
24.8/25Kontohistorie — 57 öffentliche Repos, Kontoalter ca. 13 Jahre
Verwendete Eingangsdaten
followers31
owner_typeUser
is_verified—
owner_logincdeust
public_repos57
account_age_days4.994
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 2 Tagen
20/20Versionshistorie — 30 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packageshypermnesia-mcp
ecosystemspypi
any_deprecatednein
min_days_since_publish2

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

84Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 10 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://ai-architect.tools
10/10Repository-Beschreibung
10/10Topics — 20 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsmcp-server, model-context-protocol, agent-memory-system, causal-inference, claude-code, cognitive-architecture, cognitive-science, neuroscience, persistent-memory, predictive-coding, retrieval-augmented-generation, vector-search, hopfield-network, long-term-memory, episodic-memory, llm-memory, memory, agent-skills, codex, gemini-cli
has_wikinein
homepagehttps://ai-architect.tools
docs_sitehttps://ai-architect.tools
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

85Exzellent · 16 % des Gesamtindex

Sicherheitslage

81Exzellent
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
1.8/2.5CII-Best-Practices — badge detected: Silver
0/7.5Code-Review — Found 0/18 approved changesets -- score normalized to 0
0/2.5Contributors — project has 0 contributing companies or organizations -- score normalized to 0
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
5/5Fuzzing — project is fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 29 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate8,1
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages94
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:hypermnesia-mcp@4.19.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 94 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

87Exzellent · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

100Außergewöhnlich
Wie die Bewertung erfolgt
45/45Agentenanweisungen — CLAUDE.md
15/15Maschinenlesbare Doku (llms.txt) — llms.txt wird von der Projektwebsite ausgeliefert (https://ai-architect.tools/llms.txt)
40/40Lesbare Commit-Historie — 69 von 71 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtja
llms_txt_urlhttps://ai-architect.tools/llms.txt
legible_history_share0,972
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes9.999

AI-Verify-Loop (Build / Test / Typprüfung)

100Außergewöhnlich
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile, docs/arxiv-thermodynamic/Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
11/11Statische Typprüfung — pyrightconfig.json
10/10Reproduzierbare Umgebung — devcontainer, Dockerfile, lockfile
10/10Belegte Agentenpraxis — 73 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 27 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespackage-lock.json, uv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile, docs/arxiv-thermodynamic/Makefile
has_devcontainerja
has_linter_configja
typecheck_configspyrightconfig.json
agent_commit_share0,73
toolchain_manifests—
dependency_bot_commit_share0,27

AI-Code-Lesbarkeit für Modelle

82Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (pyrightconfig.json)
54.9/55Handhabbare Dateigrößen — 3/1.252 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes115.902
source_files_sampled1.252
oversized_source_files3

Maschinenlesbare AI-Schnittstellen

33Gefährdet
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
20/20MCP-Server
0/40Lauffähige Beispiele
Verwendete Eingangsdaten
example_dirs—
has_mcp_signalja
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto). Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

71GitHub-Sterne
2Mitwirkende
1.235Commits, letzte 12 Monate
0Tage seit letztem Push
95Releases
1Bus-Faktor
6offene Issues
npm, PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch npm package 'hypermnesia-mcp' from its registry
  • pypi download statistics for 'hypermnesia-mcp' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for hypermnesia-mcp carried forward from the previous scan (stats endpoint unavailable this scan)

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 11 ⇿
0Sterne
11Forks
64Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

0246810121112026-032026-052026-07
Major 1Minor 25Patch 38
OpenSSF Scorecard 8.1 / 10
8.1Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-05 22:16 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests26 out of 26 merged PRs checked by a CI test -- score normalized to 10
7CII-Best-Practicesbadge detected: Silver
0Code-ReviewFound 0/18 approved changesets -- score normalized to 0
0Contributorsproject has 0 contributing companies or organizations -- score normalized to 0
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
10Fuzzingproject is fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 29 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 8
RegistryPaketVersionsvorgabeManifest
PyPImcp>=2.0.0pyproject.toml
PyPIanyio>=4.5pyproject.toml
PyPIpydantic>=2.0.0pyproject.toml
PyPIpydantic-settings>=2.0.0pyproject.toml
PyPInumpy>=1.24.0pyproject.toml
PyPIsentence-transformers>=3.0.0pyproject.toml
PyPIflashrank>=0.2.0pyproject.toml
PyPIpython-dateutil>=2.8.2pyproject.toml
Alle Abhängigkeiten 250

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 10 direkte und 240 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIanyio4.14.2direkt
PyPIflashrank0.2.10direkt
PyPImcp2.0.0direkt
PyPInumpy2.2.6direkt
PyPInumpy2.4.6direkt
PyPInumpy2.5.1direkt
PyPIpydantic2.13.4direkt
PyPIpydantic-settings2.14.2direkt
PyPIpython-dateutil2.9.0.post0direkt
PyPIsentence-transformers5.6.1direkt
npm@anthropic-ai/claude-code2.1.220indirekt
npm@anthropic-ai/claude-code-darwin-arm642.1.220indirekt
npm@anthropic-ai/claude-code-darwin-x642.1.220indirekt
npm@anthropic-ai/claude-code-linux-arm642.1.220indirekt
npm@anthropic-ai/claude-code-linux-arm64-musl2.1.220indirekt
npm@anthropic-ai/claude-code-linux-x642.1.220indirekt
npm@anthropic-ai/claude-code-linux-x64-musl2.1.220indirekt
npm@anthropic-ai/claude-code-win32-arm642.1.220indirekt
npm@anthropic-ai/claude-code-win32-x642.1.220indirekt
npm@anthropic-ai/mcpb2.1.2indirekt
npm@github/keytar7.10.6indirekt
npm@google/gemini-cli0.53.1indirekt
npm@inquirer/checkbox3.0.1indirekt
npm@inquirer/confirm4.0.1indirekt
npm@inquirer/core9.2.1indirekt
npm@inquirer/editor3.0.1indirekt
npm@inquirer/expand3.0.1indirekt
npm@inquirer/figures1.0.15indirekt
npm@inquirer/input3.0.1indirekt
npm@inquirer/number2.0.1indirekt
npm@inquirer/password3.0.1indirekt
npm@inquirer/prompts6.0.1indirekt
npm@inquirer/rawlist3.0.1indirekt
npm@inquirer/search2.0.1indirekt
npm@inquirer/select3.0.1indirekt
npm@inquirer/type2.0.0indirekt
npm@lydell/node-pty1.1.0indirekt
npm@lydell/node-pty-darwin-arm641.1.0indirekt
npm@lydell/node-pty-darwin-x641.1.0indirekt
npm@lydell/node-pty-linux-arm641.1.0indirekt
npm@lydell/node-pty-linux-x641.1.0indirekt
npm@lydell/node-pty-win32-arm641.1.0indirekt
npm@lydell/node-pty-win32-x641.1.0indirekt
npm@openai/codex0.146.0indirekt
npm@openai/codex0.146.0-darwin-arm64indirekt
npm@openai/codex0.146.0-darwin-x64indirekt
npm@openai/codex0.146.0-linux-arm64indirekt
npm@openai/codex0.146.0-linux-x64indirekt
npm@openai/codex0.146.0-win32-arm64indirekt
npm@openai/codex0.146.0-win32-x64indirekt
npm@types/mute-stream0.0.4indirekt
npm@types/node22.20.1indirekt
npm@types/wrap-ansi3.0.0indirekt
npmansi-escapes4.3.2indirekt
npmansi-regex5.0.1indirekt
npmansi-styles4.3.0indirekt
npmchardet0.7.0indirekt
npmcli-width4.1.0indirekt
npmcolor-convert2.0.1indirekt
npmcolor-name1.1.4indirekt
npmcommander13.1.0indirekt
npmdebug4.4.3indirekt
npmemoji-regex8.0.0indirekt
npmexternal-editor3.1.0indirekt
npmfflate0.8.3indirekt
npmflora-colossus2.0.0indirekt
npmfs-extra10.1.0indirekt
npmgalactus1.0.0indirekt
npmgraceful-fs4.2.11indirekt
npmiconv-lite0.4.24indirekt
npmignore7.0.6indirekt
npmis-fullwidth-code-point3.0.0indirekt
npmjsonfile6.2.1indirekt
npmms2.1.3indirekt
npmmute-stream1.0.0indirekt
npmnan2.28.0indirekt
npmnode-addon-api8.9.1indirekt
npmnode-forge1.4.0indirekt
npmnode-pty1.0.0indirekt
npmpretty-bytes5.6.0indirekt
npmsafer-buffer2.1.2indirekt
npmsignal-exit4.1.0indirekt
npmstring-width4.2.3indirekt
npmstrip-ansi6.0.1indirekt
npmtmp0.2.7indirekt
npmtype-fest0.21.3indirekt
npmundici-types6.21.0indirekt
npmuniversalify2.0.1indirekt
npmwrap-ansi6.2.0indirekt
npmyoctocolors-cjs2.1.3indirekt
npmzod3.25.76indirekt
npmzod-to-json-schema3.25.2indirekt
PyPIaiohappyeyeballs2.7.1indirekt
PyPIaiohttp3.14.3indirekt
PyPIaiosignal1.4.0indirekt
PyPIannotated-doc0.0.5indirekt
PyPIannotated-types0.8.0indirekt
PyPIasync-timeout5.0.1indirekt
PyPIatheris3.1.0indirekt
PyPIattrs26.1.0indirekt
PyPIbackports-asyncio-runner1.2.0indirekt
PyPIbuild1.5.0indirekt
PyPIcachetools7.1.6indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.0indirekt
PyPIcharset-normalizer3.4.9indirekt
PyPIclick8.4.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorcet3.2.1indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcoverage7.15.2indirekt
PyPIcryptography50.0.0indirekt
PyPIdatasets5.0.1indirekt
PyPIdatashader0.19.1indirekt
PyPIdill0.4.1indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfilelock3.32.0indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.6.0indirekt
PyPIgoogleapis-common-protos1.75.0indirekt
PyPIh110.16.0indirekt
PyPIhatchling1.32.0indirekt
PyPIhf-xet1.5.2indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpcore22.10.0indirekt
PyPIhttpx0.28.1indirekt
PyPIhttpx22.10.0indirekt
PyPIhttpx2-jsfetch1.0indirekt
PyPIhuggingface-hub1.27.0indirekt
PyPIhumanfriendly10.0indirekt
PyPIhypermnesia-mcp4.19.1indirekt
PyPIidna3.18indirekt
PyPIigraph1.0.0indirekt
PyPIimportlib-metadata9.0.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIjinja23.1.6indirekt
PyPIjoblib1.5.3indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIleidenalg0.12.0indirekt
PyPIlibcst1.8.6indirekt
PyPIlinkify-it-py2.1.0indirekt
PyPIllvmlite0.36.0indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImcp-types2.0.0indirekt
PyPImdit-py-plugins0.6.1indirekt
PyPImdurl0.1.2indirekt
PyPImpmath1.4.1indirekt
PyPImultidict6.7.1indirekt
PyPImultipledispatch1.0.0indirekt
PyPImultiprocess0.70.19indirekt
PyPImutmut3.6.0indirekt
PyPInarwhals2.24.0indirekt
PyPInetworkx3.4.2indirekt
PyPInetworkx3.6.1indirekt
PyPInodeenv1.10.0indirekt
PyPInumba0.53.1indirekt
PyPIonnxruntime1.23.2indirekt
PyPIonnxruntime1.28.0indirekt
PyPIopentelemetry-api1.44.0indirekt
PyPIopentelemetry-exporter-otlp-proto-common1.44.0indirekt
PyPIopentelemetry-exporter-otlp-proto-http1.44.0indirekt
PyPIopentelemetry-proto1.44.0indirekt
PyPIopentelemetry-sdk1.44.0indirekt
PyPIopentelemetry-semantic-conventions0.65b0indirekt
PyPIpackaging26.2indirekt
PyPIpandas2.3.3indirekt
PyPIpandas3.0.5indirekt
PyPIparam2.4.1indirekt
PyPIpathspec1.1.1indirekt
PyPIpgvector0.5.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.11.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpropcache0.5.2indirekt
PyPIprotobuf7.35.1indirekt
PyPIpsycopg3.3.4indirekt
PyPIpsycopg-binary3.3.4indirekt
PyPIpsycopg-pool3.3.1indirekt
PyPIpyarrow25.0.0indirekt
PyPIpycparser3.0indirekt
PyPIpyct0.6.0indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpygments2.20.0indirekt
PyPIpyjwt2.13.0indirekt
PyPIpymupdf1.28.2indirekt
PyPIpyproject-hooks1.2.0indirekt
PyPIpyreadline33.5.6indirekt
PyPIpyright1.1.411indirekt
PyPIpytest9.1.1indirekt
PyPIpytest-asyncio1.4.0indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-timeout2.4.0indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-multipart0.0.32indirekt
PyPIpytz2026.3.post1indirekt
PyPIpywin32312indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-ft8.0.0indirekt
PyPIreferencing0.37.0indirekt
PyPIregex2026.7.19indirekt
PyPIrequests2.34.2indirekt
PyPIrich15.0.0indirekt
PyPIrpds-py0.30.0indirekt
PyPIrpds-py2026.6.3indirekt
PyPIruff0.16.2indirekt
PyPIsafetensors0.8.0indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscikit-learn1.9.0indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.17.1indirekt
PyPIscipy1.18.0indirekt
PyPIsetproctitle1.3.7indirekt
PyPIsetuptools84.0.0indirekt
PyPIshellingham1.5.4indirekt
PyPIsix1.17.0indirekt
PyPIsqlite-vec0.1.9indirekt
PyPIsse-starlette3.4.6indirekt
PyPIstarlette1.3.1indirekt
PyPIsympy1.14.0indirekt
PyPItexttable1.7.0indirekt
PyPItextual8.2.8indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItokenizers0.22.2indirekt
PyPItoml0.10.2indirekt
PyPItomli2.4.1indirekt
PyPItomlkit0.15.1indirekt
PyPItoolz1.1.0indirekt
PyPItorch2.13.0indirekt
PyPItorch2.13.0+cpuindirekt
PyPItqdm4.70.0indirekt
PyPItransformers5.14.1indirekt
PyPItree-sitter0.26.0indirekt
PyPItree-sitter-language-pack1.14.3indirekt
PyPItrove-classifiers2026.6.1.19indirekt
PyPItruststore0.10.4indirekt
PyPItyper0.27.1indirekt
PyPItyping-extensions4.16.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2026.3indirekt
PyPIuc-micro-py2.0.0indirekt
PyPIurllib32.7.0indirekt
PyPIuvicorn0.52.1indirekt
PyPIxarray2025.6.1indirekt
PyPIxarray2026.7.0indirekt
PyPIxxhash3.8.1indirekt
PyPIyarl1.24.5indirekt
PyPIzipp4.1.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:hypermnesia-mcp@4.19.1 zieht 94 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit cdeust/Cortex teilen. Nebeneinander lesen →

93DeusData/codebase-memory-mcpHigh-performance code intelligence MCP server. Indexes codebases into a persistent knowledge graph — average repo in milliseconds. 158 languages, sub-ms queries, 99% fewer tokens. Single static binary, zero dependencies.Außergewöhnlich98awslabs/cli-agent-orchestratorMulti-agent orchestration for AI coding CLIs — Claude Code, Kiro, Codex, and more, coordinated in isolated tmux sessionsAußergewöhnlich95sickn33/agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,000+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.Außergewöhnlich93hashgraph-online/hol-guardOpen-source antivirus for AI agents: block risky tools, secret access, prompt injection, malicious packages, MCP servers, plugins, and skills at runtime.Außergewöhnlich92Observal/ObservalObserval is a local registry and analytics platform for your AI components. Setup Observal, define the scope and share your Skills, MCPs and Agents.Exzellent92sipyourdrink-ltd/bernsteinDeterministic orchestrator for CLI coding agents (Claude Code, Codex, Gemini CLI, +40 more). No model in the coordination loop, so parallel runs in per-task git worktrees replay byte-identically. Signed lineage plus an opt-in HMAC audit chain a reviewer checks offline, without rerunning it. Cluster mode, air-gap deploy. https://bernstein.runExzellent

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.