Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 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 estrellas⑂ 11 forksdesde mar 2026Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecaServidor MCPcómo se determina
#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 tiene un índice de salud de 89 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es AI Readiness (87/100) y la más baja, Sustainability & Governance (57/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

89
global / 100
Excelente

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

89
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 75 se calibra a 89 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

ClementCuenta personal
31 seguidores57 repositorios públicosdesde ene 2013

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIhypermnesia-mcp4.19.1244730hace 2 díasclaude-codecodexcognitive-profilinggemini-climcpmemory

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

85Excelente · 21% del índice global

Actividad de desarrollo

81Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
16.6/36Cadencia de commits — 24/52 semanas con commits
18/18Volumen de commits — 1235 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 29 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year1235
human_commit_share0,71
days_since_last_push0
active_weeks_last_year24

Disciplina de publicación

90Excelente
Cómo se puntúa
27/27Publica versiones — 95 versiones publicadas
36/36Recencia de las versiones — última versión hace 2 días
27/27Cadencia de publicación — una versión cada ~5,7 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count95
latest_release_tagv4.19.1
releases_from_tagsno
days_since_latest_release2
mean_days_between_releases5,7

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

62Moderado · 17% del índice global

Popularidad y adopción

40Débil
Cómo se puntúa
29.9/60Estrellas — 71 estrellas
8.3/25Forks — 11 forks
1.7/15Observadores — 3 observadores
Datos de entrada utilizados
forks11
stars71
watchers3
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges2
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesgithub.com, www.bestpractices.dev
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

56Moderado
Cómo se puntúa
45.2/80Descargas mensuales — 2447 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packageshypermnesia-mcp
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2447
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

57Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

12Crítico
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
0/22.5Distribución de commits — el principal contribuyente firma el 100% de los commits
2.7/13.5Amplitud de contribuyentes — 2 contribuyentes
0/10OpenSSF Scorecard: Contributors — project has 0 contributing companies or organizations -- score normalized to 0
Datos de entrada utilizados
bus_factor1
contributors_sampled2
top_contributor_share0,999

Capacidad de respuesta a issues y PR

78Bueno
Cómo se puntúa
40.2/42Resolución de issues — 96% de issues cerradas
27.6/30Aceptación de PR — 283/308 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/18 approved changesets -- score normalized to 0
Datos de entrada utilizados
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
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

57Moderado
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
10.8/25Alcance del propietario — 31 seguidores de cdeust
24.8/25Trayectoria — 57 repos públicos, cuenta de ~13 años
Datos de entrada utilizados
followers31
owner_typeUser
is_verified—
owner_logincdeust
public_repos57
account_age_days4994
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 2 días
20/20Historial de versiones — 30 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packageshypermnesia-mcp
ecosystemspypi
any_deprecatedno
min_days_since_publish2

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

86Excelente · 19% del índice global

Prácticas de ingeniería

84Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 10 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
0/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 26 out of 26 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configno

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://ai-architect.tools
10/10Descripción del repositorio
10/10Topics — 20 topics
0/10Wiki
Datos de entrada utilizados
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_wikino
homepagehttps://ai-architect.tools
docs_sitehttps://ai-architect.tools
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

85Excelente · 16% del índice global

Postura de seguridad

81Excelente
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
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
2.5/2.5Licencia — 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
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate8,1
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages94
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:hypermnesia-mcp@4.19.1 —lo que arrastra la instalación del paquete publicado—: 94 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

87Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — CLAUDE.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://ai-architect.tools/llms.txt)
40/40Historial de commits legible — 69 de 71 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://ai-architect.tools/llms.txt
legible_history_share0,972
agent_instruction_filesCLAUDE.md
agent_instruction_max_bytes9999

Bucle de verificación (compilación / pruebas / verificación de tipos)

100Excepcional
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, docs/arxiv-thermodynamic/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — pyrightconfig.json
10/10Entorno reproducible — devcontainer, Dockerfile, lockfile
10/10Práctica demostrada con agentes — 73 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 27 de los últimos 100 commits son actualizaciones automáticas de dependencias
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilespackage-lock.json, uv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesMakefile, docs/arxiv-thermodynamic/Makefile
has_devcontainersí
has_linter_configsí
typecheck_configspyrightconfig.json
agent_commit_share0,73
toolchain_manifests—
dependency_bot_commit_share0,27

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (pyrightconfig.json)
54.9/55Tamaños de archivo manejables — 3/1252 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes115.902
source_files_sampled1252
oversized_source_files3

Interfaces legibles por máquina

33En riesgo
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
20/20Servidor MCP
0/40Ejemplos ejecutables
Datos de entrada utilizados
example_dirs—
has_mcp_signalsí
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto). Los pesos restantes se han renormalizado.

Datos clave

71estrellas de GitHub
2contribuidores
1235commits en los últimos 12 meses
0días desde el último push
95versiones publicadas
1factor bus
6issues abiertas
npm, PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • 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)

Más detalle

Historial de estrellas y forks 0 ★ / 11 ⇿
0Estrellas
11Forks
64Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0246810121112026-032026-052026-07
Mayor 1Menor 25Parche 38
OpenSSF Scorecard 8.1 / 10
8.1agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-05 22:16 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-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
Dependencias directas 8
RegistroPaqueteRestricción de versiónManifiesto
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
Todas las dependencias 250

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 10 paquetes directos y 240 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIanyio4.14.2directa
PyPIflashrank0.2.10directa
PyPImcp2.0.0directa
PyPInumpy2.2.6directa
PyPInumpy2.4.6directa
PyPInumpy2.5.1directa
PyPIpydantic2.13.4directa
PyPIpydantic-settings2.14.2directa
PyPIpython-dateutil2.9.0.post0directa
PyPIsentence-transformers5.6.1directa
npm@anthropic-ai/claude-code2.1.220indirecta
npm@anthropic-ai/claude-code-darwin-arm642.1.220indirecta
npm@anthropic-ai/claude-code-darwin-x642.1.220indirecta
npm@anthropic-ai/claude-code-linux-arm642.1.220indirecta
npm@anthropic-ai/claude-code-linux-arm64-musl2.1.220indirecta
npm@anthropic-ai/claude-code-linux-x642.1.220indirecta
npm@anthropic-ai/claude-code-linux-x64-musl2.1.220indirecta
npm@anthropic-ai/claude-code-win32-arm642.1.220indirecta
npm@anthropic-ai/claude-code-win32-x642.1.220indirecta
npm@anthropic-ai/mcpb2.1.2indirecta
npm@github/keytar7.10.6indirecta
npm@google/gemini-cli0.53.1indirecta
npm@inquirer/checkbox3.0.1indirecta
npm@inquirer/confirm4.0.1indirecta
npm@inquirer/core9.2.1indirecta
npm@inquirer/editor3.0.1indirecta
npm@inquirer/expand3.0.1indirecta
npm@inquirer/figures1.0.15indirecta
npm@inquirer/input3.0.1indirecta
npm@inquirer/number2.0.1indirecta
npm@inquirer/password3.0.1indirecta
npm@inquirer/prompts6.0.1indirecta
npm@inquirer/rawlist3.0.1indirecta
npm@inquirer/search2.0.1indirecta
npm@inquirer/select3.0.1indirecta
npm@inquirer/type2.0.0indirecta
npm@lydell/node-pty1.1.0indirecta
npm@lydell/node-pty-darwin-arm641.1.0indirecta
npm@lydell/node-pty-darwin-x641.1.0indirecta
npm@lydell/node-pty-linux-arm641.1.0indirecta
npm@lydell/node-pty-linux-x641.1.0indirecta
npm@lydell/node-pty-win32-arm641.1.0indirecta
npm@lydell/node-pty-win32-x641.1.0indirecta
npm@openai/codex0.146.0indirecta
npm@openai/codex0.146.0-darwin-arm64indirecta
npm@openai/codex0.146.0-darwin-x64indirecta
npm@openai/codex0.146.0-linux-arm64indirecta
npm@openai/codex0.146.0-linux-x64indirecta
npm@openai/codex0.146.0-win32-arm64indirecta
npm@openai/codex0.146.0-win32-x64indirecta
npm@types/mute-stream0.0.4indirecta
npm@types/node22.20.1indirecta
npm@types/wrap-ansi3.0.0indirecta
npmansi-escapes4.3.2indirecta
npmansi-regex5.0.1indirecta
npmansi-styles4.3.0indirecta
npmchardet0.7.0indirecta
npmcli-width4.1.0indirecta
npmcolor-convert2.0.1indirecta
npmcolor-name1.1.4indirecta
npmcommander13.1.0indirecta
npmdebug4.4.3indirecta
npmemoji-regex8.0.0indirecta
npmexternal-editor3.1.0indirecta
npmfflate0.8.3indirecta
npmflora-colossus2.0.0indirecta
npmfs-extra10.1.0indirecta
npmgalactus1.0.0indirecta
npmgraceful-fs4.2.11indirecta
npmiconv-lite0.4.24indirecta
npmignore7.0.6indirecta
npmis-fullwidth-code-point3.0.0indirecta
npmjsonfile6.2.1indirecta
npmms2.1.3indirecta
npmmute-stream1.0.0indirecta
npmnan2.28.0indirecta
npmnode-addon-api8.9.1indirecta
npmnode-forge1.4.0indirecta
npmnode-pty1.0.0indirecta
npmpretty-bytes5.6.0indirecta
npmsafer-buffer2.1.2indirecta
npmsignal-exit4.1.0indirecta
npmstring-width4.2.3indirecta
npmstrip-ansi6.0.1indirecta
npmtmp0.2.7indirecta
npmtype-fest0.21.3indirecta
npmundici-types6.21.0indirecta
npmuniversalify2.0.1indirecta
npmwrap-ansi6.2.0indirecta
npmyoctocolors-cjs2.1.3indirecta
npmzod3.25.76indirecta
npmzod-to-json-schema3.25.2indirecta
PyPIaiohappyeyeballs2.7.1indirecta
PyPIaiohttp3.14.3indirecta
PyPIaiosignal1.4.0indirecta
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIasync-timeout5.0.1indirecta
PyPIatheris3.1.0indirecta
PyPIattrs26.1.0indirecta
PyPIbackports-asyncio-runner1.2.0indirecta
PyPIbuild1.5.0indirecta
PyPIcachetools7.1.6indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.0indirecta
PyPIcharset-normalizer3.4.9indirecta
PyPIclick8.4.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcolorcet3.2.1indirecta
PyPIcoloredlogs15.0.1indirecta
PyPIcoverage7.15.2indirecta
PyPIcryptography50.0.0indirecta
PyPIdatasets5.0.1indirecta
PyPIdatashader0.19.1indirecta
PyPIdill0.4.1indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIfilelock3.32.0indirecta
PyPIflatbuffers25.12.19indirecta
PyPIfrozenlist1.8.0indirecta
PyPIfsspec2026.6.0indirecta
PyPIgoogleapis-common-protos1.75.0indirecta
PyPIh110.16.0indirecta
PyPIhatchling1.32.0indirecta
PyPIhf-xet1.5.2indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpcore22.10.0indirecta
PyPIhttpx0.28.1indirecta
PyPIhttpx22.10.0indirecta
PyPIhttpx2-jsfetch1.0indirecta
PyPIhuggingface-hub1.27.0indirecta
PyPIhumanfriendly10.0indirecta
PyPIhypermnesia-mcp4.19.1indirecta
PyPIidna3.18indirecta
PyPIigraph1.0.0indirecta
PyPIimportlib-metadata9.0.0indirecta
PyPIiniconfig2.3.0indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.5.3indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIleidenalg0.12.0indirecta
PyPIlibcst1.8.6indirecta
PyPIlinkify-it-py2.1.0indirecta
PyPIllvmlite0.36.0indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImcp-types2.0.0indirecta
PyPImdit-py-plugins0.6.1indirecta
PyPImdurl0.1.2indirecta
PyPImpmath1.4.1indirecta
PyPImultidict6.7.1indirecta
PyPImultipledispatch1.0.0indirecta
PyPImultiprocess0.70.19indirecta
PyPImutmut3.6.0indirecta
PyPInarwhals2.24.0indirecta
PyPInetworkx3.4.2indirecta
PyPInetworkx3.6.1indirecta
PyPInodeenv1.10.0indirecta
PyPInumba0.53.1indirecta
PyPIonnxruntime1.23.2indirecta
PyPIonnxruntime1.28.0indirecta
PyPIopentelemetry-api1.44.0indirecta
PyPIopentelemetry-exporter-otlp-proto-common1.44.0indirecta
PyPIopentelemetry-exporter-otlp-proto-http1.44.0indirecta
PyPIopentelemetry-proto1.44.0indirecta
PyPIopentelemetry-sdk1.44.0indirecta
PyPIopentelemetry-semantic-conventions0.65b0indirecta
PyPIpackaging26.2indirecta
PyPIpandas2.3.3indirecta
PyPIpandas3.0.5indirecta
PyPIparam2.4.1indirecta
PyPIpathspec1.1.1indirecta
PyPIpgvector0.5.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.11.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpropcache0.5.2indirecta
PyPIprotobuf7.35.1indirecta
PyPIpsycopg3.3.4indirecta
PyPIpsycopg-binary3.3.4indirecta
PyPIpsycopg-pool3.3.1indirecta
PyPIpyarrow25.0.0indirecta
PyPIpycparser3.0indirecta
PyPIpyct0.6.0indirecta
PyPIpydantic-core2.46.4indirecta
PyPIpygments2.20.0indirecta
PyPIpyjwt2.13.0indirecta
PyPIpymupdf1.28.2indirecta
PyPIpyproject-hooks1.2.0indirecta
PyPIpyreadline33.5.6indirecta
PyPIpyright1.1.411indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-asyncio1.4.0indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpython-dotenv1.2.2indirecta
PyPIpython-multipart0.0.32indirecta
PyPIpytz2026.3.post1indirecta
PyPIpywin32312indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyyaml-ft8.0.0indirecta
PyPIreferencing0.37.0indirecta
PyPIregex2026.7.19indirecta
PyPIrequests2.34.2indirecta
PyPIrich15.0.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIrpds-py2026.6.3indirecta
PyPIruff0.16.2indirecta
PyPIsafetensors0.8.0indirecta
PyPIscikit-learn1.7.2indirecta
PyPIscikit-learn1.9.0indirecta
PyPIscipy1.15.3indirecta
PyPIscipy1.17.1indirecta
PyPIscipy1.18.0indirecta
PyPIsetproctitle1.3.7indirecta
PyPIsetuptools84.0.0indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIsqlite-vec0.1.9indirecta
PyPIsse-starlette3.4.6indirecta
PyPIstarlette1.3.1indirecta
PyPIsympy1.14.0indirecta
PyPItexttable1.7.0indirecta
PyPItextual8.2.8indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItokenizers0.22.2indirecta
PyPItoml0.10.2indirecta
PyPItomli2.4.1indirecta
PyPItomlkit0.15.1indirecta
PyPItoolz1.1.0indirecta
PyPItorch2.13.0indirecta
PyPItorch2.13.0+cpuindirecta
PyPItqdm4.70.0indirecta
PyPItransformers5.14.1indirecta
PyPItree-sitter0.26.0indirecta
PyPItree-sitter-language-pack1.14.3indirecta
PyPItrove-classifiers2026.6.1.19indirecta
PyPItruststore0.10.4indirecta
PyPItyper0.27.1indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.2indirecta
PyPItzdata2026.3indirecta
PyPIuc-micro-py2.0.0indirecta
PyPIurllib32.7.0indirecta
PyPIuvicorn0.52.1indirecta
PyPIxarray2025.6.1indirecta
PyPIxarray2026.7.0indirecta
PyPIxxhash3.8.1indirecta
PyPIyarl1.24.5indirecta
PyPIzipp4.1.0indirecta
Avisos de dependencias 0

Instalar pypi:hypermnesia-mcp@4.19.1 arrastra 94 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con cdeust/Cortex. Leer en paralelo →

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.Excepcional98awslabs/cli-agent-orchestratorMulti-agent orchestration for AI coding CLIs — Claude Code, Kiro, Codex, and more, coordinated in isolated tmux sessionsExcepcional95sickn33/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.Excepcional93hashgraph-online/hol-guardOpen-source antivirus for AI agents: block risky tools, secret access, prompt injection, malicious packages, MCP servers, plugins, and skills at runtime.Excepcional92Observal/ObservalObserval is a local registry and analytics platform for your AI components. Setup Observal, define the scope and share your Skills, MCPs and Agents.Excelente92sipyourdrink-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.runExcelente

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.