Per-project RAGメモリMCPサーバ 各プロジェクトは独自のベクターコレクションを取得しているため、LLM はコードベースに関するコンテキストをインデックス化し、素早く取得できます。

サーバは、単一のバイナリから**2モードで動作します。

-MCP stdio モード (デフォルト): [enowx-rag] — モデルコンテキストプロトコルを介して stdio を超える AI コーディングツールを話します。

• ** HTTP はモード **: [enowx-rag --serve] — REST API、SSE イベントストリーム、埋め込まれた React ダッシュボード、 [[/mcp]]] で HTTP 経由で MCP を HTTP サーバから起動します。そのため、エージェントは、リモートデーモン (例えば VPS) として enowx-rag に接続できます。

リモートデーモン(MCP over HTTP)

ホスト上でenowx-rag --serveを実行し、エージェントをリモートに接続します。 [RAG_ADMIN_TOKEN] をセキュアに設定します。これにより、/api/* と [/mcp の両方をベアトークン(unset = no auth, 信頼できるネットワークのみ)でゲートします。 TLS の逆プロキシをパブリックユースの前に置く。

デーモンでMCPクライアントを指す:

すべての MCP ツールはローカル stdio モードと同一に動作します。 詳細は、Docs → Remote / daemonのページを参照してください。

お問い合わせ

なぜenowx-rag?

LLM コーディングエージェントは、セッション間ですべてを忘れて、あなただけのファイルを見る ペースト。 enowx-rag は、エージェントに 永続的、プロジェクトごとのメモリ を与える

enowx-rag

Per-project RAG memory MCP server. Each project gets its own vector collection, so an LLM can index context about a codebase and retrieve it quickly.

The server runs in two modes from a single binary:

• MCP stdio mode (default): enowx-rag — talks to AI coding tools over stdio via the Model Context Protocol.
• HTTP serve mode: enowx-rag --serve — starts an HTTP server with a REST API, SSE event stream, an embedded React dashboard, and MCP over HTTP at /mcp so agents can connect to enowx-rag as a remote daemon (e.g. on a VPS).

Remote daemon (MCP over HTTP)

Run enowx-rag --serve on a host and connect agents remotely. Set RAG_ADMIN_TOKEN to secure it — it gates both /api/* and /mcp with a bearer token (unset = no auth, only for trusted networks). Put a TLS reverse proxy in front for public use.

RAG_ADMIN_TOKEN=$(openssl rand -hex 32) ./enowx-rag --serve --addr :7777

Point an MCP client at the daemon:

{
  "mcpServers": {
    "enowx-rag": {
      "url": "https://rag.example.com/mcp",
      "headers": { "Authorization": "Bearer " }
    }
  }
}

All MCP tools work identically to local stdio mode. See the Docs → Remote / daemon page for details.

---

Why enowx-rag?

LLM coding agents forget everything between sessions and only see the files you paste. enowx-rag gives an agent a persistent, per-project memory it can search — so it recalls your architecture decisions, gotchas, and conventions without you re-explaining them every time.

• Per-project isolation. Each project is its own vector collection (project_), so an agent working in one repo never retrieves context leaked from another. Index a codebase once; query it in isolation.
• Retrieval that actually finds things. Dense semantic search, optional hybrid (dense + lexical RRF), reranking (Voyage rerank-2.5), and near-duplicate compression — tunable per query. See the ranked results, scores, and matched snippets live in the Playground.
• Persistent memory, durable metrics. Design decisions and facts survive across sessions and restarts; query latency (p50/p95), token usage, and retrieval breakdown are persisted to a local SQLite DB (pure-Go, no cgo).
• Bring your own stack. Vector stores: a built-in SQLite file (nothing to install), Qdrant, pgvector, Chroma. Embedders: Voyage AI, any OpenAI-compatible /v1/embeddings API, or self-hosted TEI. Swap models or move stores later with the built-in