Пер-проект RAG памяти MCP сервера. Каждый проект получает свою собственную коллекцию векторов, поэтому LLM может индексировать контекст о кодовой базе и быстро извлекать его.

Сервер работает в двух режимах из одного двоичного:

— MCP stdio mode (по умолчанию): enowx-rag — разговаривает с инструментами кодирования ИИ через stdio через протокол Model Context. **HTTP обслуживает режим : enowx-rag --serve — запускает HTTP-сервер с REST API, потоком событий SSE, встроенной панелью React, ** и MCP по HTTP на /mcp, чтобы агенты могли подключаться к enowx-rag в качестве удаленного демона (например, на VPS).

Удаленный демон (MCP over HTTP)

Запустите enowx-rag --serve на хосте и подключите агентов удаленно. Установите RAG_ADMIN_TOKEN, чтобы обезопасить его — он открывает как /api/*, так и /mcp с токеном на предъявителя (unset = no auth, только для доверенных сетей). Поставьте перед собой обратный прокси-сервер TLS для общественного использования.

Направьте клиента MCP на демон:

Все инструменты MCP работают в локальном режиме stdio. См. страницу Docs → Remote / daemon для получения подробной информации.

##Почему тряпка?

Кодирующие агенты LLM забывают все между сессиями и видят только файлы, которые вы просматриваете. паста. enowx-rag дает агенту постоянную, пер-проектную память

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