Compartment: servidor MCP, instalación y seguridad

Para qué sirve Compartment

Según su repositorio: «Memoria agéntica persistente, cifrada en reposo. Totalmente sin conexión: sin red, clave API ni nube.»

Un servidor MCP da a un agente IA herramientas adicionales que llama durante la conversación: el agente lee su descripción, decide usarlas y recibe el resultado. Compartment figura en la categoría Bases de datos, que reúne 138 servidores en el directorio; ocupa el puesto 28 por número de estrellas.

Temas declarados por el repositorio: ai-agents, encryption, vector-database, agent-memory, claude, local-first.

Instalar y conectar Compartment

Modos de distribución declarados en el registro MCP oficial:

• paquete PyPI (Python, se lanza con uvx o pip)

Como cualquier servidor MCP, se declara en la configuración del cliente (Claude Desktop, Claude Code, Cursor, VS Code, Codex…): un nombre, el comando que lo lanza o su URL, y las variables de entorno necesarias. El cliente lo inicia y muestra sus herramientas. Lenguaje del proyecto: Python.

Seguridad: qué comprobar

Un servidor MCP ejecuta código con los permisos que le da, y el modelo lee las descripciones de sus herramientas: un servidor malicioso o comprometido puede desviar al agente. Lea el código o elija un servidor mantenido y muy usado antes de conectarlo.

Ninguna de las señales de riesgo que seguimos (acceso al sistema, secretos, falta de licencia, abandono) aparece en Compartment. Esto no sustituye la lectura del código.

Buenas prácticas: conceder solo los permisos necesarios (mínimo privilegio), exigir validación humana para las acciones irreversibles y pasar el diagnóstico de seguridad de agentes IA.

Actividad y mantenimiento del proyecto

Creado el 20 de julio de 2026, el repositorio MaxFreedomPollard/Compartment suma 577 estrellas y 7 copias (forks), con 0 incidencias abiertas. Tiene más estrellas que el 89 % de los servidores del directorio. Ha recibido cambios este mes. Versión publicada en el registro: 4.13.0 (20 de octubre de 2026).

Las estrellas miden la atención recibida, no la calidad: un proyecto reciente y muy mediático puede acumularlas rápido, y un servidor útil pero especializado tendrá pocas.