Memoria y conocimiento · servidor MCP
Kaeru: servidor MCP, instalación y seguridad
Kaeru es un servidor MCP publicado en GitHub que permite a un agente IA conservar decisiones y tareas entre sesiones y recuperar los asuntos pendientes. Su repositorio tiene 48 estrellas y su último commit es del 21 de octubre de 2026, pero no declara ninguna licencia.
Para qué sirve Kaeru
Según su repositorio: «Memoria LLM en grafo local: decisiones, tareas, hipótesis y razonamientos entre sesiones, resumen de pendientes y atrasos. Binario Rust, daemon compartido, sin embeddings ni llamadas LLM internas.»
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. Kaeru figura en la categoría Memoria y conocimiento, que reúne 250 servidores en el directorio; ocupa el puesto 104 por número de estrellas.
Temas declarados por el repositorio: agent-memory, ai-agents, bitemporal, claude-code, cline, codex.
Instalar y conectar Kaeru
No hay paquete ni servidor remoto declarado en el registro MCP oficial: se instala desde el código fuente, siguiendo el README del repositorio.
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: Rust. Sistemas indicados: macOS, Windows, Linux.
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.
Puntos detectados para Kaeru:
- Sin licencia: sin licencia el código no es reutilizable legalmente, aunque sea público. Evítelo en la empresa sin acuerdo del autor.
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 5 de mayo de 2026, el repositorio LamantinAI/kaeru suma 48 estrellas y 10 copias (forks), con 5 incidencias abiertas. Tiene más estrellas que el 51 % de los servidores del directorio. Ha recibido cambios este mes.
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.
Veredicto
Kaeru es una opción razonable; compruebe los puntos de abajo antes de conectarlo.
Puntos fuertes
- Proyecto activo: commit reciente
Limitaciones
- Ninguna licencia declarada
- Instalación desde el código fuente
Evítelo si…
- Uso en empresa sin acuerdo del autor
Alternativas
- Context763,6 mil ★
- Basic memory4,3 mil ★
- Hindsight53,4 mil ★
- Cognee32,7 mil ★
- Skill Seekers15,2 mil ★
- Honcho7,8 mil ★
Entender
Preguntas frecuentes
¿Cómo se instala Kaeru?
No hay paquete declarado en el registro MCP: clone el repositorio LamantinAI/kaeru, siga su README y declare el comando de inicio en la configuración MCP de su cliente.
¿Kaeru es gratuito?
El código es público pero sin licencia declarada: no es formalmente libre de reutilizar.
¿Kaeru es seguro?
Puntos de atención: sin licencia. Concédale permisos mínimos y valide las acciones sensibles.
¿Es un servidor oficial?
Nada lo indica: es un proyecto publicado por LamantinAI en GitHub. Compruebe quién lo mantiene antes de darle acceso.
¿Qué alternativas hay a Kaeru?
En la misma categoría: Context7, Basic memory, Hindsight y Cognee. Context7 y Basic memory obtienen mejor nota en nuestra tabla.
Artículos relacionados
- Crear su propio servidor MCP en 30 minutos24 de octubre de 2026
- Automatizar el correo con un agente de IA18 de octubre de 2026
- MCP, A2A y tool calling: los protocolos de los agentes explicados17 de octubre de 2026
- Crear un agente IA con n8n sin programar16 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos