PMB AI: servidor MCP, instalación y seguridad

Para qué sirve PMB AI

Según su repositorio: «Memoria persistente que prioriza el almacenamiento local para agentes de programación IA.»

El protocolo MCP (Model Context Protocol) es un enchufe estándar entre un agente IA y un servicio externo: una vez conectado el servidor, sus herramientas aparecen en el agente, que decide cuándo llamarlas. PMB AI figura en la categoría Agentes de código, que reúne 151 servidores en el directorio; ocupa el puesto 38 por número de estrellas.

Temas declarados por el repositorio: ai-agents, ai-memory, bm25, claude-code, codex, cursor.

Instalar y conectar PMB AI

Modos de distribución declarados en el registro MCP oficial:

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

Funciona con cualquier cliente compatible con MCP (Claude Desktop, Claude Code, Cursor, VS Code, Codex y la mayoría de agentes recientes). Basta con añadir una entrada a la configuración MCP del cliente: nombre del servidor, comando de inicio o URL, variables de entorno. Lenguaje del proyecto: Python.

Seguridad: qué comprobar

Conectar un servidor MCP equivale a instalar un programa que habla directamente con su agente: funciona con sus permisos y el modelo confía en las descripciones de sus herramientas. El riesgo depende de lo que puede tocar y de la confianza que merece su código.

Ninguna de las señales de riesgo que seguimos (acceso al sistema, secretos, falta de licencia, abandono) aparece en PMB AI. 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 25 de mayo de 2026, el repositorio oleksiijko/pmb suma 286 estrellas y 29 copias (forks), con 5 incidencias abiertas. Tiene más estrellas que el 82 % de los servidores del directorio. Última modificación hace 1 mes. Versión publicada en el registro: 1.1.0 (26 de junio 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.