开发上下文系统

Claro! Aqui está a tradução para o português (pt-BR) dos principais trechos do seu README.md do projeto cursor10x-mcp (DevContext):

🚀 Cursor10x agora é DevContext 🚀

Cursor10x evoluiu para DevContext - Um sistema de contexto ainda mais poderoso e dedicado para desenvolvedores

🔥 DevContext leva o desenvolvimento com IA para o próximo nível 🔥

🔄 Consciência de Contexto Contínua - Métodos sofisticados de recuperação focados no que importa
📊 Metadados Estruturados - Da estrutura do repositório até funções individuais
🧠 Aprendizado Adaptativo - Aprende continuamente com seus padrões de desenvolvimento
🤖 Totalmente Autônomo - Sistema de contexto autogerenciado que trabalha em segundo plano
📚 Documentação Externa - Recupera e integra automaticamente documentação relevante
📋 Integração com Workflow - Gerenciamento de tarefas integrado ao fluxo de trabalho

👀 Fique de olho 👀

O Gerador de Projetos DevContext será lançado em breve e criará uma configuração COMPLETA para seu projeto, literalmente multiplicando sua produtividade por 10.

Visite o Repositório DevContext

DevContext é um servidor Model Context Protocol (MCP) de ponta, fornecendo aos desenvolvedores consciência de contexto contínua e centrada no projeto, entendendo seu código profundamente.

Visão Geral

O Sistema de Memória Cursor10x cria uma camada de memória persistente para assistentes de IA (especificamente Claude), permitindo que eles retenham e recordem:

• Mensagens recentes e histórico de conversas
• Arquivos ativos em uso
• Marcos e decisões importantes do projeto
• Requisitos técnicos e especificações
• Sequências cronológicas de ações e eventos (episódios)
• Trechos de código e estruturas do seu código-fonte
• Conteúdo semanticamente similar baseado em embeddings vetoriais
• Fragmentos de código relacionados por similaridade semântica
• Estruturas de arquivos com relações entre funções e variáveis

Esse sistema de memória preenche a lacuna entre interações de IA sem estado e fluxos de trabalho de desenvolvimento contínuo, permitindo uma assistência mais produtiva e contextualizada.

Arquitetura do Sistema

O sistema de memória é construído sobre quatro componentes principais:

1. Servidor MCP: Implementa o Model Context Protocol para registrar ferramentas e processar requisições
2. Banco de Dados de Memória: Usa o Turso para armazenamento persistente entre sessões
3. Subsistemas de Memória: Organiza a memória em sistemas especializados com propósitos distintos
4. Embeddings Vetoriais: Transforma texto e código em representações numéricas para busca semântica

Tipos de Memória

O sistema implementa quatro tipos de memória complementares:

1. Memória de Curto Prazo (STM)

   • Armazena mensagens recentes e arquivos ativos
   • Fornece contexto imediato para interações atuais
   • Prioriza automaticamente por recência e importância

2. Memória de Longo Prazo (LTM)

   • Armazena informações permanentes do projeto, como marcos e decisões
   • Mantém contexto arquitetural e de design
   • Preserva informações de alta importância indefinidamente

3. Memória Episódica

   • Registra sequências cronológicas de eventos
   • Mantém relações causais entre ações
   • Fornece contexto temporal para o histórico do projeto

4. Memória Semântica

   • Armazena embeddings vetoriais de mensagens, arquivos e trechos de código
   • Permite recuperação de conteúdo por similaridade semântica
   • Indexa automaticamente estruturas de código para recuperação contextual
   • Rastreia relações entre componentes de código
   • Oferece busca baseada em similaridade em todo o código

Funcionalidades

• Contexto Persistente: Mantém contexto de conversas e projetos entre sessões
• Armazenamento por Importância: Prioriza informações por níveis configuráveis de importância
• Memória Multidimensional: Combina sistemas de memória de curto, longo prazo, episódica e semântica
• Recuperação Abrangente: Fornece contexto unificado de todos os subsistemas de memória
• Monitoramento de Saúde: Inclui diagnósticos e relatórios de status integrados
• Geração de Banner: Cria banners informativos para início de conversas
• Persistência em Banco de Dados: Armazena todos os dados no Turso com criação automática de schema
• Embeddings Vetoriais: Cria representações numéricas de texto e código para busca por similaridade
• Armazenamento Vetorial Avançado: Usa F32_BLOB e funções vetoriais do Turso para embeddings eficientes
• Busca ANN: Suporta busca Approximate Nearest Neighbor para matching rápido por similaridade
• Indexação de Código: Detecta e indexa automaticamente estruturas de código (funções, classes, variáveis)
• Busca Semântica: Encontra conteúdo relacionado por significado, não apenas por texto exato
• Pontuação de Relevância: Ranqueia itens de contexto por relevância à consulta atual
• Detecção de Estrutura de Código: Identifica e extrai componentes de código em várias linguagens
• Geração Automática de Embeddings: Cria embeddings automaticamente para conteúdo indexado
• Recuperação Cruzada: Encontra código relacionado em diferentes arquivos e componentes

Instalação

Pré-requisitos

• Node.js 18 ou superior
• npm ou yarn
• Conta no Turso

Passos de Configuração

1. Configurar o Banco de Dados Turso:

# Instalar CLI do Turso
curl -sSfL https://get.turso.tech/install.sh | bash

# Login no Turso
turso auth login

# Criar banco de dados
turso db create cursor10x-mcp

# Obter URL e token do banco
turso db show cursor10x-mcp --url
turso db tokens create cursor10x-mcp

Ou acesse Turso para criar o banco e obter as credenciais. O plano gratuito cobre a maioria dos projetos.

2. Configurar Cursor MCP:

Atualize o .cursor/mcp.json no seu projeto com a URL do banco e o token do Turso:

{
  "mcpServers": {
    "cursor10x-mcp": {
      "command": "npx",
      "args": ["cursor10x-mcp"],
      "enabled": true,
      "env": {
        "TURSO_DATABASE_URL": "sua-url-do-banco-turso",
        "TURSO_AUTH_TOKEN": "seu-token-turso"
      }
    }
  }
}