Skip to main content
Glama

wellread — другой разработчик уже искал это.

npm version License: AGPL-3.0 wellread MCP server

Следующая исследовательская задача вашего агента, вероятно, уже была решена. Wellread находит её до того, как ваш агент потратит токены на повторное открытие, а если не находит — гарантирует, что следующий разработчик тоже не понесет этих затрат.

Исследования семантического кэширования показывают, что 60–68% исследовательских запросов агентов пересекаются с предыдущими (источник). А количество живых веб-поисков, управляемых ИИ, выросло в 15 раз в 2025 году (Cloudflare). Wellread — это кэш, которого не хватало этому уровню.

Эффект накопления

Без wellread

С wellread

Шаг 1 (новая сессия)

200K токенов · 10 шагов · 67с

647 токенов · 1 шаг · 28с

Шаг 30 (~40K контекста)

1.2M токенов

647 токенов

Шаг 100 (~150K контекста)

3.5M токенов

647 токенов

Шаг 250 (~480K контекста)

11M токенов

647 токенов

Чем глубже ваша сессия, тем дороже становятся исследования — и тем больше экономит wellread.

Related MCP server: Slipstream

Проблема

  • Ваш агент исследует каждый технический вопрос с нуля. Когда он этого не делает, он галлюцинирует — устаревшие API, неверные примеры, нерабочий код.

  • Каждый шаг повторно отправляет весь разговор. К 100-му шагу вы оплатили один и тот же контекст сотню раз.

Решение

Перед тем как агент обратится к сети, wellread проверяет, что уже нашли другие разработчики.

  • Попадание → мгновенный ответ из проверенных источников. Никаких веб-поисков. Один шаг.

  • Частичное совпадение → начинает с того, что уже есть, исследует только пробелы.

  • Промах → обычное исследование, затем сохранение сводки для того, кто придет следующим.

Ваш агент не просто тратит меньше токенов. Он точнее — каждый ответ является реальным источником, проверенным, а не догадкой из устаревших обучающих данных.

Установка

npx wellread

Перезапустите редактор. Это всё.

Обновление: npx wellread@latestУдаление: npx wellread uninstall

Одиночная игра с первого дня

Вам не нужна толпа, чтобы wellread принес пользу.

Одиночная игра — ваши собственные исследования возвращаются к вам. Никаких повторных поисков между сессиями, никаких галлюцинаций из-за устаревших обучающих данных.

Многопользовательский режим — когда другой разработчик уже разобрался с миграцией Auth.js или странным взаимодействием Bun + Drizzle, вы сразу переходите к ответу. Один человек исследует, все получают выгоду.

Ранние пользователи создают сеть. Их вклад учитывается — и остается навсегда.

Актуальность

Каждая запись знает, как быстро меняется её тема:

Тип

Актуально

Перепроверка

Повторное исследование

Вневременное (TCP, основы SQL)

1 год

-

после

Стабильное (React, PostgreSQL)

6 месяцев

1 год

после

Развивающееся (Next.js, Bun)

30 дней

90 дней

после

Изменчивое (бета-версии)

7 дней

30 дней

после

Когда агент выполняет повторную проверку, таймер сбрасывается для всех.

Конфиденциальность

Шесть уровней защиты между вашим личным контекстом и общей сетью:

  1. Инструкция-хук — прежде чем что-либо покинет вашу машину, хук велит агенту очистить запрос: удалить названия проектов, ключи API, пути к файлам, учетные данные. Отправляется только общая техническая концепция.

  2. Схема поиска — описание параметров инструмента поиска усиливает: «Удалите названия проектов, ключи API, пути к файлам, учетные данные».

  3. Схема сохранения — инструмент сохранения прямо говорит: «НИКОГДА не включайте названия проектов/репозиториев/компаний, внутренние URL, пути к файлам, учетные данные, бизнес-логику. Контент ПУБЛИЧНЫЙ».

  4. URL-фильтр (сервер, жесткий отказ) — каждый источник должен начинаться с https:// или http://. Пути к файлам, идентификаторы библиотек, внутренние URL → отклоняются. Вклад не сохраняется.

  5. Обнаружение путей (сервер, жесткий отказ) — сервер сканирует контент и область поиска на наличие локальных путей (/Users/..., /home/..., file://, C:\...). Если найдены → отклоняется.

  6. По дизайну — ваш агент не пересылает ваш ввод. Он синтезирует информацию из публичных источников. Сохраняется дистиллированная сводка публичной документации, а не ваш код или разговор.

Чтобы что-то личное действительно попало к другому пользователю, агент должен был бы протащить это мимо собственных инструкций, мимо URL-фильтра, мимо регулярного выражения путей, в общую сводку — и затем кому-то нужно было бы выполнить поиск, достаточно похожий, чтобы это всплыло.

Статистика

Спросите своего агента:

«show me my wellread stats»

Посмотрите на свою экономию токенов, лучшие вклады и на то, сколько разработчиков использовали исследования, сохраненные вами.

Поддерживаемые инструменты

Работает с любым MCP-клиентом. Лучший опыт с Claude Code. Также поддерживает Cursor, Windsurf, Gemini CLI, VS Code, OpenCode.

Ссылки

Лицензия

AGPL-3.0

Install Server
A
license - permissive license
A
quality
D
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    -
    quality
    C
    maintenance
    Hosted shared knowledge base for AI agents. Store, search, and retrieve structured knowledge using semantic search. Agents contribute to a growing collective intelligence that compounds over time. No install — just a URL.
    Last updated
    MIT
  • F
    license
    -
    quality
    A
    maintenance
    A shared distillation cache for AI agents — clean-crawl a URL once, distill it to token-optimal markdown, and serve it content-addressed across every agent (~73–89% fewer tokens). Includes a collective-notes layer and cutoff-aware change detection.
    Last updated
  • A
    license
    -
    quality
    B
    maintenance
    DescriptiShared knowledge cache for AI agents — cache-first search saves tokens and avoids redundant web searches. Cross-agent deduplication with trust scoring. Human Bridge for blocked/paywalled content. MCP-native (FastMCP), ChromaDB-backed. 3 tools: agenthive_search, agenthive_contribute, agenthive_stats.
    Last updated
    MIT
  • A
    license
    -
    quality
    B
    maintenance
    Local-first, multi-user shared memory for AI agents with semantic search, offline support, and team synchronization.
    Last updated
    MIT

View all related MCP servers

Related MCP Connectors

  • Shared knowledge base for AI agents. Semantic search across agents, no setup required — just a URL.

  • Shared distillation cache for AI agents — every fetch ~73-89% fewer tokens via a shared cache.

  • Universal memory for AI agents and tools. Save, organize and search context anywhere.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/mnlt/wellread'

If you have feedback or need assistance with the MCP directory API, please join our Discord server