Kimono, pour habiller votre pratique de l'AI-KIDO.

Donnez une référence commune à vos assistants

Rendez la méthode et les connaissances AI-KIDO accessibles aux clients MCP comme VS Code et Claude Code. Commencez en lecture seule, testez sur votre machine, puis choisissez comment partager la base.

Kimono : une base de connaissances, des assistants connectés

Kimono expose une racine de connaissances AI-KIDO via le Model Context Protocol (MCP). Les humains utilisant un client MCP et les agents connectés peuvent retrouver les mêmes documents, commandes, agents/personas, skills et workflows, les rechercher et agir sur un projet autorisé. Utilisez-le de façon autonome ou comme brique d'une plateforme telle que Tatami.

Un serveur de connaissances, pas un assistant autonome. Kimono n'embarque ni chat ni LLM : activate / execute renvoient des instructions que le client applique avec ses propres outils et approbations. Ce n'est pas une plateforme multi-tenant dans un processus unique.

Le partage a ses limites. Tous les détenteurs du jeton d'une instance ont les mêmes droits. Plusieurs appels ne forment pas une transaction et l'accès Git n'est pas une sandbox. Ne partagez jamais un cache entre processus indépendants ; séparez aussi les clones pour isoler les écritures. Un accès HTTP distant exige TLS et un reverse proxy avec autorisation.

1. Récupérer Kimono sur GitHub

Ouvrez un terminal avec Git installé. Ces commandes créent un nouveau clone ; choisissez un dossier qui ne contient pas déjà un clone de Kimono.

git clone https://github.com/lcalmejane/kimono-mcp-server.git
cd kimono-mcp-server

Choisissez ensuite Docker Compose pour le runtime et le modèle d'embedding inclus, ou le mode stdio natif pour une connexion dédiée à un client. GitHub héberge les sources ; GitHub Pages ne peut pas exécuter ce serveur MCP.

2B. Tester localement en stdio natif

Alternative à Docker : Node.js 24+, npm, Git et Rust/Cargo sont nécessaires. Ce parcours démarre avec la recherche littérale/regex. La recherche sémantique native exige aussi le helper, les fichiers du modèle et la bibliothèque ONNX de la configuration sémantique officielle ; Docker les inclut.

cargo install fast-grep --version 0.5.0 --locked
npm ci
npm run build
node dist/cli.js init --root /absolute/path/to/aikido --ref main

Remplacez /absolute/path/to/aikido par un nouveau chemin absolu d'installation. La dernière commande clone la base officielle ; pour une base existante, sautez-la. Le binaire de recherche s'appelle fgr et doit être dans le PATH du client.

Fusionnez cette entrée dans .vscode/mcp.json de VS Code, en remplaçant les deux chemins absolus :

{
  "servers": {
    "kimono": {
      "type": "stdio",
      "command": "node",
      "args": ["/absolute/path/to/kimono-mcp-server/dist/cli.js",
               "serve", "--root", "/absolute/path/to/aikido"]
    }
  }
}

Le client lance lui-même le processus. Cette configuration stdio n'utilise ni port HTTP ni jeton Bearer. Lancer séparément la commande depuis plusieurs clients crée plusieurs processus, pas des sessions d'un serveur HTTP commun ; ne partagez jamais un cache entre processus indépendants. Préférez HTTP pour une racine partagée.

Commencer simplement. Garder des limites claires.

Si le premier démarrage échoue

• Connexion refusée : vérifiez que Docker tourne, docker compose ps, le port publié et les logs du serveur.
• Erreur d'authentification : vérifiez que le jeton Bearer du client correspond à MCP_AUTH_TOKEN.
• Racine indisponible : vérifiez le résultat de l'installation, le chemin configuré, le fichier d'entrée et les permissions pour l'UID 1000.
• Premier appel sémantique lent : prévoyez un délai client suffisant et consultez le statut de l'index ; en natif, installez les prérequis sémantiques supplémentaires.