Agentmemory
Agentmemory é um tempo de execução de memória local-first, sem banco de dados externo, para agentes de codificação que captura automaticamente sessões via hooks, recupera contexto em milissegundos com recuperação BM25+vetor+grafo de conhecimento e consolida continuamente logs brutos em memórias semânticas duráveis – exposto via MCP e HTTP com um visualizador integrado.
https://agent-memory.dev/?ref=producthunt&utm_source=aipure
Informações do Produto
Atualizado:May 18, 2026
O que é Agentmemory
Agentmemory é uma camada de memória persistente projetada para agentes de codificação de IA que, de outra forma, esqueceriam tudo entre as sessões. Ele é executado localmente como um único processo Node (não requer Postgres/Redis/Kafka/vetor DB) e captura o que acontece durante o trabalho do seu agente – prompts, chamadas de ferramentas, eventos de sessão – para que sessões futuras possam reutilizar esse contexto sem que você precise reexplicar arquitetura, preferências ou decisões passadas. Ele suporta MCP e uma superfície de API HTTP-first (cada ferramenta MCP tem um gêmeo REST), e vem com um visualizador e console em tempo real para que você possa inspecionar sessões, memórias e a saúde do sistema, mantendo todos os dados em sua máquina.
Principais Recursos do Agentmemory
Agentmemory é um tempo de execução de memória persistente local-first, de processo único para agentes de codificação de IA que captura cada sessão via auto-hooks, consolida observações brutas em memórias semânticas duráveis e recupera contexto relevante em milissegundos usando recuperação híbrida de fluxo triplo (BM25 + vetor + grafo de conhecimento) com reranking no dispositivo. Ele expõe uma ampla superfície MCP (51 ferramentas) com equivalentes REST (121 endpoints), inclui UIs de visualizador/console integradas, suporta a importação de transcrições passadas, exportação para markdown/Obsidian e pode sincronizar memórias entre nós via HTTPS autenticado – enquanto evita bancos de dados externos como Redis/Postgres/Neo4j e mantém os dados em disco como JSON.
Hooks de autocaptura (12 hooks): Registra automaticamente prompts, chamadas de ferramentas, eventos de ciclo de vida da sessão (por exemplo, PreToolUse/PostToolUse/Stop) e os compacta em observações sem exigir código de cola personalizado.
Recuperação híbrida em milissegundos: Usa recuperação de fluxo triplo (BM25 lexical + vetores semânticos + sinais de grafo de conhecimento) e reranking no dispositivo para apresentar o contexto anterior mais relevante (relatado 95,2% R@5 no LongMemEval-S; p50 < 20ms em um laptop).
Pipeline de consolidação (bruto → semântico): Executa varreduras periódicas que compactam observações em memórias semânticas, mesclam duplicatas, decaem linhas obsoletas com pontuação de retenção e emitem registros de auditoria sobre exclusões para governança.
API nativa MCP + HTTP-first: Fornece 51 ferramentas MCP (salvar/recuperar/pesquisar/sessões/governança/auditoria/exportar/grafo) e espelha cada ferramenta com endpoints REST em /agentmemory/* para fácil integração e depuração.
UIs integradas e observabilidade: Inclui um visualizador em tempo real (porta 3113) para streams ao vivo, reprodução de sessão, navegação de memória e visualização de grafo, além de console em nível de motor e rastreamentos/logs OpenTelemetry para visibilidade operacional.
Armazenamento local-first + federação/exportação: Executa como um único processo Node com estado JSON em disco (sem DBs externos), suporta importação de sessão JSONL, exportação de markdown pronta para Obsidian e sincronização ponto a ponto autenticada entre nós agentmemory.
Casos de Uso do Agentmemory
Continuidade do desenvolvimento de software: Persistir convenções de projeto, decisões arquitetônicas anteriores e resultados de depuração passados em sessões de codificação para que agentes como Claude Code/Cursor/Codex possam retomar o trabalho sem reexplicar o contexto.
Captura de conhecimento da equipe para organizações de engenharia: Registrar e consolidar etapas de solução de problemas repetidas, runbooks e aprendizados de incidentes em memórias semânticas pesquisáveis, reduzindo o tempo de integração e o esforço de investigação repetido.
Coordenação multiagente em construções complexas: Permitir que múltiplos agentes/ferramentas compartilhem uma camada de memória consistente (via MCP/REST e federação opcional) para que tarefas paralelas possam referenciar o mesmo conhecimento de projeto em evolução.
Ambientes regulamentados ou sensíveis à privacidade: Manter a memória local em disco sem bancos de dados externos e usar superfícies de auditoria/governança para rastrear exclusões e gerenciar a retenção – útil para empresas com requisitos de localidade de dados.
Produtividade pessoal e hidratação de notas: Exportar markdown com tags frontmatter para um vault Obsidian para transformar interações de agentes em uma base de conhecimento pessoal navegável com visualização de grafo.
Integração de plataforma de agente via APIs: Incorporar salvamento/recuperação de memória em ferramentas de desenvolvedor personalizadas ou plataformas internas usando os endpoints REST (compatíveis com curl/navegador/proxy) sem ficar preso a uma estrutura de agente específica.
Vantagens
Design local-first, de processo único, com 0 bancos de dados externos, simplifica a implantação e mantém os dados na máquina do desenvolvedor.
Forte superfície de integração: 12 auto-hooks, 51 ferramentas MCP e equivalentes REST facilitam a conexão com muitos clientes e fluxos de trabalho de agentes.
Recuperação rápida e robusta via BM25+vetor+grafo híbrido com reranking no dispositivo; inclui visualizador integrado e observabilidade OTEL.
Desvantagens
Executar tudo em um único processo Node pode exigir gerenciamento cuidadoso de recursos em máquinas pequenas, apesar das melhorias de saúde para processos minúsculos.
Algumas opções e configurações de provedor (por exemplo, fallback opcional do SDK do agente Claude) podem introduzir riscos operacionais se mal utilizadas (risco de recursão observado).
Otimizado principalmente para fluxos de trabalho de agentes de codificação; domínios não-codificação podem precisar de adaptação adicional das estratégias de captura/consolidação.
Como Usar o Agentmemory
1) Inicie o servidor local do Agentmemory: Em um terminal separado, execute: npx @agentmemory/agentmemory. Isso inicia o tempo de execução da memória em http://localhost:3111 e o visualizador em tempo real em http://localhost:3113.
2) Verifique se o servidor está íntegro: Verifique o endpoint de saúde: curl http://localhost:3111/agentmemory/health. Confirme se ele relata estar íntegro antes de conectar qualquer cliente.
3) Abra o visualizador em tempo real (opcional, mas recomendado): Navegue até http://localhost:3113 para assistir a fluxos de observação ao vivo, navegar por memórias, reproduzir sessões e inspecionar o grafo de conhecimento.
4) Conecte um cliente compatível com MCP (configuração MCP universal): Adicione uma entrada de servidor MCP na configuração MCP do seu cliente usando: command=npx, args=["-y","@agentmemory/mcp"], e env AGENTMEMORY_URL=http://localhost:3111. Isso expõe toda a superfície da ferramenta MCP do Agentmemory ao cliente.
5) (Hermes) Configure o Agentmemory como um servidor MCP: Em ~/.hermes/config.yaml, adicione uma entrada mcp_servers para agentmemory que executa npx com args ["-y","@agentmemory/mcp"], e defina AGENTMEMORY_URL como http://localhost:3111 para que o Hermes possa acessar o conjunto completo de ferramentas de memória.
6) (Hermes) Habilite o Agentmemory como provedor de memória: Na mesma configuração do Hermes, defina memory.provider como agentmemory para que o Hermes use o Agentmemory para salvar/recuperar entre as sessões.
7) Use ferramentas de memória durante o trabalho: Do seu cliente MCP, chame as ferramentas do Agentmemory para armazenar e recuperar informações (por exemplo, salve decisões/resultados importantes e depois os recupere). O Agentmemory também suporta recuperação inteligente/híbrida e navegação de sessão através de sua superfície de ferramenta MCP.
8) Use a API REST diretamente (opcional): Se você preferir chamadas HTTP, use os endpoints REST em /agentmemory/* em localhost:3111 (cada ferramenta MCP tem um gêmeo REST). Isso é útil para scripting, depuração ou proxy do seu próprio agente.
9) Importar sessões passadas (opcional): Se você tiver transcrições de agentes de codificação existentes (por exemplo, JSONL), use o recurso de importação de sessão do Agentmemory para reidratar sessões anteriores no armazenamento para que se tornem pesquisáveis e reproduzíveis.
10) Mantenha o servidor em execução enquanto você usa seu agente: Deixe o servidor Agentmemory em execução em segundo plano. Enquanto você trabalha, ele captura sessões (via hooks/plugins onde suportado) e as disponibiliza para recuperação rápida em sessões futuras.
11) (Integração mais profunda com Hermes) Instale o plugin Hermes (opcional): Para captura orientada por hook e integração mais rica (injeção de pré-contexto, captura de turno, espelhamento MEMORY.md, bloco de prompt do sistema), copie o plugin de integração Hermes do repositório agentmemory para ~/.hermes/plugins/agentmemory.
12) Confirme a captura + recuperação de ponta a ponta: Execute uma tarefa curta em seu agente e, em seguida, use o visualizador (3113) ou uma chamada de ferramenta de recuperação/pesquisa para confirmar que a sessão foi capturada e pode ser recuperada em uma sessão posterior sem reexplicar o contexto anterior.
Perguntas Frequentes do Agentmemory
agentmemory é um tempo de execução de memória persistente para agentes de codificação de IA que captura sessões, recupera rapidamente o contexto relevante e consolida observações brutas em memórias semânticas de vida mais longa. Ele é posicionado como “a camada de memória que seu agente de codificação deveria ter tido desde o primeiro dia” e não é apenas uma biblioteca ou um armazenamento de vetor.
Artigos Populares
Nano Banana SBTI: O Que É, Como Funciona e Como Usá-lo em 2026
Apr 15, 2026
Análise do Atoms — O Construtor de Produtos de IA Redefinindo a Criação Digital em 2026
Apr 10, 2026
Kilo Claw: Como Implementar e Usar um Verdadeiro Agente de IA "Faça Você Mesmo" (Atualização de 2026)
Apr 3, 2026
OpenAI Encerra o Aplicativo Sora: O Que o Futuro Reserva para a Geração de Vídeo por IA em 2026
Mar 25, 2026
Ferramentas de IA Mais Recentes Semelhantes a Agentmemory
Gait
O Gait é uma ferramenta de colaboração que integra a geração de código assistida por IA com controle de versão, permitindo que as equipes rastreiem, entendam e compartilhem o contexto do código gerado por IA de forma eficiente.
invoices.dev
invoices.dev é uma plataforma de faturamento automatizada que gera faturas diretamente dos commits do Git dos desenvolvedores, com capacidades de integração para GitHub, Slack, Linear e serviços do Google.
EasyRFP
EasyRFP é um kit de ferramentas de computação de borda alimentado por IA que agiliza as respostas a RFP (Pedido de Proposta) e possibilita fenotipagem de campo em tempo real por meio de tecnologia de aprendizado profundo.
Cart.ai
O Cart.ai é uma plataforma de serviços impulsionada por IA que fornece soluções abrangentes de automação de negócios, incluindo codificação, gerenciamento de relações com clientes, edição de vídeo, configuração de e-commerce e desenvolvimento de IA personalizado com suporte 24/7.
Ferramentas de IA Populares Como Agentmemory
GitHub Copilot Chat
O GitHub Copilot Chat é um assistente de codificação alimentado por IA que fornece interações em linguagem natural, sugestões de código em tempo real e suporte contextual diretamente dentro de IDEs suportadas e GitHub.com.
CopilotForXcode
O CopilotForXcode é uma Extensão do Editor de Código do Xcode que integra GitHub Copilot, Codeium e ChatGPT para fornecer sugestões de código impulsionadas por IA, assistência por chat e funcionalidade de prompt-para-código dentro do Xcode.
BrowserAI
BrowserAI é uma biblioteca de código aberto que permite executar Modelos de Linguagem Grandes (LLMs) locais diretamente em navegadores da web com aceleração WebGPU, oferecendo recursos de IA focados na privacidade sem exigir infraestrutura de servidor.
OpenAI Codex CLI
OpenAI Codex CLI é um agente de codificação leve e de código aberto que é executado no seu terminal, permitindo que os desenvolvedores traduzam linguagem natural em execução de código, ao mesmo tempo em que fornece raciocínio em nível de ChatGPT com a capacidade de executar código, manipular arquivos e iterar sob controle de versão.