Agentmemory
Agentmemory est un runtime de mémoire local-first, sans base de données externe, pour les agents de codage qui capture automatiquement les sessions via des hooks, rappelle le contexte en millisecondes avec la récupération BM25+vector+graphe de connaissances, et consolide continuellement les journaux bruts en mémoires sémantiques durables – exposées via MCP et HTTP avec une visionneuse intégrée.
https://agent-memory.dev/?ref=producthunt&utm_source=aipure
Informations sur le produit
Mis à jour:May 18, 2026
Qu'est-ce que Agentmemory
Agentmemory est une couche de mémoire persistante conçue pour les agents de codage IA qui, autrement, oublieraient tout entre les sessions. Il s'exécute localement en tant que processus Node unique (aucune base de données Postgres/Redis/Kafka/vectorielle requise) et capture ce qui se passe pendant le travail de votre agent – invites, appels d'outils, événements de session – afin que les sessions futures puissent réutiliser ce contexte sans que vous ayez à réexpliquer l'architecture, les préférences ou les décisions passées. Il prend en charge MCP et une surface d'API HTTP-first (chaque outil MCP a un jumeau REST), et est livré avec une visionneuse et une console en temps réel afin que vous puissiez inspecter les sessions, les mémoires et la santé du système tout en conservant toutes les données sur votre machine.
Caractéristiques principales de Agentmemory
Agentmemory est un moteur d'exécution de mémoire persistante local, en un seul processus, pour les agents de codage IA qui capture chaque session via des auto-hooks, consolide les observations brutes en mémoires sémantiques durables et rappelle le contexte pertinent en quelques millisecondes à l'aide d'une récupération hybride à triple flux (BM25 + vecteur + graphe de connaissances) avec reranking sur l'appareil. Il expose une large surface MCP (51 outils) avec des équivalents REST (121 points de terminaison), comprend des interfaces utilisateur de visualisation/console intégrées, prend en charge l'importation d'anciennes transcriptions, l'exportation vers markdown/Obsidian, et peut synchroniser les mémoires entre les nœuds via HTTPS authentifié – tout en évitant les bases de données externes comme Redis/Postgres/Neo4j et en conservant les données sur disque au format JSON.
Hooks de capture automatique (12 hooks): Enregistre automatiquement les invites, les appels d'outils, les événements du cycle de vie de la session (par exemple, PreToolUse/PostToolUse/Stop) et les compresse en observations sans nécessiter de code de liaison personnalisé.
Rappel hybride en millisecondes: Utilise une récupération à triple flux (BM25 lexical + vecteurs sémantiques + signaux de graphe de connaissances) et un reranking sur l'appareil pour faire remonter le contexte antérieur le plus pertinent (95,2 % R@5 rapporté sur LongMemEval-S ; p50 < 20 ms sur un ordinateur portable).
Pipeline de consolidation (brut → sémantique): Exécute des balayages périodiques qui compressent les observations en mémoires sémantiques, fusionnent les doublons, dégradent les lignes obsolètes avec un score de rétention et émettent des enregistrements d'audit sur les suppressions pour la gouvernance.
API native MCP + HTTP-first: Fournit 51 outils MCP (sauvegarde/rappel/recherche/sessions/gouvernance/audit/exportation/graphe) et reflète chaque outil avec des points de terminaison REST sous /agentmemory/* pour une intégration et un débogage faciles.
Interfaces utilisateur et observabilité intégrées: Fournit un visualiseur en temps réel (port 3113) pour les flux en direct, la relecture de session, la navigation en mémoire et la visualisation graphique, ainsi qu'une console au niveau du moteur et des traces/journaux OpenTelemetry pour une visibilité opérationnelle.
Stockage local-first + fédération/exportation: Fonctionne comme un seul processus Node avec un état JSON sur disque (pas de bases de données externes), prend en charge l'importation de sessions JSONL, l'exportation markdown prête pour Obsidian et la synchronisation peer-to-peer authentifiée entre les nœuds agentmemory.
Cas d'utilisation de Agentmemory
Continuité du développement logiciel: Pérenniser les conventions de projet, les décisions architecturales antérieures et les résultats de débogage passés à travers les sessions de codage afin que des agents comme Claude Code/Cursor/Codex puissent reprendre le travail sans réexpliquer le contexte.
Capture des connaissances d'équipe pour les organisations d'ingénierie: Enregistrer et consolider les étapes de dépannage répétées, les runbooks et les apprentissages d'incidents dans des mémoires sémantiques consultables, réduisant ainsi le temps d'intégration et les efforts d'enquête répétés.
Coordination multi-agents dans des constructions complexes: Permettre à plusieurs agents/outils de partager une couche de mémoire cohérente (via MCP/REST et fédération optionnelle) afin que les tâches parallèles puissent référencer la même connaissance de projet en évolution.
Environnements réglementés ou sensibles à la confidentialité: Conserver la mémoire localement sur disque sans bases de données externes et utiliser les surfaces d'audit/gouvernance pour suivre les suppressions et gérer la rétention – utile pour les entreprises ayant des exigences de localité des données.
Productivité personnelle et hydratation des notes: Exporter du markdown balisé en frontmatter dans un coffre-fort Obsidian pour transformer les interactions de l'agent en une base de connaissances personnelle navigable avec visualisation graphique.
Intégration de la plateforme d'agents via les API: Intégrer la sauvegarde/le rappel de la mémoire dans des outils de développement personnalisés ou des plateformes internes à l'aide des points de terminaison REST (compatibles curl/navigateur/proxy) sans être lié à un framework d'agent spécifique.
Avantages
Conception locale, en un seul processus, avec 0 bases de données externes simplifie le déploiement et conserve les données sur la machine du développeur.
Forte surface d'intégration : 12 auto-hooks, 51 outils MCP et des jumeaux REST facilitent l'intégration dans de nombreux clients et flux de travail d'agents.
Récupération rapide et robuste via un hybride BM25+vecteur+graphe avec reranking sur l'appareil ; comprend un visualiseur intégré et une observabilité OTEL.
Inconvénients
L'exécution de tout dans un seul processus Node peut nécessiter une gestion prudente des ressources sur les petites machines malgré les améliorations de santé pour les petits processus.
Certaines options et configurations de fournisseur (par exemple, le fallback optionnel du SDK de l'agent Claude) peuvent introduire des risques opérationnels en cas de mauvaise utilisation (risque de récursion noté).
Principalement optimisé pour les flux de travail des agents de codage ; les domaines non liés au codage peuvent nécessiter une adaptation supplémentaire des stratégies de capture/consolidation.
Comment utiliser Agentmemory
1) Démarrer le serveur local Agentmemory: Dans un terminal séparé, exécutez : npx @agentmemory/agentmemory. Cela démarre le runtime de la mémoire sur http://localhost:3111 et la visionneuse en temps réel sur http://localhost:3113.
2) Vérifier la santé du serveur: Vérifiez le point de terminaison de santé : curl http://localhost:3111/agentmemory/health. Confirmez qu'il signale une bonne santé avant de connecter des clients.
3) Ouvrir la visionneuse en temps réel (facultatif mais recommandé): Accédez à http://localhost:3113 pour regarder les flux d'observations en direct, parcourir les mémoires, rejouer les sessions et inspecter le graphe de connaissances.
4) Connecter un client compatible MCP (configuration MCP universelle): Ajoutez une entrée de serveur MCP dans la configuration MCP de votre client en utilisant : command=npx, args=["-y","@agentmemory/mcp"], et env AGENTMEMORY_URL=http://localhost:3111. Cela expose la surface complète des outils MCP d'Agentmemory au client.
5) (Hermes) Configurer Agentmemory comme serveur MCP: Dans ~/.hermes/config.yaml, ajoutez une entrée mcp_servers pour agentmemory qui exécute npx avec les arguments ["-y","@agentmemory/mcp"], et définissez AGENTMEMORY_URL sur http://localhost:3111 afin qu'Hermes puisse accéder à l'ensemble complet des outils de mémoire.
6) (Hermes) Activer Agentmemory comme fournisseur de mémoire: Dans la même configuration Hermes, définissez memory.provider sur agentmemory afin qu'Hermes utilise Agentmemory pour la sauvegarde/le rappel entre les sessions.
7) Utiliser les outils de mémoire pendant le travail: Depuis votre client MCP, appelez les outils Agentmemory pour stocker et récupérer des informations (par exemple, enregistrez les décisions/résultats clés, puis rappelez-les plus tard). Agentmemory prend également en charge le rappel intelligent/hybride et la navigation de session via sa surface d'outils MCP.
8) Utiliser directement l'API REST (facultatif): Si vous préférez les appels HTTP, utilisez les points de terminaison REST sous /agentmemory/* sur localhost:3111 (chaque outil MCP a un jumeau REST). Ceci est utile pour le scriptage, le débogage ou le proxy à partir de votre propre agent.
9) Importer des sessions passées (facultatif): Si vous avez des transcriptions d'agents de codage existantes (par exemple, JSONL), utilisez la capacité d'importation de session d'Agentmemory pour réhydrater les sessions antérieures dans le magasin afin qu'elles deviennent consultables et rejouables.
10) Garder le serveur en marche pendant que vous utilisez votre agent: Laissez le serveur Agentmemory fonctionner en arrière-plan. Pendant que vous travaillez, il capture les sessions (via des hooks/plugins là où c'est pris en charge) et les rend disponibles pour un rappel rapide dans les sessions futures.
11) (Intégration Hermes plus profonde) Installer le plugin Hermes (facultatif): Pour la capture basée sur des hooks et une intégration plus riche (injection de pré-contexte, capture de tour, mise en miroir MEMORY.md, bloc d'invite système), copiez le plugin d'intégration Hermes du dépôt agentmemory dans ~/.hermes/plugins/agentmemory.
12) Confirmer la capture + le rappel de bout en bout: Exécutez une courte tâche dans votre agent, puis utilisez la visionneuse (3113) ou un appel d'outil de rappel/recherche pour confirmer que la session a été capturée et peut être récupérée dans une session ultérieure sans réexpliquer le contexte antérieur.
FAQ de Agentmemory
agentmemory est un runtime de mémoire persistant pour les agents de codage IA qui capture les sessions, rappelle rapidement le contexte pertinent et consolide les observations brutes en mémoires sémantiques à plus longue durée de vie. Il est positionné comme « la couche de mémoire que votre agent de codage aurait dû avoir dès le premier jour », et n'est pas seulement une bibliothèque ou un magasin de vecteurs.
Articles populaires
Nano Banana SBTI : Qu'est-ce que c'est, comment ça marche et comment l'utiliser en 2026
Apr 15, 2026
Atoms : L'outil de création de produits IA qui redéfinit la création numérique en 2026
Apr 10, 2026
Kilo Claw : Comment déployer et utiliser un véritable agent d'IA "Faites-le pour vous" (Mise à jour 2026)
Apr 3, 2026
OpenAI arrête l'application Sora : Quel avenir pour la génération de vidéos par IA en 2026
Mar 25, 2026
Derniers outils d'IA similaires à Agentmemory
Gait
Gait est un outil de collaboration qui intègre la génération de code assistée par l'IA avec le contrôle de version, permettant aux équipes de suivre, comprendre et partager efficacement le contexte du code généré par l'IA.
invoices.dev
invoices.dev est une plateforme de facturation automatisée qui génère des factures directement à partir des commits Git des développeurs, avec des capacités d'intégration pour GitHub, Slack, Linear et les services Google.
EasyRFP
EasyRFP est un outil de calcul en périphérie alimenté par l'IA qui rationalise les réponses aux RFP (demande de proposition) et permet le phénotypage des champs en temps réel grâce à la technologie d'apprentissage profond.
Cart.ai
Cart.ai is an AI-powered service platform that provides comprehensive business automation solutions including coding, customer relations management, video editing, e-commerce setup, and custom AI development with 24/7 support.
Outils d'IA populaires comme Agentmemory
GitHub Copilot Chat
GitHub Copilot Chat est un assistant de codage alimenté par l'IA qui fournit des interactions en langage naturel, des suggestions de code en temps réel et un soutien contextuel directement dans les IDE pris en charge et sur GitHub.com.
CopilotForXcode
CopilotForXcode est une extension d'Éditeur de Source Xcode qui intègre GitHub Copilot, Codeium et ChatGPT pour fournir des suggestions de code alimentées par l'IA, une assistance par chat et une fonctionnalité de prompt-à-code au sein de Xcode.
BrowserAI
BrowserAI est une bibliothèque open source qui permet d'exécuter des grands modèles de langage (LLM) locaux directement dans les navigateurs Web avec l'accélération WebGPU, offrant des capacités d'IA axées sur la confidentialité sans nécessiter d'infrastructure de serveur.
OpenAI Codex CLI
OpenAI Codex CLI est un agent de codage open source léger qui s'exécute dans votre terminal, permettant aux développeurs de traduire le langage naturel en exécution de code tout en fournissant un raisonnement de niveau ChatGPT avec la possibilité d'exécuter du code, de manipuler des fichiers et d'itérer sous contrôle de version.