Agentmemory
Agentmemory è un runtime di memoria local-first, senza database esterni, per agenti di codifica che cattura automaticamente le sessioni tramite hook, richiama il contesto in millisecondi con recupero BM25+vettore+grafo della conoscenza e consolida continuamente i log grezzi in memorie semantiche durevoli, esposte tramite MCP e HTTP con un visualizzatore integrato.
https://agent-memory.dev/?ref=producthunt&utm_source=aipure
Informazioni sul Prodotto
Aggiornato:May 18, 2026
Cos'è Agentmemory
Agentmemory è un livello di memoria persistente progettato per agenti di codifica AI che altrimenti dimenticherebbero tutto tra le sessioni. Funziona localmente come un singolo processo Node (non sono richiesti Postgres/Redis/Kafka/DB vettoriali) e cattura ciò che accade durante il lavoro del tuo agente – prompt, chiamate a strumenti, eventi di sessione – in modo che le sessioni future possano riutilizzare quel contesto senza che tu debba rispiegare architettura, preferenze o decisioni passate. Supporta MCP e una superficie API HTTP-first (ogni strumento MCP ha un gemello REST), e viene fornito con un visualizzatore e una console in tempo reale in modo da poter ispezionare sessioni, memorie e stato del sistema mantenendo tutti i dati sulla tua macchina.
Caratteristiche principali di Agentmemory
Agentmemory è un runtime di memoria persistente locale e a processo singolo per agenti di codifica AI che cattura ogni sessione tramite auto-hook, consolida le osservazioni grezze in memorie semantiche durature e richiama il contesto rilevante in millisecondi utilizzando il recupero ibrido a triplo flusso (BM25 + vettoriale + grafo della conoscenza) con reranking on-device. Espone un'ampia superficie MCP (51 strumenti) con equivalenti REST (121 endpoint), include interfacce utente viewer/console integrate, supporta l'importazione di trascrizioni passate, l'esportazione in markdown/Obsidian e può sincronizzare le memorie tra i nodi tramite HTTPS autenticato, evitando database esterni come Redis/Postgres/Neo4j e mantenendo i dati su disco come JSON.
Hook di acquisizione automatica (12 hook): Registra automaticamente prompt, chiamate a strumenti, eventi del ciclo di vita della sessione (ad esempio, PreToolUse/PostToolUse/Stop) e li comprime in osservazioni senza richiedere codice "colla" personalizzato.
Richiamo ibrido in millisecondi: Utilizza il recupero a triplo flusso (BM25 lessicale + vettori semantici + segnali del grafo della conoscenza) e il reranking on-device per far emergere il contesto precedente più rilevante (riportato 95,2% R@5 su LongMemEval-S; p50 < 20ms su un laptop).
Pipeline di consolidamento (grezzo → semantico): Esegue scansioni periodiche che comprimono le osservazioni in memorie semantiche, uniscono i duplicati, eliminano le righe obsolete con punteggio di conservazione ed emettono record di audit sulle eliminazioni per la governance.
API nativa MCP + HTTP-first: Fornisce 51 strumenti MCP (salvataggio/richiamo/ricerca/sessioni/governance/audit/esportazione/grafo) e rispecchia ogni strumento con endpoint REST sotto /agentmemory/* per una facile integrazione e debug.
Interfacce utente e osservabilità integrate: Fornisce un visualizzatore in tempo reale (porta 3113) per flussi live, riproduzione di sessioni, navigazione della memoria e visualizzazione grafica, oltre a console a livello di motore e tracce/log OpenTelemetry per la visibilità operativa.
Archiviazione locale-first + federazione/esportazione: Funziona come un singolo processo Node con stato JSON su disco (nessun DB esterno), supporta l'importazione di sessioni JSONL, l'esportazione markdown pronta per Obsidian e la sincronizzazione peer-to-peer autenticata tra i nodi agentmemory.
Casi d'uso di Agentmemory
Continuità dello sviluppo software: Mantenere le convenzioni di progetto, le precedenti decisioni architetturali e i risultati di debug passati tra le sessioni di codifica in modo che agenti come Claude Code/Cursor/Codex possano riprendere il lavoro senza dover rispiegare il contesto.
Acquisizione della conoscenza del team per le organizzazioni di ingegneria: Registrare e consolidare i passaggi di risoluzione dei problemi ripetuti, i runbook e gli apprendimenti degli incidenti in memorie semantiche ricercabili, riducendo il tempo di onboarding e lo sforzo di indagine ripetuto.
Coordinamento multi-agente in build complesse: Consentire a più agenti/strumenti di condividere un livello di memoria coerente (tramite MCP/REST e federazione opzionale) in modo che le attività parallele possano fare riferimento alla stessa conoscenza del progetto in evoluzione.
Ambienti regolamentati o sensibili alla privacy: Mantenere la memoria locale su disco senza database esterni e utilizzare le superfici di audit/governance per tracciare le eliminazioni e gestire la conservazione, utile per le aziende con requisiti di località dei dati.
Produttività personale e idratazione delle note: Esportare markdown con tag frontmatter in un vault Obsidian per trasformare le interazioni dell'agente in una base di conoscenza personale navigabile con visualizzazione grafica.
Integrazione della piattaforma agente tramite API: Incorporare il salvataggio/richiamo della memoria in strumenti di sviluppo personalizzati o piattaforme interne utilizzando gli endpoint REST (compatibili con curl/browser/proxy) senza essere vincolati a un framework agente specifico.
Vantaggi
Il design locale-first, a processo singolo con 0 database esterni semplifica la distribuzione e mantiene i dati sulla macchina dello sviluppatore.
Forte superficie di integrazione: 12 auto-hook, 51 strumenti MCP e "gemelli" REST facilitano il collegamento a molti client e flussi di lavoro degli agenti.
Recupero rapido e robusto tramite BM25+vettore+grafo ibrido con reranking on-device; include visualizzatore integrato e osservabilità OTEL.
Svantaggi
L'esecuzione di tutto in un unico processo Node potrebbe richiedere un'attenta gestione delle risorse su macchine piccole, nonostante i miglioramenti di salute per i processi minuscoli.
Alcune opzioni e configurazioni del provider (ad esempio, il fallback SDK dell'agente Claude opzionale) possono introdurre rischi operativi se utilizzate in modo improprio (rischio di ricorsione notato).
Principalmente ottimizzato per i flussi di lavoro degli agenti di codifica; i domini non di codifica potrebbero richiedere un'ulteriore personalizzazione delle strategie di acquisizione/consolidamento.
Come usare Agentmemory
1) Avvia il server locale di Agentmemory: In un terminale separato, esegui: npx @agentmemory/agentmemory. Questo avvia il runtime della memoria su http://localhost:3111 e il visualizzatore in tempo reale su http://localhost:3113.
2) Verifica che il server sia integro: Controlla l'endpoint di integrità: curl http://localhost:3111/agentmemory/health. Conferma che riporti 'healthy' prima di collegare qualsiasi client.
3) Apri il visualizzatore in tempo reale (opzionale ma consigliato): Naviga su http://localhost:3113 per guardare i flussi di osservazione in tempo reale, sfogliare le memorie, riprodurre le sessioni e ispezionare il grafo della conoscenza.
4) Collega un client compatibile con MCP (configurazione MCP universale): Aggiungi una voce del server MCP nella configurazione MCP del tuo client usando: command=npx, args=["-y","@agentmemory/mcp"], e env AGENTMEMORY_URL=http://localhost:3111. Questo espone l'intera superficie degli strumenti MCP di Agentmemory al client.
5) (Hermes) Configura Agentmemory come server MCP: In ~/.hermes/config.yaml, aggiungi una voce mcp_servers per agentmemory che esegue npx con args ["-y","@agentmemory/mcp"], e imposta AGENTMEMORY_URL su http://localhost:3111 in modo che Hermes possa accedere all'intero set di strumenti di memoria.
6) (Hermes) Abilita Agentmemory come provider di memoria: Nella stessa configurazione di Hermes, imposta memory.provider su agentmemory in modo che Hermes utilizzi Agentmemory per salvare/richiamare tra le sessioni.
7) Usa gli strumenti di memoria durante il lavoro: Dal tuo client MCP, chiama gli strumenti di Agentmemory per archiviare e recuperare informazioni (ad esempio, salva decisioni/risultati chiave, quindi richiamali in seguito). Agentmemory supporta anche il richiamo intelligente/ibrido e la navigazione delle sessioni tramite la sua superficie di strumenti MCP.
8) Usa direttamente l'API REST (opzionale): Se preferisci le chiamate HTTP, usa gli endpoint REST sotto /agentmemory/* su localhost:3111 (ogni strumento MCP ha un gemello REST). Questo è utile per lo scripting, il debug o il proxy dal tuo agente.
9) Importa sessioni passate (opzionale): Se hai trascrizioni di agenti di codifica esistenti (ad esempio, JSONL), usa la capacità di importazione sessioni di Agentmemory per reidratare le sessioni precedenti nello store in modo che diventino ricercabili e riproducibili.
10) Mantieni il server in esecuzione mentre usi il tuo agente: Lascia il server Agentmemory in esecuzione in background. Mentre lavori, cattura le sessioni (tramite hook/plugin dove supportato) e le rende disponibili per un richiamo rapido nelle sessioni future.
11) (Integrazione più profonda di Hermes) Installa il plugin Hermes (opzionale): Per la cattura guidata da hook e un'integrazione più ricca (iniezione pre-contesto, cattura turni, mirroring MEMORY.md, blocco prompt di sistema), copia il plugin di integrazione Hermes dal repository agentmemory in ~/.hermes/plugins/agentmemory.
12) Conferma la cattura + il richiamo end-to-end: Esegui una breve attività nel tuo agente, quindi usa il visualizzatore (3113) o una chiamata allo strumento di richiamo/ricerca per confermare che la sessione è stata catturata e può essere recuperata in una sessione successiva senza rispiegare il contesto precedente.
FAQ di Agentmemory
agentmemory è un runtime di memoria persistente per agenti di codifica AI che cattura sessioni, richiama rapidamente il contesto rilevante e consolida le osservazioni grezze in memorie semantiche a più lunga durata. È posizionato come "lo strato di memoria che il tuo agente di codifica avrebbe dovuto avere fin dal primo giorno" e non è solo una libreria o un archivio vettoriale.
Articoli Popolari
Nano Banana SBTI: Cos'è, come funziona e come usarlo nel 2026
Apr 15, 2026
Recensione di Atoms — Il builder di prodotti AI che ridefinisce la creazione digitale nel 2026
Apr 10, 2026
Kilo Claw: Come Distribuire e Utilizzare un Vero Agente AI "Fai-da-Te" (Aggiornamento 2026)
Apr 3, 2026
OpenAI chiude l'app Sora: cosa riserva il futuro per la generazione di video AI nel 2026
Mar 25, 2026
Ultimi Strumenti AI Simili a Agentmemory
Gait
Gait è uno strumento di collaborazione che integra la generazione di codice assistita dall'IA con il controllo delle versioni, consentendo ai team di tracciare, comprendere e condividere il contesto del codice generato dall'IA in modo efficiente.
invoices.dev
invoices.dev è una piattaforma di fatturazione automatizzata che genera fatture direttamente dai commit Git dei programmatori, con capacità di integrazione per i servizi GitHub, Slack, Linear e Google.
EasyRFP
EasyRFP è un toolkit di edge computing alimentato da AI che semplifica le risposte alle RFP (Richiesta di Proposta) e consente la fenotipizzazione sul campo in tempo reale attraverso la tecnologia di deep learning.
Cart.ai
Cart.ai è una piattaforma di servizi alimentata dall'IA che fornisce soluzioni complete di automazione aziendale, tra cui codifica, gestione delle relazioni con i clienti, editing video, configurazione e-commerce e sviluppo di AI personalizzata con supporto 24/7.
Strumenti AI Popolari Come Agentmemory
GitHub Copilot Chat
GitHub Copilot Chat è un assistente di codifica alimentato dall'IA che fornisce interazioni in linguaggio naturale, suggerimenti di codice in tempo reale e supporto contestuale direttamente all'interno degli IDE supportati e di GitHub.com.
CopilotForXcode
CopilotForXcode è un'estensione dell'Editor di Codice Xcode che integra GitHub Copilot, Codeium e ChatGPT per fornire suggerimenti di codice alimentati dall'IA, assistenza in chat e funzionalità di prompt-to-code all'interno di Xcode.
BrowserAI
BrowserAI è una libreria open source che consente l'esecuzione di modelli linguistici di grandi dimensioni (LLM) locali direttamente nei browser web con accelerazione WebGPU, offrendo funzionalità di intelligenza artificiale incentrate sulla privacy senza richiedere infrastrutture server.
OpenAI Codex CLI
OpenAI Codex CLI è un agente di codifica open-source leggero che viene eseguito nel tuo terminale, consentendo agli sviluppatori di tradurre il linguaggio naturale in esecuzione di codice fornendo al contempo un ragionamento a livello di ChatGPT con la capacità di eseguire codice, manipolare file e iterare sotto controllo di versione.