Agentmemory
Agentmemory - это локальная среда выполнения памяти без внешних баз данных для агентов кодирования, которая автоматически захватывает сессии через хуки, вызывает контекст за миллисекунды с помощью BM25+векторного+графового поиска знаний и непрерывно объединяет необработанные журналы в постоянные семантические воспоминания, предоставляемые через MCP и HTTP со встроенным просмотрщиком.
https://agent-memory.dev/?ref=producthunt&utm_source=aipure
Информация о продукте
Обновлено:18/05/2026
Что такое Agentmemory
Agentmemory - это постоянный слой памяти, разработанный для AI-агентов кодирования, которые в противном случае забывали бы все между сессиями. Он работает локально как единый процесс Node (не требуются Postgres/Redis/Kafka/векторные БД) и фиксирует то, что происходит во время работы вашего агента - подсказки, вызовы инструментов, события сессии - чтобы будущие сессии могли повторно использовать этот контекст без повторного объяснения архитектуры, предпочтений или прошлых решений. Он поддерживает MCP и HTTP-ориентированный API (каждый инструмент MCP имеет REST-аналог), а также поставляется с просмотрщиком в реальном времени и консолью, чтобы вы могли проверять сессии, воспоминания и состояние системы, сохраняя при этом все данные на вашей машине.
Ключевые особенности Agentmemory
Agentmemory — это локальная, однопроцессная среда выполнения постоянной памяти для агентов кодирования ИИ, которая фиксирует каждый сеанс с помощью авто-хуков, консолидирует необработанные наблюдения в долговечные семантические воспоминания и извлекает соответствующий контекст за миллисекунды, используя гибридный трехпоточный поиск (BM25 + вектор + граф знаний) с переранжированием на устройстве. Она предоставляет широкую поверхность MCP (51 инструмент) с эквивалентами REST (121 конечная точка), включает встроенные пользовательские интерфейсы просмотра/консоли, поддерживает импорт прошлых стенограмм, экспорт в markdown/Obsidian и может синхронизировать воспоминания между узлами по аутентифицированному HTTPS — избегая при этом внешних баз данных, таких как Redis/Postgres/Neo4j, и сохраняя данные на диске в формате JSON.
Автоматические хуки захвата (12 хуков): Автоматически записывает подсказки, вызовы инструментов, события жизненного цикла сеанса (например, PreToolUse/PostToolUse/Stop) и сжимает их в наблюдения, не требуя пользовательского связующего кода.
Гибридный вызов за миллисекунды: Использует трехпоточный поиск (лексический BM25 + семантические векторы + сигналы графа знаний) и переранжирование на устройстве для вывода наиболее релевантного предыдущего контекста (сообщается 95,2% R@5 на LongMemEval-S; p50 < 20 мс на ноутбуке).
Консолидационный конвейер (сырые данные → семантические): Выполняет периодические проверки, которые сжимают наблюдения в семантические воспоминания, объединяют дубликаты, отбрасывают устаревшие строки с оценкой срока хранения и выдают записи аудита об удалениях для управления.
MCP-нативный + HTTP-первый API: Предоставляет 51 инструмент MCP (сохранение/вызов/поиск/сессии/управление/аудит/экспорт/граф) и дублирует каждый инструмент конечными точками REST в /agentmemory/* для легкой интеграции и отладки.
Встроенные пользовательские интерфейсы и наблюдаемость: Поставляется с просмотрщиком в реальном времени (порт 3113) для живых потоков, воспроизведения сеансов, просмотра памяти и визуализации графов, а также с консолью на уровне движка и трассировками/журналами OpenTelemetry для оперативной видимости.
Локальное хранилище + федерация/экспорт: Работает как единый процесс Node с состоянием JSON на диске (без внешних БД), поддерживает импорт сеансов JSONL, экспорт markdown, готовый для Obsidian, и аутентифицированную одноранговую синхронизацию между узлами agentmemory.
Варианты использования Agentmemory
Непрерывность разработки программного обеспечения: Сохраняйте проектные соглашения, предыдущие архитектурные решения и результаты отладки между сеансами кодирования, чтобы такие агенты, как Claude Code/Cursor/Codex, могли продолжать работу без повторного объяснения контекста.
Сбор знаний команды для инженерных организаций: Записывайте и консолидируйте повторяющиеся шаги по устранению неполадок, руководства и уроки инцидентов в доступные для поиска семантические воспоминания, сокращая время адаптации и повторяющиеся усилия по расследованию.
Многоагентная координация в сложных сборках: Позволяет нескольким агентам/инструментам совместно использовать согласованный уровень памяти (через MCP/REST и опциональную федерацию), чтобы параллельные задачи могли ссылаться на одни и те же развивающиеся проектные знания.
Регулируемые или конфиденциальные среды: Храните память локально на диске без внешних баз данных и используйте поверхности аудита/управления для отслеживания удалений и управления сроками хранения — полезно для предприятий с требованиями к локализации данных.
Личная продуктивность и наполнение заметок: Экспортируйте markdown с тегами frontmatter в хранилище Obsidian, чтобы превратить взаимодействия агентов в навигационную личную базу знаний с визуализацией графов.
Интеграция платформы агентов через API: Встраивайте сохранение/вызов памяти в пользовательские инструменты разработчика или внутренние платформы, используя конечные точки REST (удобные для curl/браузера/прокси), не привязываясь к конкретной платформе агентов.
Преимущества
Локальная, однопроцессная архитектура без внешних баз данных упрощает развертывание и сохраняет данные на машине разработчика.
Широкая поверхность интеграции: 12 авто-хуков, 51 инструмент MCP и REST-двойники упрощают подключение ко многим клиентским агентам и рабочим процессам.
Быстрый и надежный поиск с помощью гибридного BM25+вектор+граф с переранжированием на устройстве; включает встроенный просмотрщик и наблюдаемость OTEL.
Недостатки
Запуск всего в одном процессе Node может потребовать тщательного управления ресурсами на небольших машинах, несмотря на улучшения производительности для крошечных процессов.
Некоторые параметры и конфигурации провайдера (например, опциональный резервный SDK агента Claude) могут создавать операционные риски при неправильном использовании (отмечен риск рекурсии).
В основном оптимизирован для рабочих процессов агентов кодирования; не связанные с кодированием области могут потребовать дополнительной настройки стратегий захвата/консолидации.
Как использовать Agentmemory
1) Запустите локальный сервер Agentmemory: В отдельном терминале выполните: npx @agentmemory/agentmemory. Это запустит среду выполнения памяти на http://localhost:3111 и просмотрщик в реальном времени на http://localhost:3113.
2) Убедитесь, что сервер исправен: Проверьте конечную точку работоспособности: curl http://localhost:3111/agentmemory/health. Убедитесь, что она сообщает о работоспособности, прежде чем подключать какие-либо клиенты.
3) Откройте просмотрщик в реальном времени (необязательно, но рекомендуется): Перейдите по адресу http://localhost:3113, чтобы просматривать потоки наблюдений в реальном времени, просматривать воспоминания, воспроизводить сессии и исследовать граф знаний.
4) Подключите клиент, поддерживающий MCP (универсальная конфигурация MCP): Добавьте запись сервера MCP в конфигурацию MCP вашего клиента, используя: command=npx, args=["-y","@agentmemory/mcp"], и env AGENTMEMORY_URL=http://localhost:3111. Это предоставляет клиенту полный набор инструментов MCP Agentmemory.
5) (Hermes) Настройте Agentmemory как сервер MCP: В ~/.hermes/config.yaml добавьте запись mcp_servers для agentmemory, которая запускает npx с аргументами ["-y","@agentmemory/mcp"], и установите AGENTMEMORY_URL на http://localhost:3111, чтобы Hermes мог получить доступ ко всему набору инструментов памяти.
6) (Hermes) Включите Agentmemory в качестве поставщика памяти: В той же конфигурации Hermes установите memory.provider на agentmemory, чтобы Hermes использовал Agentmemory для сохранения/вызова между сессиями.
7) Используйте инструменты памяти во время работы: Из вашего клиента MCP вызывайте инструменты Agentmemory для хранения и извлечения информации (например, сохраняйте ключевые решения/результаты, а затем вызывайте их позже). Agentmemory также поддерживает интеллектуальный/гибридный вызов и просмотр сессий через свой интерфейс инструментов MCP.
8) Используйте REST API напрямую (необязательно): Если вы предпочитаете HTTP-вызовы, используйте конечные точки REST в разделе /agentmemory/* на localhost:3111 (каждый инструмент MCP имеет REST-аналог). Это полезно для написания сценариев, отладки или проксирования от вашего собственного агента.
9) Импортируйте прошлые сессии (необязательно): Если у вас есть существующие записи агента кодирования (например, JSONL), используйте функцию импорта сессий Agentmemory для восстановления предыдущих сессий в хранилище, чтобы они стали доступными для поиска и воспроизведения.
10) Держите сервер запущенным, пока вы используете своего агента: Оставьте сервер Agentmemory работающим в фоновом режиме. Во время вашей работы он фиксирует сессии (через хуки/плагины, где поддерживается) и делает их доступными для быстрого вызова в будущих сессиях.
11) (Более глубокая интеграция Hermes) Установите плагин Hermes (необязательно): Для захвата, управляемого хуками, и более глубокой интеграции (внедрение предварительного контекста, захват поворотов, зеркалирование MEMORY.md, блок системных подсказок) скопируйте плагин интеграции Hermes из репозитория agentmemory в ~/.hermes/plugins/agentmemory.
12) Подтвердите захват + вызов "от начала до конца": Выполните короткую задачу в вашем агенте, затем используйте просмотрщик (3113) или вызов инструмента вызова/поиска, чтобы убедиться, что сессия была захвачена и может быть извлечена в последующей сессии без повторного объяснения предыдущего контекста.
Часто задаваемые вопросы о Agentmemory
agentmemory — это среда выполнения постоянной памяти для агентов кодирования ИИ, которая фиксирует сеансы, быстро извлекает соответствующий контекст и объединяет необработанные наблюдения в более долговечные семантические воспоминания. Он позиционируется как «слой памяти, который ваш агент кодирования должен был иметь с первого дня», и не является просто библиотекой или векторным хранилищем.
Популярные статьи
Nano Banana SBTI: Что это такое, как это работает и как это использовать в 2026 году
Apr 15, 2026
Обзор Atoms — AI Product Builder, переопределяющий цифровое творчество в 2026 году
Apr 10, 2026
Kilo Claw: Как развернуть и использовать настоящего AI-агента "Сделай-Это-За-Вас" (Обновление 2026)
Apr 3, 2026
OpenAI закрывает приложение Sora: что ждет будущее генерации AI-видео в 2026 году
Mar 25, 2026
Последние ИИ-инструменты, похожие на Agentmemory
Gait
Gait — это инструмент для сотрудничества, который интегрирует генерацию кода с поддержкой ИИ с системой контроля версий, позволяя командам эффективно отслеживать, понимать и делиться контекстом кода, сгенерированного ИИ.
invoices.dev
invoices.dev - это автоматизированная платформа для выставления счетов, которая генерирует счета напрямую из коммитов Git разработчиков, с возможностями интеграции с GitHub, Slack, Linear и Google-услугами.
EasyRFP
EasyRFP — это ИИ-технология для вычислений на краю, которая упрощает ответы на RFP (запросы предложений) и позволяет проводить реальное время полевой фенотипизации с использованием технологий глубокого обучения.
Cart.ai
Cart.ai — это платформа на основе ИИ, предоставляющая комплексные решения для автоматизации бизнеса, включая программирование, управление отношениями с клиентами, редактирование видео, настройку электронной коммерции и разработку пользовательских решений на основе ИИ с поддержкой 24/7.
Популярные ИИ-инструменты, похожие на Agentmemory
GitHub Copilot Chat
GitHub Copilot Chat — это помощник по кодированию на базе искусственного интеллекта, который обеспечивает взаимодействия на естественном языке, реальные предложения кода и контекстную поддержку непосредственно в поддерживаемых IDE и на GitHub.com.
CopilotForXcode
CopilotForXcode — это расширение редактора исходного кода Xcode, которое интегрирует GitHub Copilot, Codeium и ChatGPT для предоставления предложений по коду на основе искусственного интеллекта, чат-помощи и функциональности prompt-to-code в Xcode.
BrowserAI
BrowserAI — это библиотека с открытым исходным кодом, которая позволяет запускать локальные большие языковые модели (LLM) непосредственно в веб-браузерах с ускорением WebGPU, предлагая возможности ИИ, ориентированные на конфиденциальность, без необходимости в серверной инфраструктуре.
OpenAI Codex CLI
OpenAI Codex CLI - это легкий агент для кодирования с открытым исходным кодом, который работает в вашем терминале, позволяя разработчикам переводить естественный язык в выполнение кода, обеспечивая при этом рассуждения на уровне ChatGPT с возможностью запуска кода, манипулирования файлами и итерации под контролем версий.