agentmemory

Что такое agentmemory?

agentmemory — это локальный «слой памяти» для ИИ-агентов в кодинге, который фиксирует активность сессии агента и обеспечивает быстрый recall для последующих шагов. Работает на вашей машине как единый Node-процесс и хранит состояние на диске в формате JSON, без внешних баз данных.

Система захватывает вызовы инструментов и промпты через хуки автофиксации, консолидирует сырые наблюдения в семантические воспоминания и предоставляет retrieval через гибридный конвейер (BM25 + вектор + граф знаний) с переранжированием на устройстве.

Ключевые возможности

• Локальный запуск с состоянием JSON на диске (без внешних баз данных): Работает как один Node-процесс и сохраняет данные на диск в формате JSON; не требует Redis, Kafka, Postgres, Qdrant или Neo4j.
• Хуки автофиксации для активности агента: PreToolUse, PostToolUse, SessionStart, Stop и другие события передаются в конвейер памяти без дополнительного кода после установки.
• Гибридный retrieval с переранжированием на устройстве: Трёхпоточный recall объединяет сигналы BM25, вектора и графа знаний и переранжирует результаты на устройстве (на странице указан «P50 under 20ms на ноутбуке»).
• Автоконсолидация и политика удержания: Ежечасные проходы консолидируют сырые наблюдения为 семантические воспоминания, объединяют дубликаты, удаляют устаревшие записи с помощью оценки удержания и генерируют пакетные строки аудита при удалении элементов.
• MCP-сервер с определённым набором инструментов: Выставляет MCP-инструменты, такие как memory_save, memory_recall, memory_smart_search, memory_sessions, governance, audit и export, а также REST-версию для каждого MCP-инструмента под /agentmemory/*.
• Воспроизведение сессий через импорт JSONL: Реанимирует сессию из JSONL-транскрипта Claude Code, включая наблюдения, использование инструментов и timeline, в хранилище.
• Сжатие и запросы к графу знаний: Извлекает сущности и отношения при сжатии; поддерживает запросы к графу через /agentmemory/graph и визуализацию в просмотрщике.
• Федерированная синхронизация между узлами (authenticated HTTPS): Push/pull обмен памятью между узлами agentmemory с аутентификацией bearer-token; на странице явно указано «no silent syncs».
• Локальный просмотрщик и вывод observability: Предоставляет просмотрщик потока наблюдений (port 3113) и логи/трассировки через «OTEL observability worker» (OTLP-экспорт для tracing-бэкендов, таких как Jaeger/Honeycomb/Tempo, упомянутых на странице).

Как использовать agentmemory

1. Установить один раз: Запустить npm install -g @agentmemory/agentmemory для добавления agentmemory в PATH.
2. Запустить сервер: Запустить agentmemory (сервер работает на :3111, просмотрщик на :3113).
3. Проверить локально: Открыть http://localhost:3113 для просмотра потока наблюдений и дашбордов.
4. Подключить агент через MCP: Настроить агент для использования MCP JSON-конфигурации agentmemory (на сайте указано «one MCP JSON fits almost everything»).
5. **При

FAQ

• Требуется ли agentmemory внешняя база данных (например, Postgres или Qdrant)? Нет. На странице указано «ZERO EXTERNAL DATABASES», а система описана как единый процесс, где состояние хранится на диске в формате JSON.

• Как получить доступ к инструментам сохранения и извлечения памяти? agentmemory предоставляет MCP-сервер с инструментами, такими как memory_save и memory_recall. На странице также указаны REST-эндпоинты для каждого инструмента по пути /agentmemory/*.

• Где можно увидеть, что захватывает сервер? Вьюер автоматически запускается на порту 3113 и показывает поток live-наблюдений, проводник сессий, браузер памяти, визуализацию графа знаний и дашборд состояния.

• Можно ли импортировать существующие транскрипты кода? Да. На странице описан workflow импорта JSONL-сессий, который принимает JSONL-транскрипт Claude Code и восстанавливает наблюдения, вызовы инструментов и таймлайн.

• Поддерживает ли agentmemory перенос данных памяти между машинами? На странице описана peer-to-peer синхронизация по аутентифицированному HTTPS с требованиями bearer-токена (без скрытой синхронизации).

Альтернативы

• Универсальные векторные базы данных + собственный слой памяти агента: Можно хранить эмбеддинги и реализовывать поиск, но придётся самостоятельно заниматься оркестрацией, консолидацией, хуками и обработкой сессий/таймлайна — в отличие от описанного в agentmemory авто-захвата + MCP/REST-интерфейса.
• Локальные инструменты для хранения истории кода (системы в стиле заметок/графа): Инструменты, индексирующие документы и предоставляющие поиск/графические представления, могут помочь с извлечением, но они не всегда напрямую захватывают вызовы инструментов агента и события сессий через описанный здесь pipeline хуков.
• RAG-фреймворки без агент-специфического авто-захвата: Многие RAG-стеки обеспечивают поиск и сбор контекста для генерации, но могут требовать более индивидуальной интеграции для захвата событий SessionStart/Stop и использования инструментов в модель памяти для извлечения.
• Настройки только для телеметрии/наблюдаемости агента: Инструменты трассировки могут help с инспекцией поведения, но обычно не обеспечивают консолидацию памяти, эндпоинты для извлечения и workflow импорта replay, описанные для agentmemory.