AgentMemory: персистентная память для AI-агентов кодирования (AgentMemory)

Обзор AgentMemory

AgentMemory решает центральную проблему AI-агентов кодирования: они забывают всё, когда сессия завершается. Каждый раз, начиная новую сессию, вы вынуждены переобъяснять архитектуру проекта, ваши предпочтения и решения, которые уже были приняты.

С AgentMemory агент запоминает:

• Структуру вашего кода и архитектурные решения
• Технологические выборы и их причины (например, почему выбрали jose вместо jsonwebtoken)
• Найденные и исправленные баги
• Паттерны использования инструментов и тестирования
• Ваши предпочтения по кодированию и стилю

AgentMemory работает в фоне, автоматически захватывая всё, что делает агент через встроенные хуки. Когда начинается новая сессия, нужная информация автоматически внедряется в контекст, что позволяет агенту продолжать работу без повторного объяснения.

Система основана на реальных бенчмарках и показывает:

• 95.2% точность поиска (R@5) на датасете LongMemEval-S (500 вопросов)
• 92% экономия токенов по сравнению с LLM-суммаризацией
• 54 MCP-инструмента для интеграции с агентами
• 12 автоматических хуков для захвата сессий без ручного вмешательства
• 0 внешних зависимостей БД — всё работает на SQLite и встроенном iii-engine
• 1,674+ проходящих теста

Основные возможности

Автоматический захват сессий

AgentMemory использует 12 встроенных хуков для автоматического захвата всей работы агента:

• SessionStart — запуск новой сессии
• UserPromptSubmit — отправка пользовательского промпта
• PreToolUse — перед использованием инструмента
• PostToolUse — после использования инструмента
• PostToolUseFailure — при ошибке инструмента
• PreCompact — перед сжатием памяти
• SubagentStart/Stop — при работе с подагентами
• Stop — конец сессии
• SessionEnd — завершение сессии

Все хуки работают без необходимости ручной настройки — достаточно установить AgentMemory один раз.

Гибридный поиск памяти

AgentMemory использует трёхпоточный поиск, который объединяет три сигнала:

• BM25 — морфологический поиск по ключевым словам с расширением синонимов (всегда включён)
• Векторный поиск — косинусное подобие над плотными эмбеддингами (когда настроен провайдер)
• Граф знаний — обход графа знаний через сопоставление сущностей (когда доступны данные графа)

Все три потока объединяются с использованием Reciprocal Rank Fusion (RRF, k=60) и диверсификации по сессиям (максимум 3 результата на сессию).

4-уровневая консолидация памяти

Система организована по аналогии с тем, как человеческий мозг обрабатывает память:

• Рабочая память — необработанные наблюдения из инструментов
• Эпизодическая память — сжатые резюме сессий ("что происходило")
• Семантическая память — извлечённые факты и паттерны ("что я знаю")
• Процедурная память — рабочие процессы и шаблоны принятия решений ("как это делать")

Память постепенно затухает со временем по кривой Эббингауза. Часто используемые воспоминания усиливаются. Устаревшая память автоматически удаляется. Противоречия выявляются и разрешаются.

Мультиагентная координация

Несколько агентов могут использовать один сервер AgentMemory с полной поддержкой координации:

• Раздельные области видимости (изолированная или общая память между агентами)
• Теги `agentId` на каждой записи памяти с информацией об источнике
• Фильтрация поиска по ролям агентов
• Совместное использование памяти между членами команды с отслеживанием авторства

Встроенная конфиденциальность

API-ключи, секреты и помеченные `<private>` данные удаляются перед сохранением. Все операции имеют отслеживаемую цепь авторства с меткой канала происхождения (пользователь, агент, инструмент, импорт или общая память).

Реал-тайм просмотрщик

Веб-интерфейс на порту 3113 показывает:

• Живой поток наблюдений с индикатором статуса
• Двухпанельный обозреватель сессий
• Развёртываемые строки памяти с полной записью в JSON
• Граф знаний с кластеризацией узлов по типам
• Воспроизведение сессий с контролем скорости и пошаговым просмотром
• Панель здоровья системы

Поддержка локальных моделей

Работает с любым OpenAI-API-совместимым сервером:

• Ollama (локально на вашем оборудовании)
• LM Studio (локальный UI для моделей)
• vLLM (масштабируемое развёртывание)
• llama.cpp (минимальные зависимости)
• Text Generation Inference (от HuggingFace)

Нулевая стоимость, никаких облачных лимитов, полная конфиденциальность — всё работает на вашем оборудовании.

iii-движок под капотом

AgentMemory построен на основе iii-engine и использует его три примитива:

• Worker — фоновый процесс для выполнения функций
• Function — выполняемые операции памяти
• Trigger — HTTP, WebSocket, расписание, события, состояние

Это означает, что вы можете расширять AgentMemory одной командой: `iii worker add iii-pubsub` для мультиинстанса, `iii worker add iii-cron` для планирования, `iii worker add iii-queue` для надёжных повторов и так далее.

Бенчмарки и производительность

Точность поиска

LongMemEval-S (ICLR 2025, 500 вопросов):

coding-agent-life-v1 (внутренний корпус, воспроизводимый в песочнице):

Эффективность по токенам

Модель эмбеддингов: `all-MiniLM-L6-v2` (локально, бесплатно, без API-ключа).

Сравнение с конкурентами

AgentMemory превосходит конкурентов по нескольким ключевым метрикам:

• Точность поиска R@5 95.2% vs mem0 68.5%, Letta 83.2%, MemPalace ~96.6% (самозаявленный)
• Автоматический захват — 12 хуков, ноль ручной работы
• Поиск — BM25 + Vector + Graph (RRF fusion) vs только Vector у конкурентов
• Мультиагентность — MCP + REST + лизы + сигналы для координации
• Отсутствие блокировки фреймворка — работает с любым MCP-клиентом
• Без внешних зависимостей БД — SQLite + iii-engine встроены
• Реал-тайм просмотрщик — встроенный веб-интерфейс
• Самостоятельное размещение по умолчанию

Поддерживаемые агенты кодирования

AgentMemory интегрируется с любым агентом, поддерживающим хуки, MCP или REST API. Все агенты используют один сервер памяти.

Полный список поддерживаемых агентов (20+)

AgentMemory работает с:

• Claude Code — встроенный плагин + 12 хуков + MCP
• Codex CLI — встроенный плагин + 6 хуков + MCP
• GitHub Copilot CLI — MCP + плагины хуков/скиллы
• Cursor — встроенный плагин + MCP
• Gemini CLI — MCP-сервер
• OpenCode — 22 хука + MCP + плагин
• Cline — MCP-сервер
• OpenClaw — встроенный плагин + MCP
• Hermes Agent — встроенный плагин + MCP
• pi — встроенный плагин + MCP
• OpenHuman — встроенный бэкенд Memory trait
• Goose — MCP-сервер
• Kilo Code — MCP-сервер
• Aider — REST API
• Claude Desktop — MCP-сервер
• Devin — 6 хуков + MCP
• Roo Code — MCP-сервер
• Warp — connect + MCP + скиллы
• Continue.dev — MCP-сервер
• Zed — MCP-сервер
• Droid — хуки + MCP + плагин
• Qwen Code — MCP-сервер
• Antigravity — MCP-сервер
• Kiro — MCP-сервер
• И другие MCP-совместимые клиенты...

Один сервер, память общая для всех.

Установка и быстрый старт

Требования

• Node.js 20 или новее с npm и npx
• macOS/Linux: также нужны `curl`, POSIX `sh` и `tar`
• Windows: нужна либо предкомпилированная `iii.exe` v0.11.2, либо WSL2, либо Docker Desktop

Установка за 30 секунд

# Терминал 1: запустить сервер памяти
npx -y @agentmemory/agentmemory@latest

# Терминал 2: посеять примеры данных и увидеть поиск в действии
npx -y @agentmemory/agentmemory@latest demo

Команда `demo` создаёт 3 реалистичные сессии (JWT-аутентификация, исправление N+1 запроса, ограничение частоты) и выполняет поиск по ним.

Проверка свежей установки

curl -fsS http://localhost:3111/agentmemory/livez
curl -fsS http://localhost:3111/agentmemory/health
curl -fsS -o /dev/null http://localhost:3113/
npx -y @agentmemory/agentmemory@latest status

Откройте `http://localhost:3113` для просмотра памяти в реальном времени.

Сохранение и поиск проб

curl -fsS -X POST http://localhost:3111/agentmemory/remember \
  -H 'Content-Type: application/json' \
  -d '{"content":"agentmemory restart persistence probe","concepts":["install-check"]}'

curl -fsS -X POST http://localhost:3111/agentmemory/smart-search \
  -H 'Content-Type: application/json' \
  -d '{"query":"restart persistence probe","limit":5}'

agentmemory                    # запустить сервер
agentmemory stop               # остановить его корректно
agentmemory connect <agent>    # подключить другой агент
agentmemory doctor             # интерактивная диагностика
agentmemory remove             # удалить всё установленное

Установить agentmemory: запустить `npx -y @agentmemory/agentmemory@latest` в отдельном терминале для запуска сервера памяти и его встроенного iii-engine. Затем запустить `/plugin marketplace add rohitg00/agentmemory` и `/plugin install agentmemory` — плагин зарегистрирует все 12 хуков, 17 скиллов И автоматически подключит MCP-сервер `@agentmemory/mcp` через его `.mcp.json`, так что вы получите 54 MCP-инструмента (memory_smart_search, memory_save, memory_sessions, memory_governance_delete и т.д.) без дополнительных шагов конфигурации. Проверить через `curl http://localhost:3111/agentmemory/health`. Реал-тайм просмотрщик доступен на http://localhost:3113. В режиме без ключей векторы отключены: `memory_recall` использует BM25, а `memory_smart_search` может также использовать существующие данные структурного графа. Установить `EMBEDDING_PROVIDER=local` в `~/.agentmemory/.env` и перезагрузить для включения семантического поиска на устройстве.

{
  "mcpServers": {
    "agentmemory": {
      "command": "npx",
      "args": ["-y", "@agentmemory/mcp"],
      "env": {
        "AGENTMEMORY_URL": "http://localhost:3111"
      }
    }
  }
}

agentmemory connect copilot-cli

{
  "mcpServers": {
    "agentmemory": {
      "command": "npx",
      "args": ["-y", "@agentmemory/mcp"],
      "env": {
        "AGENTMEMORY_URL": "http://localhost:3111",
        "AGENTMEMORY_SECRET": ""
      }
    }
  }
}

npx skills add rohitg00/agentmemory -y          # автоопределение агента
npx skills add rohitg00/agentmemory -y -a warp  # явный агент
npx skills add rohitg00/agentmemory -y -a '*'   # установить на все агенты

# Импортировать всё из ~/.claude/projects
npx -y @agentmemory/agentmemory@latest import-jsonl

# Или импортировать один файл
npx -y @agentmemory/agentmemory@latest import-jsonl ~/.claude/projects/-my-project/abc123.jsonl

git clone https://github.com/rohitg00/agentmemory.git && cd agentmemory
npm install && npm run build && npm start