Trwały, skoncentrowany na roszczeniach serwer pamięci dla agentów AI z obsługą MCP
tensory, z Kryptogrib, to serwer pamięci, który zapewnia agentom AI długoterminowy, weryfikowalny kontekst. Ekstrahuje atomowe twierdzenia z rozmów i dokumentów oraz udostępnia uporządkowaną pamięć modelom. Kluczowe aspekty to ekstrakcja twierdzeń, wykrywanie sprzeczności i interfejs pamięci do przeszukiwania. Narzędzie skierowane jest do deweloperów AI i inżynierów budujących agentów z pamięcią, którzy potrzebują trwałego, audytowalnego kontekstu bez ciężkiej infrastruktury.
Jakie zadania można właściwie wykorzystać?
Serwer dostarcza trwały kontekst dla agentów działających w różnych sesjach, dzięki czemu agenci mogą odnosić się do przeszłych faktów i wykrywać niespójności. Integruje się z klientami zgodnymi z MCP, takimi jak Claude Desktop, Cursor i Zed, co pozwala asystentom kodowania i agentom czatu na zapytania o przechowywane fakty podczas podpowiedzi. Przykłady zastosowania obejmują asystentów wielosesyjnych, narzędzia dla programistów, które potrzebują wcześniejszych preferencji użytkownika, oraz agentów, którzy muszą śledzić ewoluujące fakty projektowe w czasie.
Jak dokładne są wspomnienia i wyszukiwanie?
Dokładność opiera się na podejściu natywnym i wynikach benchmarkowych: tensory uzyskały 82,2% w benchmarku długoterminowej pamięci konwersacyjnej LoCoMo. Wyszukiwanie łączy pełnotekstowe wyszukiwanie FTS5, osadzenia wektorowe i przeszukiwanie grafów, aby dopasować zapytania do przechowywanych stwierdzeń. Wbudowane wykrywanie kolizji identyfikuje sprzeczne lub zastąpione twierdzenia, co pomaga utrzymać kontekst pobrany w zgodzie z późniejszymi informacjami.
Jakie dane wejściowe, wymagania i dopasowanie przepływu pracy powinieneś oczekiwać?
Serwer działa tam, gdzie może go osiągnąć klient MCP i wymaga Pythona 3.11 lub nowszego do wdrożenia. Przechowuje pamięć w pojedynczym opartym na SQLite grafie i magazynie wektorów, więc działa bez zewnętrznych usług baz danych. Pakiet zawiera pulpit nawigacyjny w sieci do eksploracji grafów encji i statystyk pamięci, a wewnętrzne mechanizmy, takie jak zanikanie istotności, ocena zaskoczenia i wstępne ustawienia, działają bez dodatkowych wywołań do modelu językowego.
deweloperzy kostiumów sensorycznych, którzy potrzebują weryfikowalnej, długoterminowej pamięci agenta
Serwer jest praktyczną opcją dla zespołów budujących stanowe agenty, które wymagają audytowalnych faktów i obsługi sprzeczności, a w społeczności deweloperów MCP jest uznawany za precyzyjny. Oczekuj pracy integracyjnej, aby połączyć klientów MCP i dostosować ekstrakcję roszczeń do swojej dziedziny, oraz traktuj przechowywane roszczenia jako źródło do weryfikacji w przypadku decyzji o wysokiej stawce.
