Каждый раз объяснять агенту одно и то же — это не рабочий процесс, это каторга. AgentMemory решает именно эту проблему: он даёт AI-агентам постоянную память, которая не обнуляется при старте новой сессии.
Принцип простой. Вы настроили JWT-авторизацию в первой сессии — во второй агент уже знает, что вы используете jose middleware, где лежат тесты и почему вы выбрали jose, а не jsonwebtoken. Никакого повторного объяснения, никакого copy-paste из прошлых чатов. Агент просто помнит.
Под капотом работает гибридный поиск: BM25 + векторный + граф знаний с RRF-слиянием. На бенчмарке LongMemEval-S (500 вопросов, ICLR 2025) это даёт R@5 = 95.2% и MRR = 88.2% — против 86.2% у чистого BM25. Захват контекста происходит автоматически через хуки, без ручных вызовов и без необходимости что-то дописывать в промптах.
Подключается к большинству популярных агентов — Claude Code, Cursor, Copilot CLI, Codex, Gemini CLI, Aider, Windsurf и другим — через MCP, нативные плагины или REST API. Один сервер, одна память, общая для всех инструментов сразу.
Отдельно стоит упомянуть экономию токенов: по сравнению с подходом «вставить весь контекст вручную» (19.5M+ токенов в год и выход за пределы окна) AgentMemory укладывается примерно в 170K токенов при стоимости около $10 в год — или вообще в $0, если использовать локальные эмбеддинги на базе all-MiniLM-L6-v2.
Установка — одна команда через npm или npx, после чего агент сам скачивает инструкции, поднимает сервер памяти и подключается. Проект открытый, бенчмарки воспроизводимы локально, сравнение с конкурентами — в репозитории.
Блог