MemDB — слой памяти для AI-агентов, который ты разворачиваешь у себя на сервере, а не доверяешь чужому облаку. Сервис хранит переписки, предпочтения и решения пользователей, извлекает из них нужный контекст и отдаёт его агенту за миллисекунды. Написан на чистом Go, распространяется под лицензией Apache-2.0 и подойдёт тем, кто строит ассистентов на Claude, Cursor, Windsurf или собственных REST-агентах.
В основе — три операции с памятью:
- Remember фиксирует каждый диалог автоматически: выделяет сущности, классифицирует тип памяти и убирает дубли, так что агент со временем становится точнее.
- Recall ищет нужный контекст по обычному запросу на естественном языке. Гибридный поиск сочетает векторное сравнение и полнотекстовый индекс, а свежие записи получают приоритет за счёт временного затухания.
- Forget удалит одну запись, всю историю пользователя или целое пространство имён сразу, без переиндексации и остаточных векторов — то, что нужно для соответствия GDPR.
Подключить MemDB к Claude можно тремя способами, и все они ведут к одному и тому же хранилищу. Плагин для Claude Code сам подмешивает память в контекст IDE — установил и забыл про него. Встроенный MCP-сервер на порту 8001 подойдёт для Claude Desktop, Cursor, Windsurf и любого MCP-совместимого клиента, работает по stdio и HTTP. А адаптер для официального инструмента Anthropic memory_20250818 меняется одним импортом, без переписывания промптов и логики агента.
Под капотом всё завязано на PostgreSQL: векторный поиск через pgvector с HNSW-индексами, граф через Apache AGE, полнотекстовый поиск через tsvector. Одна база, один бэкап, один путь миграции вместо отдельных сервисов под каждую задачу. Эмбеддинги считаются локально через ONNX, а для извлечения памяти можно подключить Ollama, vLLM или любой OpenAI-совместимый API — облачная LLM не обязательна, систему можно развернуть полностью в изоляции от интернета.
На бенчмарке LoCoMo (LLM Judge, категория 5 исключена) MemDB версии 0.23.0 показывает 72,5% — между MemOS (73,3%) и Mem0 (66,9%), но позади Zep и Memobase. Поиск укладывается в 1,7 мс на кэшированных запросах и около 350 мс без кэша, по данным нагрузочных тестов на ARM64.
Self-hosted версия бесплатна и останется такой всегда, код открыт на GitHub. Для тех, кто не хочет разворачивать инфраструктуру сам, готовится облачный API на api.memdb.ai с той же функциональностью и управляемым хостингом — сейчас на него можно записаться в лист ожидания.
Блог