Hacker News · 30.06.2026 ·Память и RAG

Open Memory Protocol: единый стандарт для хранения памяти ИИ-агентов

Open Memory Protocol (OMP) представляет собой открытый стандарт для унификации хранения контекста и долгосрочной памяти ИИ-агентов. Протокол позволяет синхронизировать данные между различными платформами, включая Claude, ChatGPT и Cursor, обеспечивая бесшовный перенос накопленных знаний и предпочтений пользователя между разными средами исполнения, что решает проблему фрагментации памяти в современных агентных системах.

Основная задача проекта — создание независимого слоя памяти, который не привязан к конкретному провайдеру или проприетарному формату хранения данных. Использование единого протокола позволяет разработчикам и пользователям сохранять накопленный контекст взаимодействия, даже если они переключаются между разными моделями или инструментами разработки. Это критически важно для поддержания непрерывности работы агентов, которые требуют доступа к истории диалогов, настройкам и специфическим знаниям пользователя.

Архитектура протокола ориентирована на совместимость с существующими RAG-системами и векторными базами данных. Стандартизация форматов обмена данными между агентом и хранилищем памяти упрощает интеграцию новых инструментов, позволяя агентам быстрее адаптироваться к задачам пользователя без необходимости повторного обучения или ручного переноса контекста. Проект находится в стадии активного развития и открыт для контрибьюторов, стремящихся стандартизировать взаимодействие с памятью в экосистеме ИИ.

Ключевые факты

Протокол обеспечивает совместимость памяти между Claude, ChatGPT и IDE Cursor.
OMP направлен на устранение зависимости от закрытых форматов хранения данных конкретных вендоров.
Решение поддерживает интеграцию с существующими инфраструктурами RAG и векторными хранилищами.
Проект опубликован как open-source решение на GitHub для формирования единого стандарта взаимодействия агентов с данными.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

Hacker News · Память и RAG MemoryOps: инфраструктура для управления памятью ИИ-ассистентов Проект MemoryOps представляет собой инфраструктурное решение для организации управляемой памяти в ИИ-ассистентах. Система фокусируется на создании структурированного хранилища данных, которое позволяет агентам сохранять контекст взаимодействия, извлекать релевантную информацию из прошлых сессий и обеспечивать согласованность ответов при длительном общении с пользователем. GitHub · Память и RAG Memory-OS: 7-уровневая система памяти для ИИ-агентов Разработчик Claudio Drews представил Memory-OS — систему памяти для ИИ-агентов, работающую на базе Hermes Agent. Это решение предлагает 7 уровней памяти, включая постоянное хранение данных в Qdrant, структурированные факты, механизм fabric recall, автоматически обновляемую вики и точечную инъекцию контекста. Hacker News · Память и RAG Engram: оффлайн-сервер MCP для обмена памятью между ИИ-агентами Команда разработчиков представила Engram — оффлайн-сервер MCP (Memory-Centric Protocol), предназначенный для обмена памятью между ИИ-агентами. Проект доступен на GitHub и предлагает решение для локального хранения и управления памятью, что особенно важно для агентов, работающих в оффлайн-режиме или с ограниченным доступом к облачным сервисам. Microsoft Research · Память и RAG Memora: новая архитектура памяти для масштабируемых ИИ-агентов Исследователи Microsoft представили Memora — систему управления памятью для ИИ-агентов, которая разделяет хранение данных и механизмы их извлечения. Решение позволяет агентам эффективно работать с длинными контекстами, балансируя между высокой абстракцией и сохранением специфических деталей. Это устраняет проблему перегрузки контекстного окна при выполнении сложных, многоэтапных задач, требующих обращения к истории взаимодействий. Hacker News · Память и RAG Концепция агент-ориентированных систем памяти Исследователи представили концепцию агент-ориентированной системы памяти, которая выходит за рамки классического RAG. В отличие от статических векторных баз данных, новая архитектура предлагает динамическое управление контекстом, позволяя ИИ-агентам самостоятельно структурировать, обновлять и извлекать накопленный опыт в зависимости от текущих задач, что критически важно для долгосрочной автономной работы сложных систем. Hacker News · Память и RAG OctaMem: система аудируемой памяти для ИИ-агентов без векторных БД Разработчики представили OctaMem — решение для управления памятью ИИ-агентов, которое отказывается от использования векторных баз данных. Вместо классического поиска по семантическому сходству система опирается на структурированное хранение данных, обеспечивая полную прозрачность и возможность аудита того, что именно «помнит» агент. Такой подход позволяет точно отслеживать источники информации, на основе которых принимаются решения, что критически важно для систем, где требуется строгая подотчетность. Hacker News · Память и RAG Локальная система памяти для RAG с возможностью записи ИИ Разработчик Paul Tobey представил локальную систему памяти для RAG (Retrieval-Augmented Generation), которая позволяет ИИ-агентам напрямую записывать информацию. Проект доступен на GitHub и реализует механизм, аналогичный Memory Control Plane (MCP), но с упором на локальное хранение данных. Hacker News · Память и RAG Memanto: open-source решение для управления долгосрочной памятью ИИ-агентов Проект Memanto представляет собой инструмент с открытым исходным кодом, предназначенный для организации долгосрочной памяти в ИИ-системах. Решение позволяет агентам сохранять контекст взаимодействия, извлекать релевантные данные из прошлых сессий и использовать накопленную информацию для формирования более точных ответов. Архитектура системы ориентирована на интеграцию с существующими LLM, обеспечивая структурированное хранение и быстрый поиск накопленного опыта. Hacker News · Память и RAG Слой памяти для Claude Code на базе MCP Разработчики представили слой памяти для Claude Code, реализованный через протокол MCP (Model Context Protocol). Инструмент позволяет ИИ-агентам сохранять контекст между сессиями, что значительно повышает эффективность решения задач. В ходе тестирования на бенчмарке SWE-bench Verified решение показало прирост производительности на 10,2 процентных пункта, демонстрируя важность долгосрочной памяти для автономной разработки. Hacker News · Инфраструктура для агентов Agent Memory Layer: управление контекстом для ИИ-агентов в разработке Проект Agent Memory Layer предлагает специализированный слой памяти для ИИ-агентов, работающих с кодовыми базами. Инструмент решает проблему ограниченного контекстного окна LLM, позволяя агентам эффективно индексировать, хранить и извлекать информацию из репозитория проекта. Система автоматизирует процесс формирования релевантного контекста, что критически важно для выполнения сложных задач по написанию и рефакторингу кода.

← Все материалы