Birden fazla AI ajanını bağlayan paylaşılan, kullanıcıya ait bellek katmanı
cerefox, Fstamatelopoulos tarafından inşa edilen, AI ajanları için bilgiyi merkezileştiren ve asistanlar arasında oturum sınırlarını kaldıran bir paylaşılan bellek katmanıdır. Araç, geri alma artırılmış üretim ve çapraz ajan hatırlama sağlamak için kalıcı belleği yakalar ve açığa çıkarır, Model Bağlam Protokolü (MCP) ve vektör destekli arama ile entegre olur. Hibrit aramayı, başlık farkında Markdown parçalama, JSONB meta veri filtreleri ve denetim günlüklerini bir araya getirir. Birden fazla ajan çalıştıran geliştiriciler, AI güç kullanıcıları ve araştırmacılar, koordineli iş akışları ve uzun vadeli bağlam için tek bir, kullanıcı kontrolündeki bilgi tabanından yararlanır.
Gerçekten hangi görevler için kullanabilirsiniz?
Uygulama, ajanların hem okuyabileceği hem de yazabileceği kalıcı bir bilgi deposu olarak işlev görür; bu, bir oturumda üretilen içeriğin başka bir oturumda görünmesini sağlar. Markdown, düz metin ve .docx dosyalarını kabul eder ve başlık farkındalığı ile bölüm bağlamını koruyarak, ajanların tüm dosyalar yerine belirli belge bölümlerini almasına yardımcı olur. Desteklenen entegrasyonlar arasında MCP uyumlu istemciler ve kabuk komutları çalıştıran araçlar yer alır; bu, kod oturumu hatırlama ile farklı asistanlar arasında araştırma sohbetlerine kadar kullanım senaryolarını mümkün kılar.
Alımlarının ne kadar doğru ve doğrulanabilir?
Arama, tam metin BM25 alımını anlamlı vektör benzerliği ile birleştirir; bu, vurgu alaka düzeyini artırmak için vektör yetenekleri olan bir Postgres arka uçta çalışır. Araç, dar sorgular için JSONB dizinli meta veri filtrelemesi sunar ve izlenebilirlik için okuma ve yazmaları kaydeden değişmez, yalnızca ekleme yapılabilen bir denetim günlüğü tutar. Bu unsurlar, doğrulamanın önemli olduğu alım artırımlı üretim iş akışlarını destekler; çünkü kullanıcılar etiketlere göre filtreleme yapabilir veya belirli bir belge veya sorgu için denetim izini inceleyebilirler.
Pratikte dağıtım ve çalıştırmak için ne gerekir?
Dağıtım, CLI için Node.js 20+ ve vektör desteği olan bir Postgres örneği gerektirir; proje, yerel kurulumlar için Docker ve barındırılan dağıtım için Supabase sunar. Yerel mod, nomic-embed-text gibi yerel gömme modelleri kullanarak çevrimdışı çalışabilir ve gömmeleri cihazda tutar. Bu dağıtım seçenekleri esneklik sağlar, ancak aynı zamanda bazı sistem ayarları ve vektör dizinlemesi etkinleştirilmiş bir çalışan veritabanı gerektirir.
Çoklu ajan mühendisliği ve yönetimini ne kadar iyi destekliyor?
Tasarım, ajanlar arası koordinasyonu ve eşzamanlı kullanımı önceliklendirir: yerel MCP desteği, farklı makinelerdeki ajanların bağlamı paylaşmasına olanak tanır ve iyimser kilitleme, ajanların birbirlerinin güncellemelerini üzerine yazmasını engeller. Bir analiz panosu, ekiplerin ajan kullanımını izleyebilmesi için en iyi belgeleri ve erişim desenlerini ortaya çıkarır. Bu unsurlar birlikte, kalıcı, denetlenebilir bellek gerektiren mühendislik iş akışları için aracı uygun hale getirir.
Kontrol isteyen teknik olarak yetkin ekipler için pratik bir seçim
Bu araç, birden fazla AI ajanı arasında kalıcı, kullanıcı kontrollü bir hafızaya ihtiyaç duyan geliştiriciler ve araştırmacılar için pratik bir seçenektir. Mimarisi, barındırma, gömme ve geri alma ayarlarını yönetebilen ekipleri ödüllendirirken, tak-çalıştır, sıfır-işlem çözümü arayan kullanıcılar kurulumun engelleyici olduğunu düşünebilir. Kendi bilgi katmanlarını işletmeye ve yönetmeye hazırlıklı ekipler için, bu araç koordine edilmiş ajan iş akışlarına ve hesap verebilir kayıtlara giden net bir yol sunar.
