Surreal-Memory: trwała pamięć agentów AI

Toni Nowak

Surreal-Memory zapewnia agentom AI trwały kontekst między sesjami poprzez integrację z Model Context Protocol. To otwarta implementacja dla zespołów, które potrzebują pamięci możliwej do sprawdzenia i testowania, oddzielonej od samego modelu.

Jaki problem rozwiązuje

Agent może utracić istotne decyzje, preferencje i historię zadania po zakończeniu sesji. Samo zapisanie wszystkich wiadomości nie rozwiązuje problemu: system nadal musi zdecydować, co warto zachować i co należy przywołać w bieżącym zadaniu. Surreal-Memory udostępnia jawny obieg pamięci zamiast ukrywać trwałość danych w nieprzejrzystym prompcie.

Moja rola i architektura

Jestem autorem, architektem i maintainerem projektu. Projektuję obieg pamięci i rozwijam implementację w Pythonie, wykorzystując SurrealDB do przechowywania danych oraz MCP jako granicę integracji. Publiczne repozytorium pozwala sprawdzić model danych, interfejsy i decyzje implementacyjne.

Gdzie rozwiązanie jest przydatne

Projekt dotyczy integracji MCP, długotrwałych procesów agentowych, inżynierii kontekstu i diagnostyki wyszukiwania. Może wspierać procesy, w których decyzje lub preferencje powinny przetrwać pomiędzy sesjami, a dostęp do pamięci ma odbywać się przez jawny interfejs narzędziowy.

Weryfikacja i ograniczenia

Trwałość danych nie oznacza ich prawdziwości. Zapisany fakt może się zdezaktualizować, a właściwe wspomnienie może zostać pominięte lub przywołane w złym kontekście. Dlatego sprawdzanie źródeł, zawężone wyszukiwanie i niezależna weryfikacja pozostają częścią procesu. Otwarty kod umożliwia kontrolę tych założeń i trybów awarii.