Memory MCP Server, часть 2: как проект вырос из semantic search в memory backbone для инженерных агентов

В сфере искусственного интеллекта произошло заметное событие. VitaliySemenov 26 минут назад Memory MCP Server, часть 2: как проект вырос из semantic search в memory backbone для инженерных агентов 17 мин 802 DevOps * Go * В первой части я рассказывал про agent-memory-mcp версии 0. 0: MCP-сервер на Go, SQLite-хранилище, четыре типа памяти, semantic search, RAG по документации, PathGuard и transport через stdio/HTTP. Тогда это был довольно прямой инструмент: агент может сохранить знание, потом найти его по смыслу, а рядом лежит индекс документов проекта.

После этого проект прожил несколько месяцев реального использования. И почти всё интересное произошло не там, где я изначально ожидал. Оказалось, что главная проблема не в том, чтобы “куда-то записать память” и потом сделать cosine similarity.

Технические детали

Реальная боль начинается дальше:как не смешать embeddings от разных моделей и не получить уверенно неправильный recall;как не превратить память в свалку через две недели;как понять, что знание устарело;как заставить агента не просто помнить, а поддерживать рабочий контекст проекта;как автоматически забирать полезные выводы из сессий, но не сохранять каждый шумный промежуточный шаг;как сделать локальный инструмент достаточно безопасным и стабильным, чтобы его можно было оставить работать сервисом. На момент подготовки текста проект дошёл до v0. 0 (tag от 2026-05-06).

Ниже — не changelog, а разбор того, почему архитектура изменилась именно так. com/ipiton/agent-memory-mcpКоротко: что было и что сталоВ 0. 0 ядро выглядело так:Было в 0.

0Зачем4 типа памяти: episodic, semantic, procedural, workingНе хранить всё как плоские заметкиSemantic search через embeddingsИскать по смыслу, а не только по словамRAG-индекс документовОтделить память агента от проектной документацииSQLiteZero-ops: один бинарник, один файл БДstdio + HTTP transportРаботать и как MCP-сервер, и как HTTP-сервисPathGuardНе дать агенту читать произвольные путиК 0. 0 это превратилось в другой класс системы:СталоПочему появилосьlocal-only режим и reembedFallback между embedding-моделями оказался опаснее отказаHybrid retrieval + source-aware rankingЧистый semantic search слишком шумит на инженерных запросахTrust/freshness metadataАгенту важно знать не только “похоже”, но и “можно ли этому верить”Session close pipelineПолезные знания рождаются в конце работы, а не только в ручных store_memoryClaude Code hooksРучная дисциплина не масштабируется даже для одного разработчикаCanonical knowledge + project bankНужен слой поддерживаемых знаний, а не только raw memoryStewardship layerПамять стареет, дублируется и конфликтует сама с собойSedimentationНе все знания должны всплывать одинаково частоStructure-aware RAGMarkdown-документы нельзя резать только по символамMulti-hop recallНекоторые ответы требуют цепочки связей, а не одного похожего текстаSQLite/WAL hardening“Один файл БД” всё равно требует нормальной эксплуатацииГлавная смена фокуса:agent-memory-mcp перестал быть просто memory tool.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.