Ini adalah MCP memori AI berbasis graph yang dapat dibagikan.

Ini adalah MCP open source yang menyimpan percakapan dengan AI atau dokumen ke Sqlite atau PostgreSQL.

Perbedaannya dengan LLM Wiki atau memori lain adalah berbagi dan pencarian memori antar AI.
Pekerjaan di rumah dan pekerjaan di kantor dapat dibagikan sebagai satu memori. Atau hasil kerja antar anggota tim juga dapat dibagikan sebagai satu memori.

Data diubah menjadi Graph+RAG lalu disimpan ke DB.
Graph yang digunakan adalah Event-Centric Knowledge Graph (ECKG), dan ciri utamanya adalah tidak menentukan skema relasi terlebih dahulu seperti graph lain. Struktur ini terus berkembang seiring penumpukan data.

Instalasi dapat dilakukan dengan mengeksekusi file arsip yang sudah disediakan setelah diekstrak, atau dengan memasangnya langsung dari open source.
Jika dijalankan setelah file arsip diekstrak, manager akan berjalan.
Pilih DB untuk penyimpanan dan pilih AI tempat MCP akan dipasang, lalu sisanya akan diproses secara otomatis.

Sample DB juga sudah disertakan, jadi Anda bisa memasangnya dan dengan mudah memeriksa cara kerjanya secara langsung.
Sample DB berisi dokumen Wikipedia The Beatles dan novel asli Sherlock Holmes yang bebas masalah hak cipta. (Meski berbahasa Inggris, pencarian tetap bisa dilakukan dalam bahasa lain.)

Terima kasih.

Sumber: https://github.com/rawdev/MemoryWeft

Instalasi: https://github.com/rawdev/MemoryWeft/tags

[elbanic]

Oh, idenya bagus. Saya juga harus memikirkan bagaimana memanfaatkan ini.

[rawdev]

Terima kasih.

[smaker]

Apa perbedaannya dibandingkan dengan Context Mode atau AgentMemory?

[rawdev]

Halo. Terima kasih atas ketertarikannya.

Saya baru pertama kali tahu tentang AgentMemory dari komentar smaker.
Kalau saya sudah tahu, mungkin saya tidak akan membuat Mweft.

Untungnya, setelah saya melihat AgentMemory, tampaknya arah tujuan dan teknologi internalnya berbeda dari Mweft.

1. Pertama, mweft dibuat dengan kolaborasi sebagai dasar. AgentMemory juga tampaknya punya fitur kolaborasi, tetapi karena perbedaan arah tujuan, struktur internalnya sepertinya berbeda.

2. mweft adalah alat bantu untuk membantu menghasilkan output yang baik. Graph maupun RAG juga lebih berfokus pada menemukan keterkaitan daripada ketelitian yang ketat. AgentMemory juga memiliki struktur graph, tetapi mweft tampaknya menggunakan pendekatan yang berbeda.

3. AgentMemory tampaknya dibuat dengan tujuan untuk AI coding. Karena itu, akurasi tampaknya penting. Mweft bisa saja salah. Ini digunakan untuk memberi petunjuk agar AI atau manusia mencari lebih lanjut.

Analisis saya bisa saja keliru. Jika Anda berkenan memberi saran, saya akan sangat berterima kasih mendengarkannya.

Terima kasih.

[rawdev]

Mode konteks ditujukan murni untuk penggunaan memori, sehingga memiliki perbedaan dengan Mweft yang bertujuan untuk kolaborasi.

[hsvtr365]

Bukannya pakai Codex saja sudah cukup ya?

[rawdev]

Halo. Terima kasih atas minatnya.
Saya belum terlalu banyak menggunakan Codex, jadi saya akan menjawab sebatas yang saya ketahui. Bisa saja ada yang keliru.

Pertama, Mweft bukan untuk membagikan hasil pekerjaan.
Yang dibagikan adalah isi yang muncul dari percakapan dengan AI di tengah proses. Untuk hasil kerja, Anda perlu menggunakan alat lain seperti GIT. Karena yang dibagikan adalah isi proses, bukan hasil akhirnya, alur kerja dapat diikuti.
Selain itu, fitur ini dibantu dengan penggunaan graph + RAG.
Mweft juga memungkinkan berbagi pekerjaan antara Claude, Codex, dan Gemini CLI.

Terima kasih.