Este é um MCP de memória de IA compartilhável, baseado em grafo.

É um MCP open source que salva conversas com IA ou documentos em Sqlite ou PostgreSQL.

A diferença em relação ao LLM Wiki ou outras memórias é o compartilhamento e a busca de memória entre IAs.
É possível compartilhar o trabalho de casa e o trabalho do escritório em uma única memória. Ou também compartilhar os resultados do trabalho entre membros de uma equipe em uma única memória.

Os dados são convertidos em Graph+RAG e armazenados no banco de dados.
O Graph é um Event-Centric Knowledge Graph (ECKG) e, como característica, não define previamente um esquema de relações como outros grafos. Ele continua evoluindo à medida que os dados se acumulam.

A instalação pode ser feita executando o arquivo compactado preparado ou instalando diretamente o open source.
Ao descompactar e executar o arquivo, o gerenciador será iniciado.
Você escolhe o banco de dados onde salvar, seleciona a IA na qual instalar o MCP, e todo o restante é feito automaticamente.

Também incluí um Sample DB, então deve ser fácil instalar e verificar o funcionamento real.
O Sample DB contém documentos da Wikipédia dos Beatles e os romances originais de Sherlock Holmes, sem problemas de direitos autorais. (Embora estejam em inglês, é possível pesquisar em outros idiomas.)

Obrigado.

Código-fonte: https://github.com/rawdev/MemoryWeft

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

[elbanic]

Ah, a ideia é boa mesmo. Acho que eu também vou ter que pensar em como aproveitar isso.

[rawdev]

Obrigado.

[smaker]

Quais são os diferenciais em relação ao Context Mode ou ao AgentMemory?

[rawdev]

Olá. Agradeço pelo interesse.

Fiquei sabendo pela primeira vez da existência do AgentMemory por meio do comentário do smaker.
Se eu já soubesse, talvez nem tivesse criado o Mweft.

Felizmente, ao verificar o AgentMemory, me parece que a proposta e a tecnologia interna dele são diferentes das do Mweft.

1. Antes de tudo, o mweft foi criado tendo a colaboração como base. O AgentMemory também parece ter recursos de colaboração, mas, pela diferença de proposta, a estrutura interna parece ser diferente.

2. O mweft tem um papel auxiliar para ajudar a gerar bons resultados. Mesmo no grafo ou no RAG, o foco está mais em encontrar relações do que em rigor. O AgentMemory também tem uma estrutura em grafo, mas parece que o mweft adota uma abordagem diferente.

3. O AgentMemory parece ter sido criado com o objetivo de ser uma IA para programação. Por isso, a precisão parece ser importante. O Mweft pode estar errado. Ele serve para dar pistas para que a IA ou a pessoa vá pesquisar.

Minha análise pode estar errada. Se puder me dar algum conselho, ficarei grato em ouvir.

Obrigado.

[rawdev]

O modo Context é voltado para memória pura, então há esse diferencial em relação ao Mweft, que tem como objetivo a colaboração.

[hsvtr365]

Não dá para simplesmente usar o Codex?

[rawdev]

Olá. Obrigado pelo interesse.
Não usei muito o Codex, então vou responder com base no que sei. Posso estar errado.

Antes de tudo, o Mweft não compartilha os resultados do trabalho.
Ele compartilha o conteúdo que surge ao longo das conversas com a IA. Para os resultados do trabalho, é preciso usar outras ferramentas, como o GIT. Como o que é compartilhado é o conteúdo intermediário, e não o resultado final, é possível acompanhar o fluxo de trabalho.
Além disso, essa função é apoiada pelo uso de graph + rag.
O Mweft também permite compartilhar trabalho entre Claude, Codex e Gemini CLI.

Obrigado.