Aegis Memory: หน่วยความจำถาวรที่ปลอดภัยสำหรับตัวแทนที่เปิดใช้งาน MCP
Aegis Memory จาก Quantify Labs เป็นโครงสร้างพื้นฐานหน่วยความจำแบบโอเพนซอร์สสำหรับ MCP ที่ให้เอเจนต์ AI มีบริบทที่ยั่งยืนและตรวจสอบได้ตลอดเซสชัน เครื่องมือนี้เก็บความทรงจำระยะยาวและเปิดเผยการค้นหาความหมายผ่านการฝังเวกเตอร์เพื่อให้เอเจนต์ดึงข้อมูลการโต้ตอบในอดีตที่เกี่ยวข้องตามความหมายแทนที่จะเป็นคำสำคัญ นอกจากนี้ยังบังคับใช้การควบคุมการเข้าถึงที่มีขอบเขตและการตรวจสอบความสมบูรณ์ทางเข้ารหัส ทำให้การแยกข้อมูลผู้ใช้และเอเจนต์หลายตัวมีความปลอดภัย นักพัฒนาและนักวิจัยที่สร้างระบบเอเจนต์หลายตัวจะได้รับชั้นความจำที่มีมาตรฐานและมุ่งเน้นด้านความปลอดภัยเพื่อสนับสนุนพฤติกรรมของเอเจนต์ที่ปรับให้เหมาะสมและการตรวจสอบได้
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
aegis-memory ทำหน้าที่เป็นที่เก็บข้อมูลบริบทที่คงอยู่สำหรับตัวแทน ซึ่งมีจุดประสงค์เพื่อเก็บข้อมูลข้ามการเริ่มต้นเซสชันใหม่และการรีเซ็ตหน้าต่างบริบท มันสนับสนุนการค้นหาความหมายโดยใช้เวกเตอร์อิมเบดดิ้ง เพื่อให้ตัวแทนสามารถดึงข้อมูลการโต้ตอบก่อนหน้านี้ตามความหมายแทนที่จะเป็นคำที่แน่นอน รูปแบบงานทั่วไปประกอบด้วย:
- การเพิ่มบริบทของคำกระตุ้นสำหรับ LLMs
- การประสานงานหลายเทิร์นของตัวแทน
- การสะท้อนตนเองและการลงคะแนนตาม ACE
มันเป็นแบบ MCP-native ซึ่งอนุญาตให้เชื่อมต่อกับลูกค้าที่เปิดใช้งาน MCP
ความถูกต้องและการตรวจสอบของความทรงจำที่ดึงมานั้นเป็นอย่างไร?
บริบทที่เก็บรวมถึงการควบคุมความสมบูรณ์ ผ่านการแฮชแบบเข้ารหัสและกฎการอัปเดตที่อิงจากความไว้วางใจ ซึ่งบันทึกวิธีการที่รายการเปลี่ยนแปลงและรักษาความสอดคล้อง การค้นหาความหมายจะส่งคืนการจับคู่เวกเตอร์ที่ใกล้เคียงที่สุด ดังนั้นความเกี่ยวข้องของการดึงข้อมูลจึงขึ้นอยู่กับการสร้างเวกเตอร์อิมเบดดิ้งและการกำหนดค่าดัชนี การออกแบบนั้นให้แหล่งที่มาที่ตรวจสอบได้สำหรับรายการที่เรียกคืน ในขณะที่ความแม่นยำในการเรียกคืนจะแตกต่างกันไปตามคุณภาพของเวกเตอร์อิมเบดดิ้งและตัวเลือกดัชนีเวกเตอร์ที่ใช้ในระหว่างการปรับใช้
มันต้องการข้อมูลนำเข้าและการโฮสต์อะไรบ้าง?
เซิร์ฟเวอร์เปิดเผยจุดสิ้นสุด MCP และคาดหวังโครงสร้างพื้นฐานมาตรฐาน การดำเนินการถูกออกแบบมาเพื่อการโฮสต์ด้วยตนเองบนสแต็กที่ใช้ Docker และ PostgreSQL พร้อมส่วนขยาย pgvector สำหรับการจัดเก็บเชิงความหมาย ลูกค้าต้องพูดโปรโตคอลบริบทของโมเดลเพื่อเชื่อมต่อ การปรับใช้จึงเกี่ยวข้องกับการโยกย้ายฐานข้อมูล การจัดการดัชนีเวกเตอร์ และความรับผิดชอบในการโฮสต์ตามปกติเป็นส่วนหนึ่งของการตั้งค่าการผลิต
มันเหมาะสมสำหรับการทำงานของนักพัฒนาและการวิจัยหรือไม่?
เครื่องมือนี้มุ่งเป้าไปที่วิศวกรและนักวิจัยที่สร้างระบบหลายตัวแทน ที่ต้องการการควบคุมการเข้าถึงที่มีขอบเขตและพฤติกรรมหน่วยความจำที่ปรับตัวได้ มันรวมเข้ากับกรอบตัวแทนเช่น CrewAI และ LangChain และใช้รูปแบบ ACE เพื่อให้ตัวแทนสามารถทำการสะท้อนและลงคะแนน การนำไปใช้งานถือว่ามีส่วนร่วมของนักพัฒนาเพื่อสร้างลำดับชั้นความไว้วางใจและการกำกับดูแล ดังนั้นทีมที่มุ่งเน้นไปที่การตรวจสอบและการประสานงานของตัวแทนจึงพบว่ามันสอดคล้องกับความต้องการในการทำงานเหล่านั้น
เหมาะที่สุดสำหรับทีมที่ชอบเครื่องมือที่เปิดเผยและนำโดยที่เก็บข้อมูล
โครงการนี้จัดจำหน่ายผ่าน GitHub และ PyPI และได้รับการยกย่องในวงการนักพัฒนาในฐานะทางเลือกที่พร้อมใช้งานสำหรับบริการหน่วยความจำที่เป็นกรรมสิทธิ์ สำหรับทีมที่ชอบเครื่องมือที่โฮสต์แบบเปิดและผ่านการตรวจสอบจากชุมชน การวางตำแหน่งนี้ทำให้เป็นตัวเลือกที่สมเหตุสมผล องค์กรที่ต้องการบริการที่จัดการโดยผู้ขายควรเปรียบเทียบทางเลือก เนื่องจากแนวทางการนำที่เก็บข้อมูลมาก่อนของโครงการสอดคล้องกับกระบวนการรวมและตรวจสอบที่ขับเคลื่อนโดยนักพัฒนา และความคาดหวังในการสนับสนุนจากชุมชน。
