Agent Memory

Agent Memory — Memory Engines para Agentes IA

Visión General

Los agentes IA olvidan todo entre conversaciones. Los motores de memoria resuelven esto:

• Extracción de facts — Aprende de conversaciones, extrae hechos estructurados
• Perfiles de usuario — Contexto estable + actividad reciente, acceso ~50ms
• Búsqueda híbrida — RAG + memoria personal en una sola query
• Razonamiento temporal — Facts que cambian con el tiempo, contradicciones
• Olvido automático — Facts caducados se eliminan solos
• Conectores — Sync con Drive, Gmail, Notion, GitHub, etc.

Herramientas Conocidas

Supermemory

• URL: https://github.com/supermemoryai/supermemory
• Estrellas: ~24k | Lenguaje: TypeScript
• Benchmarks: #1 en LongMemEval, LoCoMo, ConvoMem
• Features: Memory extraction, user profiles, hybrid search, connectors (Drive, Gmail, Notion, GitHub), multi-modal extractors (PDF, OCR, video transcription, AST-aware code chunking)
• SDK: npm + pip
• Infra: Cloudflare Workers + KV + Pages
• Dashboard: https://console.supermemory.ai

// Extract memory from conversation
import { Supermemory } from 'supermemory';
const sm = new Supermemory({ apiKey: 'key' });
const memory = await sm.extract({ messages: [...] });
const profile = await sm.getProfile('user-123');
const results = await sm.search({ query: '...', memory: true, knowledge: true });

Otras herramientas en el ecosistema

• Mem0 — Memory layer for LLM apps (Python/TS)
• Zep — Memory service for AI agents (self-hosted + cloud)
• LangChain Memory — Built-in conversation memory patterns
• Semantic Memory — Memory via vector embeddings

Patrones de Integración

Patrón 1: Memory como capa de contexto

Conversación → Memory Engine → Facts + Profile
                                    ↓
                            Antes de cada turno:
                            getProfile(user_id) → Contexto en prompt

Patrón 2: Hybrid Search (RAG + Memory)

Query → Hybrid Search → [Docs RAG] + [Personal Memory] → Combined context

Patrón 3: Connector Auto-sync

Conectores → Webhooks → Auto-sync → Memory actualizada en tiempo real

Casos de Uso para Mastermind

1. Memoria persistente entre sesiones — Mastermind recuerda preferencias, historial, contexto
2. Perfiles de usuario — David Antizar como usuario con facts estables
3. Integración con herramientas — Notion, GitHub, Drive como fuentes de contexto
4. RAG mejorado — Combinar docs del proyecto + memoria personal

Decisiones

Comparativa de alternativas

Actualizado 2026-09-01 a raíz de las stars de David. Ya no solo "cloud vs self-hosted": Engram demostró que la memoria de agente también puede ser un binario local cero-dependencias vía MCP.

Cuándo usar cada cuál:

• Engram → memoria local inmediata para un coding agent con MCP, sin infra ni llaves API; contratos de sesión explícitos (mem_session_summary como handoff tras compactación). Ideal para equipos/PCs donde la privacidad y el offline importan (patrón muy cercano a cómo Hermes guarda sus memories).
• Supermemory/Mem0 → memoria semántica multiusuario con user profiles, connectors y reasoning temporal; cuando hace falta escalar o compartir memoria entre servicios.
• Zep → servicio self-hosted con API cuando se quiere memoria centralizada con razonamiento temporal sobre Postgres.

Engram — patrón operativo (lo reutilizable)

• El agente decide, no el volcado: mem_save solo tras trabajo significativo (bugfix, decisión, patrón), formato What/Why/Where/Learned. Nunca tool output crudo.
• topic_key estable (p.ej. architecture/auth-model) → los temas evolutivos se actualizan bajo la misma clave en vez de crear memorias compitientes.
• Divulgación progresiva en 3 capas: mem_search (preview) → mem_timeline (contexto cronológico alrededor) → mem_get_observation (contenido completo) — minimiza tokens de contexto.
• Handoff de sesión: al terminar, mem_session_summary (Goal/Discoveries/Accomplished/Next Steps/Files); al arrancar, mem_context inyecta la sesión previa automáticamente.
• Registro con un comando: engram setup <agente> escribe la entrada MCP (mcpServers/servers/objeto mcp según cliente) y el Memory Protocol, idempotente.

Referencias

• Engram (⭐6.2K, Go, MIT, push 2026-09-01) — docs clave: docs/ARCHITECTURE.md, docs/AGENT-SETUP.md, docs/INSTALLATION.md
• Supermemory docs
• Supermemory quickstart
• Supermemory Discord
• LongMemEval benchmark
• LoCoMo benchmark
• ConvoMem benchmark