शेयर किया जा सकने वाला, Graph-आधारित AI Memory MCP

यह AI के साथ हुई बातचीत या दस्तावेज़ों को Sqlite या PostgreSQL में सहेजने वाला एक open source MCP है.

LLM Wiki या दूसरी memory प्रणालियों से इसका फ़र्क AI के बीच memory sharing और search है.
घर में किया गया काम और ऑफिस में किया गया काम एक ही memory के रूप में साझा किया जा सकता है. या टीम सदस्यों के काम के नतीजों को भी एक ही memory के रूप में साझा किया जा सकता है.

डेटा को Graph+RAG में बदलकर DB में सहेजा जाता है.
Graph, Event-Centric Knowledge Graph (ECKG) है, और इसकी खासियत यह है कि दूसरे graph की तरह relationship schema पहले से तय नहीं किया जाता. डेटा जमा करते हुए यह लगातार विकसित होता रहता है.

इंस्टॉलेशन के लिए तैयार compressed file को unzip करके चलाया जा सकता है, या open source के रूप में सीधे install किया जा सकता है.
compressed file को unzip करके चलाने पर manager शुरू हो जाता है.
सहेजने के लिए DB चुनें, और जिस AI में MCP install करना है उसे चुनें, बाकी सब अपने-आप हो जाता है.

Sample DB भी शामिल किया गया है, इसलिए install करके वास्तविक कामकाज की जांच करना आसान होगा.
Sample DB में copyright समस्या से मुक्त Beatles Wikipedia दस्तावेज़ और Sherlock Holmes के मूल उपन्यास शामिल हैं. (वे अंग्रेज़ी में हैं, लेकिन दूसरी भाषाओं में search किया जा सकता है.)

धन्यवाद.

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

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

[elbanic]

ओह, आइडिया अच्छा है। मुझे भी सोचना पड़ेगा कि इसे कैसे इस्तेमाल किया जा सकता है।

[rawdev]

धन्यवाद।

[smaker]

Context Mode या AgentMemory से इसमें क्या अंतर है?

[rawdev]

नमस्ते। रुचि दिखाने के लिए धन्यवाद।

smaker जी की बात से मुझे पहली बार पता चला कि AgentMemory नाम की भी कोई चीज़ है।
अगर पहले पता होता, तो शायद मैं Mweft नहीं बनाता।

अच्छी बात यह है कि AgentMemory को देखने पर लगा कि उसका उद्देश्य और अंदरूनी तकनीक, Mweft से अलग है।

1. सबसे पहले, mweft को मैंने सहयोग को आधार मानकर बनाया है। AgentMemory में भी सहयोग की सुविधा लगती है, लेकिन उद्देश्य के अंतर की वजह से उसकी आंतरिक संरचना अलग लगती है।

2. mweft एक सहायक टूल है, जो बेहतर परिणाम आने में मदद करता है। इसका graph और RAG भी कठोर सटीकता से ज़्यादा संबंध ढूँढने पर केंद्रित है। AgentMemory में भी graph संरचना है, लेकिन mweft का approach अलग लगता है।

3. AgentMemory का उद्देश्य शायद coding AI के लिए बनाया जाना लगता है। इसलिए उसमें accuracy महत्वपूर्ण लगती है। Mweft गलत हो सकता है। यह AI या इंसान को खुद खोजने के लिए hint देने के काम आता है.

मेरा विश्लेषण गलत भी हो सकता है। अगर आप कोई सलाह दें, तो मैं आभार के साथ सुनूँगा।

धन्यवाद।

[rawdev]

Context mode केवल शुद्ध memory उपयोग के लिए है, इसलिए collaboration को लक्ष्य बनाने वाले Mweft से इसका स्पष्ट अंतर है।

[hsvtr365]

obo Codex इस्तेमाल कर लें तो काम नहीं हो जाएगा क्या?

[rawdev]

नमस्ते। रुचि के लिए धन्यवाद।
मैंने Codex को बहुत ज़्यादा इस्तेमाल नहीं किया है, इसलिए जितना जानता हूँ उसी सीमा में जवाब दे रहा हूँ। ग़लत भी हो सकता है।

सबसे पहले, Mweft काम के नतीजों को साझा करने के लिए नहीं है।
यह बीच-बीच में AI के साथ हुई बातचीत से निकली सामग्री को साझा करता है। काम के नतीजों के लिए GIT जैसे दूसरे टूल इस्तेमाल करने होते हैं। क्योंकि इसमें अंतिम परिणाम नहीं, बल्कि बीच की सामग्री साझा की जाती है, इसलिए काम के फ़्लो को ट्रैक किया जा सकता है।
और इस फ़ंक्शन को सपोर्ट करने के लिए graph + rag का उपयोग किया जाता है।
Mweft में Claude, Codex और Gemini CLI के बीच काम साझा करना भी संभव है।

धन्यवाद।