JuliusBrussee/cavemem

解決する課題

AIエージェントが異なるセッション間や異なるIDE間で情報を忘れることを防ぐ、コードアシスタント向けのクロスエージェント永続メモリを提供します。

動作方法

Cavememは、セッション境界で発火するフックを使用して、エージェントの活動から観測データを取得します。これらの観測データは、決定論的な「原始人文法」で圧縮され（自然言語トークンを約75%削減しつつ、コードとパスは正確に保持）、ローカルのSQLiteデータベースに保存されます。エージェントは、ハイブリッド検索（SQLite FTS5キーワード検索とローカルベクトルインデックスの組み合わせ）を用いたModel Context Protocol (MCP) サーバーを通じて、この履歴を取得できます。

対象ユーザー

Claude Code、OpenCode、Codex、GitHub Copilot、Augment Code、Cursor、Gemini CLI、Antigravity、IBM BobなどのAIコードアシスタントを使用し、エージェント用の統合的でローカル、プライバシー配慮型のメモリストアを求める開発者。

特徴

• 複数IDE対応：複数のIDEからのデータを収集し、他のエージェントが共有メモリを照会可能にします。
• ローカル優先：デフォルトでネットワークやクラウドの要件が不要。データはローカルのSQLite DBに保存されます。
• 圧縮ストレージ：専用の文法を使用してスペースを節約しつつ、展開時に人間が読みやすい形式を維持します。
• 段階的取得：MCPツールにより、エージェントは検索、タイムラインの表示、特定の観測データの取得が可能になり、コンテキストを効率的に管理できます。
• プライバシー制御：機密情報の自動マスキングと、機密ディレクトリを除外するためのパスグロブのサポートを含みます。
• Webビューア：ローカルで動作し、トークン保護されたUIで人間がキャプチャされたセッションを閲覧できます。