memodb-io/Acontext

Agent Skills as a Memory Layer

What it solves

Acontext は AI エージェント向けに透明で人間が読める記憶層を提供します。学習内容が複雑な埋め込みやプロプライエタリなデータベースに隠れている「不透明」なエージェント記憶の問題を、エージェントのスキルと知識をシンプルな Markdown ファイルとして保存することで解決し、さまざまな LLM やフレームワーク間で読み取り・編集・共有できるようにします。

How it works

Acontext は蒸留とリコールのサイクルで動作します：

  1. Store (Learning): システムはセッションメッセージを監視します。タスクが完了または失敗したとき、LLM 駆動の蒸留プロセスが実行トレースを分析し、何がうまくいったか、何が失敗したかを判断します。その後「Skill Agent」がユーザー定義のスキーマに基づき、これらの学習を Markdown ファイルに書き込みます。
  2. Recall (Usage): エージェントはセマンティック検索（top‑k）を使用せず、特定のツール（get_skill と get_skill_file）を使って必要な知識を明示的に取得します。これによりエージェントは取得すべき情報を自ら推論でき、段階的開示のプロセスを提供します。

Who it’s for

エージェントを構築する開発者向けです。エージェントがミスから学習し、成功した戦略を再利用できるようにし、特定のベンダー、データベース、フレームワーク（例: LangGraph、Claude、Vercel AI SDK）にロックインされないことを目指します。

Highlights

  • Human-Readable Memory: すべての記憶は Markdown ファイルとして保存され、デバッグや Git でのバージョン管理、検査が容易です。
  • Framework Agnostic: ファイルを読める任意のフレームワークで動作し、API ロックインを回避します。
  • Agent-in-the-Loop Retrieval: 不透明な埋め込み検索ではなく、ツールベースの取得を使用します。
  • Portable Knowledge: スキルは ZIP ファイルとしてエクスポートでき、異なるエージェントや LLM 間で移動可能です。
  • Integrated Tooling: 仮想永続ファイルシステム（Disk）、分離コード実行環境（Sandbox）、Python と TypeScript 用 SDK を含みます。