kioku-mesh: memória compartilhada de longo prazo para agentes de IA
Eu criei kioku-mesh, que compartilha memória de longo prazo para agentes de IA em vários PCs e entre vários agentes. kioku (記憶) significa memória em japonês.
Eu construí o kioku-mesh porque frequentemente trabalho entre meu PC de casa e meu PC do escritório através de uma VPN. Uma dor comum para mim era que eu fazia algum trabalho de desenvolvimento em uma máquina e depois continuava em outra máquina, mas o agente na segunda máquina não tinha memória do contexto anterior. Também achei doloroso que eu não conseguia lembrar facilmente quando e por que certas decisões foram tomadas. Outra frustração era quando eu dividia o trabalho entre vários agentes, por exemplo, um agente codificando e outro agente revisando. O agente secundário frequentemente tinha que ler toda a pasta novamente do zero, o que tornava o fluxo de trabalho lento.
Já existem ferramentas que dão memória de longo prazo a agentes de IA, mas muitas delas ou exigem SaaS ou são limitadas a uma máquina local. Eu queria algo que pudesse ser compartilhado entre meus próprios PCs enquanto ainda permanecesse dentro da minha LAN/VPN.
O kioku-mesh usa Zenoh para a malha. Zenoh + RocksDB atua como a fonte da verdade, então quando eu adiciono um novo PC à malha, ele pode ler memórias que foram salvas nas outras máquinas.
Instalação:
uv tool install kioku-mesh
kioku-mesh init --mode local
kioku-mesh save "Hoje o almoço é Onigiri"
kioku-mesh search "Onigiri"
kioku-mesh mcp install --client claude-code
Após mcp install, os agentes podem chamar save_observation e search_memory como ferramentas MCP normais.
Limitações atuais: Isso ainda está na versão 0.x e é experimental, então mudanças drásticas podem acontecer. O desenvolvimento é principalmente focado em Linux, e eu ainda não testei o macOS ou Windows o suficiente. Isso é destinado a ser usado apenas dentro de uma rede confiável. Se você expô-lo à internet pública, os dados da chave-valor do Zenoh podem ser visíveis de fora através da porta 7447. Eu recomendo fortemente usá-lo apenas em uma rede fechada, como LAN/VPN/Tailscale.
Links:
- PyPI: https://pypi.org/project/kioku-mesh/
- GitHub: https://github.com/h-wata/kioku-mesh
- Demo: https://github.com/h-wata/kioku-mesh/blob/main/docs/assets/demo.gif
Eu gostaria especialmente de feedback sobre o que seria necessário para tornar isso útil para pequenas equipes no futuro. Também estou curioso se a configuração e a instalação parecem muito complicadas quando as pessoas realmente tentam.
h-wata
/
kioku-mesh
Memória compartilhada para agentes de codificação de IA, entre ferramentas e máquinas. SQLite local, malha opcional Zenoh+RocksDB, nativa do MCP.
Memória compartilhada para agentes de codificação de IA, entre ferramentas e máquinas.
kioku (記憶) significa memória.
O kioku-mesh fornece aos agentes de codificação um armazenamento de memória compartilhada. Claude Code, Codex CLI, Gemini CLI e outros clientes MCP podem salvar e pesquisar as mesmas observações de uma máquina ou de várias máquinas em uma malha confiável LAN/VPN.
A configuração padrão é local e não precisa de daemon. O modo malha está disponível quando você deseja que o mesmo pool de memória seja replicado entre hosts.
Por que kioku-mesh
O contexto do agente de codificação fica fragmentado entre máquinas: qual laptop fez aquele trabalho, o que o agente no outro host decidiu e por que um agente secundário tem que reler tudo do zero apenas para dar uma rápida segunda opinião? O kioku-mesh mantém essa memória em um único pool compartilhado para que qualquer agente, em qualquer uma de suas máquinas, possa recordá-la.
Diferente das ferramentas de memória de longo prazo que armazenam tudo em um só lugar, o pool compartilhado é um peer-to-peer…
O kioku-mesh pode transformar a forma como equipes brasileiras de desenvolvimento colaboram, permitindo que agentes de IA mantenham um histórico contínuo de decisões e contextos. Isso melhora a eficiência e reduz a frustração ao alternar entre dispositivos. A implementação em redes locais seguras garante a privacidade dos dados.
