Repolode
Enviar
neo4j-labs

neo4j-labs/agent-memory

Sistema de memoria basado en grafos para agentes de IA que almacena conversaciones, crea grafos de conocimiento y registra razonamientos, con el respaldo de Neo4j.

Ver en GitHubSitio web
Estrellas
588
Forks
109
Issues abiertos
104
Último commit
anteayer

¿Qué es?

Neo4j Agent Memory proporciona a los agentes de IA memoria persistente organizada en tres capas: memoria a corto plazo para conversaciones y mensajes, memoria a largo plazo para entidades, preferencias y hechos almacenados como grafo de conocimiento, y memoria de razonamiento con registros de decisiones y uso de herramientas que se pueden recuperar para tareas similares en el futuro.

Las entidades se extraen de los mensajes mediante un pipeline configurable que usa spaCy, GLiNER2.5 o un LLM, con relaciones tipadas y resolución de entidades para combinar duplicados. El proyecto ofrece dos backends: un servicio NAMS alojado que solo requiere una clave API, y un backend bolt autogestionado que se conecta directamente a Neo4j o AuraDB y permite elegir los proveedores de embeddings y LLM.

También incluye un servidor MCP que expone la memoria como herramientas para asistentes como Claude Desktop y Cursor; adaptadores para LangChain, Pydantic AI, Google ADK, CrewAI, LlamaIndex y otros frameworks; y SDK de Python y TypeScript que comparten el mismo modelo de memoria.

Funciones clave

  • 01Almacena conversaciones con historial por sesión y búsqueda vectorial y de texto.
  • 02Crea un grafo de conocimiento de entidades, preferencias y hechos, con resolución de entidades y eliminación de duplicados.
  • 03Registra trazas de razonamiento y uso de herramientas, y recupera tareas pasadas similares.
  • 04Expone la memoria como herramientas MCP con perfiles core y extended.
  • 05Ofrece SDK de Python y TypeScript mediante un servicio NAMS alojado o un backend Neo4j autogestionado.
  • 06Admite varios proveedores de embeddings y LLM, incluidos OpenAI, Anthropic, Bedrock y LiteLLM.

Casos de uso

  • Dar a un chatbot o asistente memoria de las preferencias del usuario entre sesiones.
  • Crear agentes que respondan a partir de un grafo de conocimiento construido con sus propias conversaciones.
  • Auditar y reutilizar los pasos de razonamiento anteriores de un agente en tareas similares.
  • Añadir memoria persistente a Claude Desktop o Cursor mediante el servidor MCP.

Inicio rápido

  1. 1

    Regístrate en el servicio NAMS alojado y copia tu API key

  2. 2

    Instala el SDK con soporte para NAMS y configura la API key como variable de entorno

    pip install 'neo4j-agent-memory[nams]==0.7.0'
  3. 3

    Ejecuta el ejemplo en Python que crea una conversación y añade un mensaje

Antes de usarlo

  • Oficialmente, es un proyecto de Neo4j Labs y no ofrece SLA ni garantías de compatibilidad con versiones anteriores.
  • Su estado es Beta y la API puede cambiar entre versiones.
  • La opción NAMS alojada requiere registrarse y obtener una API key; Bolt autoalojado necesita una base de datos Neo4j y claves de un proveedor de modelos.
  • Algunas funciones y métodos varían entre los backends NAMS y Bolt.

Temas

#agent-memory#knowledge-graph#neo4j#llm#graph-database#mcp#rag#context-graph#context-graphs#graph-based-reasoning

Preguntas frecuentes

¿Qué es agent-memory?
Sistema de memoria basado en grafos para agentes de IA que almacena conversaciones, crea grafos de conocimiento y registra razonamientos, con el respaldo de Neo4j. Neo4j Agent Memory proporciona a los agentes de IA memoria persistente organizada en tres capas: memoria a corto plazo para conversaciones y mensajes, memoria a largo plazo para entidades, preferencias y hechos almacenados como grafo de conocimiento, y memoria de razonamiento con registros de decisiones y uso de herramientas que se pueden recuperar para tareas similares en el futuro.
¿agent-memory es gratuito? ¿Qué licencia tiene?
agent-memory es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿agent-memory sigue mantenido?
Mantenimiento activo. El último commit de agent-memory fue el 19 oct 2026.
¿Para qué puedo usar agent-memory?
Dar a un chatbot o asistente memoria de las preferencias del usuario entre sesiones. Crear agentes que respondan a partir de un grafo de conocimiento construido con sus propias conversaciones. Auditar y reutilizar los pasos de razonamiento anteriores de un agente en tareas similares. Añadir memoria persistente a Claude Desktop o Cursor mediante el servidor MCP.
¿Cómo se instala agent-memory?
Regístrate en el servicio NAMS alojado y copia tu API key Instala el SDK con soporte para NAMS y configura la API key como variable de entorno: pip install 'neo4j-agent-memory[nams]==0.7.0' Ejecuta el ejemplo en Python que crea una conversación y añade un mensaje
¿Dónde consigo agent-memory?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/neo4j-labs/agent-memory

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados