echo-mem
Sistema de memoria compartida para agentes IA basado en grafos sobre PostgreSQL. El servidor nunca invoca LLMs para escribir datos; la extracción se realiza en el cliente. Soporta cualquier cliente MCP con persistencia en su propia base de datos.
Ficha actualizada 25 sept 2026, 18:01 · upstream 25 sept 2026, 17:57 · release sin release detectada
Qué es echo-mem
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Echo Memory es una herramienta de memoria compartida para agentes de inteligencia artificial que almacena conocimientos como un grafo en PostgreSQL. A diferencia de enfoques tradicionales donde cada sesión comienza desde cero, este sistema conecta hechos entre sí y permite consultas que retornan solo lo relevante. Los agentes pueden recuperar información aprendida por otros sin reiniciar el contexto.
La arquitectura se basa en seis herramientas MCP: write_episode para almacenar entidades y hechos, query_memory con recuperación híbrida vectorial y texto completo, record_recall_save para marcar hechos recuperados, get_audit_log para trazabilidad de cambios, pending_documents para archivos pendientes y mark_ingested para cerrar documentos. Cada hecho registra quién lo escribió, cuándo y en qué proyecto.
El sistema está diseñado para reducir el contexto necesario: según mediciones oficiales, consume un 96.7% menos de tokens que inyectar todo el historial, manteniendo una tasa de acierto del 87.2% sobre 1.190 preguntas. La latencia mediana es de 15ms para escritura, 8ms para consulta y 1ms para digestión.
- Agentes de desarrollo que comparten conocimiento entre sesiones sin reiniciar contexto
- Sistemas de soporte técnico donde múltiples agentes aprenden de interacciones previas
- Plataformas de análisis que requieren trazabilidad completa de quién escribió cada hecho
- Herramientas de automatización que necesitan recuperar información histórica específica
- Cero llamadas a modelos en el servidor durante escritura; la extracción se realiza en el cliente
- Modelo de datos basado en grafos con entidades como nodos y hechos como aristas
- Persistencia completa con trazabilidad: cada hecho incluye autor, herramienta, proyecto y timestamp
- Soporte para cualquier cliente MCP con identificador único por agente (ECHO_MEMORY_AGENT_ID)
- Reducción verificada del 96.7% en tokens de contexto versus inyección total de historial
- Latencia mediana de 15ms escritura, 8ms consulta y 1ms digestión según benchmark oficial
- La resolución de entidades tiene AUC de 0.666 con intervalo de confianza que incluye azar; el merge automático está desactivado
- No existe tiering ni resumen automático: la recuperación actual recorre todos los hechos activos en el scope
- Los campos causales (caused_by, led_to) están reservados para futuras versiones y actualmente retornan null
- La extracción de entidades debe realizarse por el agente cliente antes de guardar; no hay inferencia automática en el servidor
- El merge automático de entidades solo se activó tras revisión manual con precisión del 50% sobre dos pares revisados
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python 3.11+ y Docker para PostgreSQL. Instalar vía pipx: pipx install echo-mem, luego ejecutar echo-memory quickstart para iniciar la base de datos o echo-memory connect <key> para usar el servicio alojado. Ejecutar echo-memory install --global una vez por máquina. Cada cliente MCP necesita su propio ECHO_MEMORY_AGENT_ID. Reiniciar el cliente después de instalar globalmente ya que es un proceso persistente.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.