Il progetto conserva conoscenze e decisioni in file Markdown versionati con Git, con strumenti di ricerca, validazione e integrazione tramite MCP.
Gli agenti di coding basati sull’intelligenza artificiale possono analizzare repository, modificare file ed eseguire attività articolate. La continuità tra una sessione e l’altra resta però un’esigenza concreta: decisioni architetturali, convenzioni interne e soluzioni già sperimentate rischiano di dover essere ricostruite ogni volta. OKF Agent Memory affronta questo problema collocando la memoria persistente direttamente nel repository software.
Il progetto usa una cartella knowledge/ composta da documenti Markdown con metadati YAML frontmatter. Le informazioni diventano così artefatti leggibili, modificabili e versionabili attraverso Git. La memoria dell’agente può essere consultata dagli sviluppatori, sottoposta a revisione e trasferita insieme al codice, senza richiedere un archivio remoto separato.
Una memoria che segue il progetto
Nei sistemi agentici, il termine memoria può indicare componenti molto diversi. Alcune implementazioni conservano conversazioni, altre indicizzano documenti in un database vettoriale, altre ancora mantengono un riepilogo temporaneo delle attività. OKF Agent Memory adotta un’impostazione orientata alla conoscenza operativa del repository.
Una voce può descrivere una convenzione di sviluppo, spiegare perché è stata scelta una determinata architettura oppure registrare una procedura ricorrente. L’agente può recuperare queste informazioni durante le sessioni successive e usarle come contesto per nuove attività. La cartella di conoscenza viaggia con il progetto e rimane disponibile anche quando cambia lo strumento impiegato per il coding assistito.
L’approccio Git-native offre una caratteristica utile nei gruppi di sviluppo: ogni modifica alla memoria può entrare nel normale ciclo di lavoro del repository. Cronologia, differenze tra versioni e revisioni tramite pull request rendono visibile l’evoluzione della conoscenza. Un’informazione errata può essere corretta attraverso gli stessi meccanismi già utilizzati per il codice e la documentazione.
Il ruolo dell’Open Knowledge Format
OKF Agent Memory applica l’Open Knowledge Format, nella versione 0.2, invece di introdurre un formato proprietario autonomo. La specifica OKF definisce una directory di documenti Markdown accompagnati da metadati YAML. I file sono pensati per essere scritti sia dalle persone sia dagli agenti e possono essere letti anche senza strumenti dedicati.
Questo dettaglio riduce il legame con una singola piattaforma. Un editor di testo è sufficiente per aprire i contenuti, mentre gli strumenti automatici possono interpretare i campi strutturati presenti nel frontmatter. La combinazione consente di mantenere una parte narrativa, adatta alla lettura umana, e una parte formale utile all’elaborazione automatica.
La versione 0.2 di OKF dedica attenzione a provenienza, attendibilità, ciclo di vita e attestazione delle conoscenze. Prevede inoltre campi relativi alle origini delle informazioni e al momento della generazione. Questi elementi aiutano a distinguere una decisione confermata da una nota provvisoria e permettono di capire quando un contenuto potrebbe richiedere una verifica o un aggiornamento.
Per gli agenti di coding, una struttura di questo tipo può evitare che ogni annotazione venga trattata come una verità permanente. Una regola valida per una versione precedente del software potrebbe essere superata. I metadati forniscono un contesto utile per valutare la voce prima di applicarla a una nuova modifica.
Ricerca, validazione e integrazione MCP
Il progetto include funzioni per creare le voci, validarne la struttura, cercare nei contenuti e inizializzare il sistema di memoria. Il bootstrap serve a predisporre il memory stack all’interno del repository, offrendo agli strumenti agentici una base comune da cui partire.
La ricerca utilizza BM25 in memoria. Si tratta di un metodo di ordinamento lessicale che assegna rilevanza ai documenti in base ai termini presenti e alla loro distribuzione. Questa scelta privilegia un funzionamento locale e relativamente semplice. Gli autori dichiarano che l’implementazione non richiede un database esterno e viene distribuita come binario Go privo di dipendenze esterne.
Il repository comprende anche un server MCP collegato attraverso stdio. Model Context Protocol consente agli ambienti agentici compatibili di richiamare strumenti e accedere a risorse attraverso un’interfaccia condivisa. In questo caso, l’integrazione può mettere a disposizione dell’agente le operazioni di ricerca e gestione della memoria senza imporre a ogni piattaforma un connettore completamente personalizzato.
L’insieme di formato aperto, comandi locali e server MCP suggerisce un utilizzo multi-strumento. Un gruppo può conservare la conoscenza nel repository e renderla accessibile a diversi assistenti compatibili, mantenendo Git come livello comune di persistenza e controllo.
Le ricadute sui workflow di sviluppo
Una memoria ispezionabile può migliorare la continuità delle attività lunghe. Se un agente riceve il compito di aggiornare un’applicazione in più sessioni, può recuperare le scelte già effettuate e le indicazioni lasciate dal gruppo. Il contesto utile viene selezionato dalla base di conoscenza invece di dipendere interamente dalla cronologia della conversazione.
Questo modello può risultare interessante anche per l’ingresso di nuovi collaboratori. Le decisioni conservate nella cartella knowledge/ offrono una mappa consultabile delle pratiche adottate dal progetto. Persone e agenti accedono allo stesso patrimonio informativo, con la possibilità di proporre correzioni attraverso il normale processo di revisione.
Esiste inoltre una ricaduta sulla portabilità. Quando la memoria è racchiusa in un servizio specifico, il passaggio a un altro assistente può richiedere esportazioni o ricostruzioni. I file Markdown versionati riducono questa dipendenza e consentono di conservare le conoscenze accanto agli artefatti ai quali si riferiscono.
Lo stesso principio può estendersi oltre il codice. Un repository dedicato a documentazione, contenuti digitali o procedure aziendali potrebbe utilizzare voci strutturate per conservare linee editoriali, criteri di revisione e istruzioni operative. L’efficacia dipende dalla qualità delle informazioni registrate e dalla disciplina con cui vengono aggiornate.
Un progetto ancora da osservare sul campo
OKF Agent Memory si trova in una fase iniziale, con una cronologia pubblica ancora limitata. Le indicazioni sulle prestazioni provengono dalla documentazione del progetto e vanno considerate dichiarazioni interne, in attesa di verifiche indipendenti e confronti più ampi. Le fonti disponibili non documentano ancora un’adozione diffusa in ambienti produttivi.
La ricerca lessicale offre semplicità e prevedibilità, mentre la sua efficacia pratica dipende dal modo in cui vengono scritte e organizzate le voci. Terminologia incoerente, documenti duplicati o conoscenze obsolete possono ridurre la qualità dei risultati. Validazione, metadati e revisione tramite Git forniscono gli strumenti per gestire questi aspetti; il processo operativo rimane decisivo.
L’interesse del progetto risiede soprattutto nel trattamento della memoria come parte verificabile del lavoro. Le conoscenze degli agenti assumono la forma di documenti condivisi, con una cronologia e regole esplicite. Questa impostazione avvicina l’automazione agentica alle pratiche consolidate dello sviluppo software e rende più semplice capire quali informazioni entrano nel contesto di una sessione.
Con la crescita degli agenti capaci di operare su attività estese, la gestione della memoria diventa un componente infrastrutturale dei workflow. OKF Agent Memory propone una soluzione essenziale: file aperti, Git, ricerca locale e un’interfaccia MCP. La maturità tecnica e l’adozione dovranno essere valutate nel tempo, mentre l’idea di una memoria portabile e ispezionabile offre già un riferimento concreto per progettare strumenti di coding assistito più continui.
Fonti
