AMP (Agent Memory Protocol)

Memory is the essence of evolution. / 记忆是进化的本质

AMP (Agent Memory Protocol) is a plug-and-play memory engine for the LLM era. It features "Pluggable Memory" with true Cross-Agent Shared Inheritance — memory written by one Agent can be instantly used by another. It completely breaks data silos, enabling seamless memory consensus across different AI tools.

AMP (Agent Memory Protocol) — 主打“插件化记忆、即插即用”的大模型时代 AI Agent 记忆管理引擎。实现真正的跨 Agent 共享与继承——一个 Agent 存入的记忆，另一个 Agent 拔插即用，彻底打破信息孤岛，让不同 AI 工具之间形成记忆共识。

🌟 Breakthrough Innovations / 颠覆性创新点

AMP is more than just a key-value store; it's a "Memory OS" for the LLM era:
AMP 不仅仅是一个简单的 K-V 数据库，它是大模型时代的“记忆操作系统”，具备以下核心特性：

1. Cross-Application Sharing & Implicit Capture / 跨应用共享与隐式捕获 (The "Memory Hub" Extension)

Unlike traditional memory systems restricted to a single chat window (like ChatGPT or Cursor alone), AMP natively provides a Chrome Browser Extension (extension/).
传统的记忆系统受限于单一对话框（如单独的 ChatGPT 或 Cursor），而 AMP 提供原生的 Chrome 浏览器插件 (extension/) 支持。

• Invisible Data Collection / 无感记忆收集: The extension captures user highlights, reading preferences, and frequent searches in the background, transforming them into dynamically weighted memory fragments. (插件在后台隐式捕获用户高亮内容、阅读偏好及高频搜索，将其转化为动态权重的记忆碎片。)
• Global Interoperability / 全局打通: Whether you are using a web LLM, a local terminal Agent (e.g. OpenClaw), or a code editor (e.g. Claude Code), they can all connect to the same AMP memory hub via the MCP (Model Context Protocol). (无论是网页版大模型、本地终端 Agent，还是代码编辑器，都可以通过 MCP 协议或 REST API 接入同一个 AMP 记忆中枢，实现真正的记忆继承与共享。)

2. Autonomous LLM Paging / OS 级的大模型记忆自治

Inspired by modern OS memory paging, we not only provide APIs but also expose getMemoryTools() directly formatted for OpenAI/Claude Function Calling.
借鉴现代操作系统的“内存分页机制”，我们不仅提供了 API，还直接暴露出适配 OpenAI/Claude 的 getMemoryTools() 函数。

• Dynamic Paging / 动态换页: The LLM can autonomously invoke tools to "page out" unimportant context to AMP's long-term memory and "page in" relevant background knowledge when needed, shattering physical Context Window limits. (大模型可以通过主动调用工具，在上下文溢出时自动将不重要的内容“换出”到长期记忆库，并在需要时“换入”关联的背景知识，彻底打破 Context Window 的物理限制。)

3. Hybrid Graph-Vector Architecture / 向量与图谱的双轨混合检索

Pure vector databases struggle with multi-hop logical reasoning.
传统系统单纯依赖向量（Vector DB），难以处理多跳逻辑推理（Multi-hop Reasoning）。

• From day one, AMP aligns working (Scratchpad), long_term (Vector retrieval), and graph (Temporal graph memory) tiers in its MemoryTier. This paves the way for handling deep entity relationships (e.g., "A knows B, and B likes C"). (AMP 从设计之初就在 MemoryTier 中并列了 working、long_term 和 graph。这为接入 Neo4j 等图数据库，处理“A认识B，且B喜欢C”这类深层实体关系铺平了道路。)

4. Dynamic Weighting & Forgetting Curve / 艾宾浩斯遗忘曲线与动态权重

Every memory entering AMP carries an importance score and lastAccessedAt timestamp. Frequently accessed memories automatically gain weight, while low-value info decays over time (Memory Consolidation).
每一条进入 AMP 的记忆都自带 importance（重要性得分）和 lastAccessedAt（最后访问时间）。高频访问的记忆权重自动增加，低价值信息随时间自动降级（Memory Consolidation），确保检索效率永远保持在最巅峰。

📦 Installation & Quick Start / 安装与快速体验

One-line Local Demo / 一行命令跑通本地体验

Run the full memory write + semantic retrieval flow with zero configuration! The system will automatically create a persistent amp_memory.json file for you.
无需任何数据库配置，克隆后直接跑通记忆写入+智能检索的全流程！系统将自动为你创建持久化文件 amp_memory.json，确保断电不丢失。

git clone https://github.com/RewFa-CEO/AMP.git
cd AMP
npm install
npm run build
npm run demo

In the Demo terminal / 在 Demo 终端中：

1. Type anything / 直接打字输入 to permanently save your preferences (e.g., "I prefer dark themes for coding" / 即可永久保存你的偏好，如：“我平时写代码最喜欢用深色主题”).
2. Type ? theme / 输入 ? 偏好 to experience cross-Agent semantic retrieval (即可体验跨 Agent 维度的语义检索引擎).

🏗️ Architecture & Ecosystem Support / 架构与生态支持

To satisfy both hardcore developers and full-scenario apps, AMP provides identical core implementations across multiple languages, and they all share the same underlying storage architecture:
为了满足最极客的开发者和全场景应用，AMP 提供完全一致的多语言核心实现，并 共用同一个底层存储架构：

📦 1. TypeScript / Node.js Core (/src)

Best suited for frontend and browser ecosystems. / 最契合前端及浏览器生态的实现。

import { AMPCore, MemoryTier } from 'agent-memory-protocol';

const amp = new AMPCore();
await amp.store({
  tier: MemoryTier.LONG_TERM,
  scope: { userId: 'global-user' },
  content: 'User prefers writing backend code in TypeScript. / 用户偏好使用 TypeScript 编写高并发服务端代码。',
  metadata: { importance: 0.9, tags: ['tech', 'preference'] }
});

🐍 2. Python Core (/python)

Tailored for AI Native developers and data scientists. Perfectly integrated with Pydantic type validation. / 为 AI Native 开发者及数据科学家量身定制。完美集成 Pydantic 类型校验。

from amp import AMPCore, MemoryEvent, MemoryTier, MemoryScope, MemoryMetadata

amp_core = AMPCore()
await amp_core.store(MemoryEvent(
    tier=MemoryTier.WORKING,
    scope=MemoryScope(user_id="global-user"),
    content="Developing a disruptive AI memory protocol. / 正在开发一个颠覆性的 AI 记忆协议。",
    metadata=MemoryMetadata(importance=0.8, tags=["project"])
))

# Directly get LLM Tools to mount onto GPT-4 or Claude / 直接获取 LLM Tools，挂载给 GPT-4 或 Claude
tools = amp_core.get_memory_tools()

🔌 3. MCP Server & REST API / MCP 记忆中枢与 REST API

Run the global memory hub daemon: / 启动全局记忆守护进程：

npm run start

This single process mounts both standard Model Context Protocol (MCP) endpoints (for Cursor, Claude Code) and HTTP REST APIs (port 3000, for legacy Agents). They both share the identical underlying persistence layer!
该进程将同时提供 MCP (Model Context Protocol) 协议接口（供 Claude Code / Cursor 直接读取）以及暴露在 3000 端口的 HTTP REST API（供其它 Agent 如 OpenClaw 写入）。它们都在底层读写相同的 amp_memory.json / Redis 数据库！

🎯 Vision / 发展愿景

The ultimate form of AMP is to become the HTTP of the AI Era.
Just as web pages fetch resources via HTTP, all future Agents will shake hands via AMP to synchronize human preferences and facts. Users will no longer need to repeat "who I am and what I need" to every new AI that appears.

AMP 的最终形态是成为 AI 时代的 HTTP。就像网页通过 HTTP 获取资源一样，未来的所有智能体（Agents）都将通过 AMP 握手，同步人类的偏好与事实，让用户不再需要向每一个新出现的 AI 重复解释“我是谁，我需要什么”。

🧠 Memory Architecture / 三层记忆架构

🚀 Performance Metrics / 性能指标

实际性能高度依赖所选后端与数据规模。下表为参考量级（小规模数据 + 默认 FileStorageProvider，单进程基准）：

⚠️ FileStorageProvider 在每次 retrieve 时会回写 lastAccessedAt，大数据量下应优先选择 SQLite 或 Redis 后端以获得真正的索引/事务能力。

🛡️ Security & Privacy / 安全与隐私

• 100% 本地化: 所有记忆数据默认本地存储，不上传任何第三方服务器。
• At-rest 加密: FileStorageProvider 支持可选的 AES-256-GCM 静态文件加密（通过 encryptionKey 配置）。注意这是文件级静态加密，传输层加密请通过 HTTPS/TLS 在上层处理。
• 细粒度权限控制: 通过 MemoryScope（userId / sessionId / agentId）实现记忆隔离，retrieve 阶段强制过滤，不同 scope 互不可见。
• 审计日志: 配置 auditLogPath 后，所有 store / retrieve / update / delete 操作都会按行追加 JSON 审计条目，可追溯。
• MCP/REST 认证: 生产环境（NODE_ENV=production）启动时强制要求 AMP_API_TOKEN 环境变量；token 比较使用 crypto.timingSafeEqual 防时序侧信道；CORS 默认仅允许 localhost 与 chrome-extension 来源。

💡 Use Cases / 应用场景

1. 个人极客 (Personal Users)：统一管理所有 AI 助手的记忆，让 Cursor、Claude 和网页版 ChatGPT 共享同一个“大脑”，避免重复输入上下文。
2. 企业团队 (Enterprise Teams)：共享项目知识库，所有团队成员的 AI 助手都可以访问统一的业务上下文和编码规范（通过 scope 隔离按团队切分）。
3. AI 应用开发者 (AI Developers)：通过暴露的 REST API / MCP 快速为自定义 Agent 增加长期记忆能力，无需从零开发复杂的记忆系统。
4. 知识管理 (Knowledge Management)：构建企业级知识库，支持按用户/会话维度的语义检索（基于子串+分词匹配，真正的向量检索见 Roadmap）。

🗺️ Roadmap / 路线图

当前版本已实现的功能 vs. 规划中（避免宣传与实现脱节）：

📄 License / 许可证

MIT License - Open Source for the AI Community. / 开源，为 AI 社区而生，完全免费，可自由修改和商用。