Блог MaxGraph

Память для Cline, Windsurf и ChatGPT: подключение MaxGraph за 10 минут

Fri, 16 Oct 2026 00:10:00 +0500

Коротко: MaxGraph работает по MCP — стандартному протоколу, поэтому подключается к любому совместимому хосту. Ниже — готовые конфиги для Cline, Windsurf (ныне Devin Desktop) и ChatGPT. У нас уже есть отдельные гайды для Cursor и Claude Code.

Что понадобится

Запущенный локальный MaxGraph (установка за 5 минут — один промпт агенту)
Токен доступа: после первого запуска лежит в data/local_token.txt
10 минут

Эндпоинт везде один: http://localhost:8787/mcp, заголовок Authorization: Bearer <твой токен>.

Cline (VS Code)

Панель Cline → иконка MCP Servers → Configure → Configure MCP Servers — и в открывшийся JSON:

OpenCode 2.0: AI-агент для кода стал службой — что изменилось

Thu, 15 Oct 2026 19:00:00 +0500

Коротко: Anomaly выпустила OpenCode 2.0 — мажорную переработку опенсорсного AI-агента для кода (208 000 звёзд на GitHub, 950 контрибьюторов, ~16 млн разработчиков в месяц). Центральное изменение архитектурное: агент теперь постоянно работает как единая фоновая служба, а терминальный интерфейс, десктопное приложение и веб — просто клиенты к ней. Плагины теперь горячеперезагружаемые — агент может написать плагин для самого себя посреди сессии и тут же им воспользоваться.

Что такое OpenCode и зачем ему 2.0

OpenCode — опенсорсный агент, который пишет код в вашем терминале, IDE или десктопном приложении. Он бесплатный, работает с 75+ провайдерами моделей через Models.dev (включая локальные модели), умеет входить через ваш GitHub Copilot или ChatGPT Plus/Pro и не хранит ваш код на своих серверах.

LFM2.5-24B-A2B от Liquid AI: 24B параметров, работают 2B — агенты переезжают на устройство

Thu, 15 Oct 2026 12:00:00 +0500

Коротко: 13 октября 2026 Liquid AI выпустила LFM2.5-24B-A2B — reasoning-модель с 24 млрд параметров, из которых на каждый токен активны только 2 млрд (Mixture-of-Experts). На пяти из восьми агентских бенчмарков она обходит Qwen3.6-35B-A3B — модель примерно в полтора раза тяжелее и по полному, и по активному объёму. Скорость: 184 токена/с на Apple M5 Max и до 21 000 выходных токенов/с на одной NVIDIA B300. Веса открыты на Hugging Face — и базовая, и обученная версии.

Minions от Apple: GPU-облако из простаивающих Mac — как это устроено

Wed, 14 Oct 2026 12:55:00 +0500

Коротко: Apple опубликовала пейпер Minions (arXiv, октябрь 2026) — внутреннюю систему, которая объединяет простаивающие GPU на Mac сотрудников в распределённое облако для ML-инференса. Задачи ждали централизованного GPU по 10+ часов — с Minions они стартуют за минуты, а закупать железо не пришлось. Архитектура предельно прагматичная: PostgreSQL как источник правды, никакого центрального планировщика, Ollama на каждом Mac.

Проблема: GPU ждут часами, а рядом простаивают сотни Mac

В любой крупной компании ML-инференс живёт на централизованных GPU-кластерах: они дорогие, их вечно не хватает, и задачи стоят в очереди. В пейпере честно названа цифра: отдельные инференс-задачи ждали в очереди больше десяти часов.

Gemini 4 Argon: новый флагман Google — миллион токенов и ночные забеги агентов

Wed, 14 Oct 2026 00:30:00 +0500

Коротко: 13 октября 2026 Google выпустил Gemini 4 Argon (gemini-4-argon) — новую флагманскую reasoning-модель с контекстом в миллион токенов и упором на автономных агентов. Главный кейс запуска — не демка с пустой папки, а 11-часовой ночной забег по реальному репозиторию на 200 тысяч строк. Доступ пока ограниченный и с рваным rollout’ом; вводная цена $2/$10 за миллион токенов удвоится 1 декабря.

Что представляет собой модель

По карточке модели в документации Gemini API:

MaxGraph vs mem0 vs Zep: честное сравнение

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: mem0 — самый известный и зрелый: managed cloud, экосистема, бенчмарки. Zep — enterprise-вариант с SOC 2 и HIPAA, но без self-hosted за разумные деньги. MaxGraph — локальный сервер памяти с задачами, багами и сессиями в том же графе, за микро-подписку. Ниже — таблица по семи осям и разбор, кто где сильнее, включая наши слабые места.

Оговорка о методе

Мы заинтересованная сторона, поэтому правила такие: факты о конкурентах — с их публичных страниц (прайсинги, README, GitHub REST API), снимок от 10 октября 2026; полное исследование 18 систем памяти лежит в репозитории. Где мы хуже — говорим прямо. Где цифра конкурента маркетинговая — помечаем.

MCP на русском: подключаем серверы к агенту за 10 минут

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: MCP-сервер — это процесс, который отдаёт агенту инструменты по стандартному протоколу. Подключение сводится к одному конфигу: для stdio-сервера — команда запуска, для HTTP — URL и токен. Ниже: где брать серверы, готовые конфиги для Claude Code и Cursor, проверка работы и шесть типичных ошибок.

Что понадобится

Клиент с поддержкой MCP: Claude Code, Claude Desktop, Cursor, Windsurf или VS Code
Для stdio-серверов — Node.js (npx) или Python (uvx) в PATH
10 минут

Model Context Protocol простыми словами: гид 2026

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: MCP (Model Context Protocol) — открытый протокол, который Anthropic представила в конце 2024 года. Он задаёт один стандартный способ подключать к AI-приложению внешние инструменты и данные: сервер объявляет, что он умеет (инструменты, ресурсы, промпты), клиент это потребляет. До MCP каждую связку «модель + сервис» писали заново; теперь сервер пишется один раз и работает со всеми MCP-клиентами сразу.

Проблема, которую закрыл MCP

До ноября 2024 подключение агента к внешнему миру выглядело так: у каждого сервиса свой API, у каждого клиента свой формат function calling. M клиентов на N сервисов дают M×N интеграций, и каждую пишут руками. Хочешь дать Claude доступ к GitHub — пишешь прослойку. Завтра то же самое для Cursor — пишешь вторую.

Глоссарий памяти агентов: 25 терминов

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: словарь из 25 терминов, без которых разговор о памяти AI-агентов превращается в туман: от контекстного окна до LLMO. Каждое определение самодостаточно — его можно цитировать как есть. Группы: основы, хранение, поиск, протоколы.

Основы

Контекстное окно (context window) — объём текста в токенах, который модель видит одновременно: системный промпт, история диалога, результаты инструментов. Это оперативная память сессии: в новой сессии окно начинается с нуля.

Граф знаний или векторный поиск: что выбрать для памяти агента

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: векторный поиск и граф знаний решают разные задачи памяти. Векторы находят «похожее по смыслу» — спасают, когда вопрос переформулирован. Граф хранит состояние и связи — отвечает «что решено», «что открыто», «что с чем связано». Для памяти агента нужны оба свойства, поэтому рабочий ответ — гибрид: граф как ядро состояния, смысловой поиск как способ находить в нём нужное.

Две разные задачи, которые мы называем «памятью»

Спор «граф против векторов» обычно буксует, потому что стороны решают разные задачи. Разведём их.

Долговременная память для AI-агентов: что это и как работает

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: долговременная память агента — это слой, который сохраняет знания между сессиями: решения, факты о проекте, предпочтения, открытые задачи. Контекстное окно — оперативная память, которая обнуляется; долговременная память — диск. Реализуют её тремя путями: поиск по документам (RAG), граф знаний или гибрид.

Контекстное окно — не память

Контекстное окно растёт (200K, миллион токенов), и возникает соблазн: «просто держи всё в окне». Три причины, почему это не память:

Окно сбрасывается. Новая сессия — чистый лист. Всё, что агент узнал о проекте вчера, нужно рассказать заново.
Окно дорого. Каждый токен в нём оплачивается на каждом запросе. Мы замерили: старт сессии с памятью дешевле чтения проекта с нуля в 1,4–3,3 раза.
Окно деградирует. На длинных контекстах модель внимательнее к краям и невнимательнее к середине — факт, лежащий на 80-й тысяче токенов, находится хуже, чем тот же факт из короткой выдачи поиска.

Как дать Claude Code память между сессиями

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: Claude Code забывает проект после закрытия сессии. Добавить ему долговременную память — десять минут: поднимаем локальный MCP-сервер MaxGraph в Docker, подключаем одной командой claude mcp add, вставляем блок протокола в CLAUDE.md. Дальше агент сам запоминает решения, баги и задачи — и восстанавливает их в начале следующей сессии.

Что понадобится

Docker (Docker Desktop на Windows/macOS, docker + compose на Linux)
Claude Code
10 минут

Как дать Cursor память между сессиями

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: Cursor помнит проект только внутри текущего чата — новая сессия начинается с нуля. Долговременная память добавляется за десять минут: поднимаем локальный MCP-сервер MaxGraph в Docker, прописываем его в mcp.json, вставляем блок протокола в правила проекта. Дальше агент сам записывает решения, баги и задачи и восстанавливает их в начале следующей сессии.

Что понадобится

Docker (Docker Desktop на Windows/macOS, docker + compose на Linux)
Cursor с поддержкой MCP (все актуальные версии)
10 минут

Шаг 1. Поднять сервер памяти

git clone https://github.com/RuMemory/maxgraph
cd maxgraph
docker compose up -d

Проверка:

Как экономить токены при работе с AI-агентами: 7 способов с цифрами

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: токены съедает не работа агента, а повторное снабжение его контекстом. Семь рабочих способов: память вместо пересказа проекта, точечный поиск вместо чтения файлов, короткий system prompt, дисциплина сессий, подбор модели под задачу, кэширование промптов и замер расхода. На нашем репозитории это дало от 1,4 до 3,3 раза меньше токенов на старт сессии; на точечных вопросах — до 4,2 раза.

Куда на самом деле уходят токены

Прежде чем экономить, посмотрите на анатомию расхода. В каждом запросе агента оплачиваются четыре корзины:

Мы замерили цену повторного контекста: −43% токенов

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: сессия с памятью MaxGraph стартует на ~4 200 токенах контекста против ~8 900 у чтения проекта с нуля — в 2,1 раза меньше (честный диапазон 1,4–3,3×). На точечных вопросах по нескольким файлам — до 4,2×. В заголовке стоит −43% — это нижняя граница, а не маркетинговый максимум.

Ритуал, который никто не считает

Открыл новый чат — объясни проект заново. Стек, договорённости, «вчера чинили баг в авторизации», «деплой только через скрипт с preflight». Каждый, кто работает с агентом дольше одной сессии, делает это ежедневно. Ритуал настолько привычный, что его стоимость никто не меряет.

Почему AI-агент забывает ваш проект (и что с этим делать)

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: агент забывает проект не потому, что «плохая модель», а потому что его память — это окно контекста, и только оно. Между сессиями окно сбрасывается, внутри длинной сессии его режет сжатие, а отдельного слоя, где лежало бы состояние проекта, в дефолтной связке нет. Лечится это добавлением такого слоя — от простого файла с правилами до MCP-памяти; что выбрать, зависит от того, что именно теряется у вас.

Три причины забывания

Когда агент «всё забыл», конкретная причина обычно одна из трёх — и у каждой свой ремонт.

Сжатие контекста: что это и как не терять нить работы

Tue, 13 Oct 2026 00:30:00 +0500

Коротко: сжатие контекста (compaction) — это когда клиент, упершись в лимит окна, заменяет историю диалога на её автоматический пересказ. Пересказ сохраняет сюжет, но режет детали: точные формулировки решений, числа, «почему» и «что делать дальше». Чтобы ничего не терять, записывайте важное сразу во внешнюю память, закрывайте этапы явно и не дотягивайте сессию до аварийного сжатия.

Что такое compaction

У каждой модели есть лимит контекста — максимум токенов, которые она видит за раз. Длинная сессия рано или поздно в него упирается. Тогда клиент (Claude Code, Cursor, другие) делает сжатие: отдаёт историю диалога модели с просьбой «перескажи главное» и продолжает работу уже с этим пересказом вместо полной истории.