CLI y herramienta MCP basada en Rust para compartir memoria y traspasos de tareas entre agentes de programación
ai-memory, creado en Rust por Fabio Akita, es una capa de memoria a largo plazo para agentes de programación. La memoria se comparte entre agentes, proyectos y máquinas. Más de 20 agentes, entre ellos Claude Code, Codex, Cursor, Gemini CLI, OpenCode y Kiro, usan la misma memoria. Si cierras un agente a mitad de una tarea y abres otro, el nuevo empieza con una nota de traspaso que indica dónde se quedó el trabajo, qué falló y qué sigue pendiente. Los traspasos se realizan mediante un protocolo tipado: cada uno tiene un responsable y solo se puede aceptar una vez.
La fuente principal de memoria es una wiki de archivos Markdown sin formato con control de versiones mediante Git. El índice SQLite FTS5 se puede regenerar en cualquier momento a partir de esos archivos. La captura, la búsqueda y los traspasos no hacen llamadas a LLM por defecto ni requieren una clave de API. Antes de registrar prompts y llamadas a herramientas, los hooks los depuran en un límite de privacidad. La autenticación multiusuario y el registro de auditoría no están reservados para un nivel de pago.
Regolo.ai publicó una prueba el 28 de octubre de 2026. En ella, los tokens de prompt necesarios para familiarizarse con el repositorio bajaron de 26.185 a 5.453 (un 79 %). En un traspaso de 90 turnos de Claude Code a OpenCode, bajaron de 52.262 a 2.485. La medición se realizó con la consolidación opcional mediante LLM activada y usando el endpoint del proveedor que llevó a cabo la prueba. No cabe esperar el mismo ahorro en tareas pequeñas y puntuales. El proyecto tiene 14,8 mil estrellas y más de 100 contribuidores. La última versión, v3.3.1, se publicó el 1 de noviembre de 2026.
Quienes alternan durante el día entre agentes como Claude Code, Codex y OpenCode. Desarrolladores que trabajan en varias máquinas o quieren compartir la memoria de los agentes con su equipo.
Hay que ejecutar el servidor por cuenta propia. El inicio rápido con Docker no incluye autenticación, así que úsalo solo en una red de confianza. Los hooks registran prompts y llamadas a herramientas; comprueba en la configuración de privacidad qué se guarda. La medición independiente se realizó con la consolidación mediante LLM activada; el ahorro de la opción predeterminada, que no usa LLM, no se midió por separado.
curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh ai-memory setup claude plugin marketplace add akitaonrails/ai-memory claude plugin install ai-memory@ai-memory