Kremis: Een Lokale Kennisgrafiek voor Gegronde AI Geheugen
Kremis, ontwikkeld door Tykolt, is een MCP-servertool gebouwd met Rust, ontworpen om een verifieerbare geheugenlaag voor gegronde AI te bieden. Het verbindt AI-assistenten en klanten om een deterministische, lokale kennisgrafiek aan te bieden. Verspreid als een gecompileerde binaire, vaak binnen een Docker-container, zorgt Kremis ervoor dat AI-agenten feiten kunnen opvragen die traceerbaar zijn naar echte gegevenspunten. Deze gratis tool ondersteunt verschillende AI-klanten en legt een betrouwbare basis voor AI-geheugenoperaties zonder probabilistische opvraging.
Waarmee verbindt Kremis?
Kremis fungeert als een MCP-server, die verbinding maakt met AI-assistenten en klanten. Het biedt een lokale kennisgrafiek, die fungeert als een verifieerbare geheugenlaag voor gegronde AI. Compatibele AI-klanten zijn onder andere Claude, Cursor en andere MCP-compatibele assistenten, die Kremis gebruiken voor deterministische gegevensopvraging. De server ondersteunt zowel stdio als HTTP als transportprotocollen, wat flexibele integratie met verschillende AI-systemen mogelijk maakt die een gestructureerde geheugencomponent vereisen.
Kernfuncties en tools
Kremis biedt verschillende aanroepbare tools. De kremis-binaire bevat subcommando's zoals init voor database-initialisatie, ingest voor het toevoegen van voorbeeldgegevens (bijv. "ingest -f examples/sample_signals.json -t json"), en server om de HTTP-server te starten. HTTP-eindpunten zoals "/health" en "/query" zijn ook beschikbaar. Bovendien bevat de distributie de kremis-mcp-binaire, wat wijst op een speciale MCP stdio-brug voor specifieke klantinteracties.
Voor wie is het bedoeld?
Kremis richt zich op AI-agenten en AI-assistenten, inclusief platforms zoals Claude, Cursor en VS Code-extensies, die een gegronde en verifieerbare geheugenlaag vereisen. Het dient systemen die feiten willen opvragen die zijn opgeslagen als grafknopen, waarbij antwoorden traceerbaar zijn naar echte gegevenspunten zonder afhankelijk te zijn van probabilistische opvraging of embeddings. Dit is niet de juiste keuze als uw AI-toepassing geen lokale, verifieerbare kennisgrafiek voor geheugen vereist.
Hoe te beginnen
De server authenticates met behulp van omgevingsvariabelen, die worden gelezen vanuit PROCESS.ENV. Deze variabelen zijn ingesteld in de MCP-clientconfiguratie van de gebruiker en blijven op de lokale machine voor de lokale server, die HTTP- en stdio-transports ondersteunt.
Gebruikscases
- Het bieden van een verifieerbare geheugenlaag waar AI-agenten feiten kunnen opvragen die zijn opgeslagen als grafknopen, met antwoorden die traceerbaar zijn naar echte gegevenspunten zonder probabilistische opvraging of embeddings.
- Het opnemen van gestructureerde gegevens, zoals JSON-bestanden, in zijn kennisgrafiek.
- Het serveren van opvragingen om informatie uit de kennisgrafiek op te halen via zijn HTTP-API.
Kremis biedt een gespecialiseerde oplossing voor AI-geheugen, waarmee een deterministische en verifieerbare kennisgrafiek wordt opgezet. Ontwikkeld door Tykolt, stelt deze op Rust gebaseerde MCP-server AI-agenten in staat om lokaal toegang te krijgen tot gefundeerde feiten. Het vermogen om gestructureerde gegevens in te nemen en verzoeken via HTTP te bedienen ondersteunt kritieke AI-werkstromen. Probeer de HTTP-server te starten met het "kremis server" commando om de querymogelijkheden te verkennen.
