筛选：

Honcho - AI Agent 推理优先的记忆基础设施

Agent记忆不是存文本块做匹配，而是从对话中提取结论，持续理解用户和Agent。支持MCP集成Claude Code/OpenCode/Hermes等，托管或自托管。

Honcho - AI Agent 的记忆基础设施

Honcho 是 Plastic Labs 开源的 Agent 记忆系统，核心定位是为有状态 AI Agent 提供推理优先的记忆能力——不只是存储和检索文本块，而是从对话和事件中提取结论，构建对用户/Agent/群组/项目的持续理解。

为什么需要它？

大多数 Agent 框架的记忆层还停留在 RAG + 向量数据库的阶段：存消息、做相似度检索、拼上下文。Honcho 认为这不够，Agent 需要的是理解，而不是匹配。

核心概念

概念	说明
Workspace	顶层隔离容器，不同用例互不干扰
Peer	参与者（人类用户或 AI Agent），都是一等公民
Session	对话上下文，多对多关联 Peer
Message	原子数据单元（对话消息或导入文档）
Representation	Honcho 对某个 Peer 的认知快照（低延迟读取）
Conclusions	从消息中推导出的结论（演绎+归纳）

工作流程（Honcho Loop）

Store — 存储对话、事件、文档到 Session
Reason — Honcho 后台异步处理队列，更新 Peer 表示
Query — 查询上下文、搜索结果、Peer 认知、自然语言洞察
Inject — 将结果注入任意 LLM 调用或 Agent 框架

快速上手

Python:

pip install honcho-ai

from honcho import Honcho
honcho = Honcho(workspace_id="my-app", api_key="hch-xxx")

alice = honcho.peer("alice")
session = honcho.session("session-1")
session.add_messages([alice.message("Hello!")])

# 查询 Honcho 对 alice 的理解
answer = alice.chat("What learning styles does this user prefer?")

TypeScript:

npm install @honcho-ai/sdk

MCP / 编码 Agent 集成

Honcho 原生支持主流编码 Agent：

Claude Code: 插件或 MCP 方式接入
OpenCode: opencode plugin "@honcho-ai/opencode-honcho"
OpenClaw: openclaw plugins install @honcho-ai/openclaw-honcho
Hermes: hermes memory setup 选择 honcho
其他 MCP 客户端: 标准 HTTP MCP 协议

部署方式

托管服务: app.honcho.dev，注册即用，$100 免费额度
自托管: Docker 一键部署，FastAPI 服务端

git clone https://github.com/plastic-labs/honcho.git
cd honcho && cp docker-compose.yml.example docker-compose.yml
docker compose up

技术栈

后端: Python FastAPI
存储: PostgreSQL + pgvector
SDK: Python (honcho-ai) + TypeScript (@honcho-ai/sdk)
协议: MCP (Model Context Protocol)
许可证: AGPL-3.0

项目热度

⭐ 4.8k Stars
🍴 556 Forks
531 Commits，活跃维护中