LangGraph-Chatchat funciona como um plugin de gerenciamento de memória para a estrutura de conversa do ChatChat, utilizando o modelo de banco de dados em gráfico do LangGraph para armazenar e recuperar o contexto da conversa. Durante a execução, entradas dos usuários e respostas do agente são convertidas em nós semânticos com relacionamentos, formando um grafo de conhecimento abrangente. Essa estrutura permite consultas eficientes de interações passadas com base em métricas de similaridade, palavras-chave ou filtros personalizados. O plugin suporta configuração de persistência de memória, mesclagem de nós e políticas TTL, garantindo retenção de contexto relevante sem excesso. Com serializadores e adaptadores integrados, o LangGraph-Chatchat se integra perfeitamente às implantações do ChatChat, oferecendo uma solução robusta para construir agentes de IA capazes de manter memória de longo prazo, melhorar a relevância das respostas e lidar com fluxos complexos de diálogo.

Memonto funciona como uma biblioteca de middleware para agentes de IA, orchestrando todo o ciclo de vida da memória. Durante cada turno de conversa, ele registra mensagens do usuário e da IA, destila detalhes salientes e gera resumos concisos. Esses resumos são convertidos em incorporações e armazenados em bancos de dados vetoriais ou armazéns baseados em arquivo. Ao construir novos prompts, o Memonto realiza buscas semânticas para recuperar as memórias históricas mais relevantes, permitindo que os agentes mantenham o contexto, recuperem preferências do usuário e forneçam respostas personalizadas. Ele suporta múltiplos backends de armazenamento (SQLite, FAISS, Redis) e oferece pipelines configuráveis para incorporação, resumização e recuperação. Desenvolvedores podem integrar facilmente o Memonto em frameworks de agentes existentes, aumentando a coerência e o engajamento de longo prazo.

FAgent oferece uma arquitetura modular para construir agentes de IA, incluindo abstrações de ambiente, interfaces de política e conectores de ferramenta. Suporta integração com serviços populares de LLM, implementa gerenciamento de memória para retenção de contexto e fornece uma camada de observabilidade para registro e monitoramento das ações do agente. Os desenvolvedores podem definir ferramentas e ações personalizadas, orquestrar fluxos de trabalho de várias etapas e executar avaliações baseadas em simulação. O FAgent também inclui plugins para coleta de dados, métricas de desempenho e testes automáticos, tornando-o adequado para pesquisa, prototipagem e implantação de agentes autônomos em vários domínios.