Mémoire partagée entre plusieurs agents IA
Tous tes agents accèdent au même contexte projet, sans répéter les mêmes informations
Le besoin
Chaque session agent repart de zéro, ce qui force à réexpliquer le contexte projet à chaque fois.
- Plusieurs agents travaillant en parallèle ont des représentations divergentes du projet.
- Un vault partagé (fichiers markdown, SQLite, Redis) unifie la connaissance disponible.
L'approche
- Définis un format de notes standard (markdown structuré avec sections claires)
- Expose via MCP des outils `read_memory(key)` et `write_memory(key, content)`
- Chaque agent lit le contexte pertinent en début de session et met à jour les notes après ses actions
- Les conflits d'écriture sont gérés par Git (un commit par mise à jour) ou par timestamps
- Un index central pointe vers les notes par projet, par décision, par outil
Étape par étape
- 1
Créer la structure de mémoire
Choisis le format (dossier markdown versionné Git ou base SQLite) et définis la hiérarchie : projet, décisions, pièges connus, état courant. Commence avec quelques fichiers simples.
- 2
Exposer via MCP
Crée un serveur MCP avec les outils read, write et search. Le search est crucial pour que l'agent trouve l'information pertinente sans lire toute la mémoire.
- 3
Instiller l'habitude de mise à jour
Dans le prompt système de chaque agent, inclus une instruction explicite : lire la mémoire projet en début de session et écrire les nouvelles découvertes avant de terminer.
Le prompt à donner
Lis la mémoire du projet API Gateway, résume l'état actuel, identifie les décisions d'architecture déjà prises et continue l'implémentation de l'endpoint /users.
Le résultat
L'agent lit les notes existantes, comprend les choix techniques déjà faits (base de données, format d'erreur, auth), et implémente l'endpoint en respectant ces conventions sans les redemander.
Le verdict NXUS
Un des investissements les plus rentables sur un projet long. Le temps passé à structurer la mémoire est récupéré dès la deuxième session.
Cas d'usage similaires
Intégrations & MCP
Donner à l'agent un vrai navigateur pour agir sur des sites
L'agent clique, remplit des formulaires et navigue comme un utilisateur humain
Intégrations & MCP
Exposer tes propres outils à un agent via un serveur MCP
Transforme n'importe quelle fonction Python ou API interne en outil natif pour ton agent
Intégrations & MCP
Partager un moteur de recherche auto-hébergé entre plusieurs agents
Un index de recherche commun que tous tes agents interrogent sans dépendre de Google
Apprends à piloter tes propres agents IA
Nos formations t'apprennent à transformer ces cas d'usage en automatisations concrètes pour ton métier.
Voir les formations