CogneeCouche de mémoire adaptative qui aide les agents AI à apprendre du contexte à mesure que le temps passe.

4.8 (5)

Évalué par Daniel Nikulshyn·Mis à jour juillet 2026

Developer Tools AI Agents Knowledge Graph Memory Infrastructure Open Source Python SDK LLM Ops

Aperçu

Cognee est une plateforme open-source de mémoire AI conçue pour les agents AI. Il fournit une mémoire à long terme persistante entre sessions en ingérant les données sous n'importe quel format et en créant un graphe de connaissances auto-hébergé. Cognee combine l'ingestion de données vectorielle, la raison graphique et la génération d'ontologie fondée sur les sciences cognitives, ce qui fait que les documents sont devenus recherchables en fonction de leur sens et liés par des relations évoluant. Cette plateforme est adaptée aux développeurs et aux organisations qui cherchent à unifier les données de différentes sources, à donner un domaine de connaissance à des agents, ainsi à créer des agents fiables et dignes de confiance. Cognee offre des fonctionnalités telles que l'ingestion unifiée, la recherche dans les graphiques et les vecteurs, l'opération locale, la mise à terre de l'ontologie, la capacité multimodale, l'apprentissage à partir de commentaires, la gestion de contexte, et la partage de connaissances entre les agents. Cognee fournit également des traits d'isolement et de traçabilité utilisateur/locataire, ainsi des traits audit.

Fonctionnalités clés

Mémoire basée sur le graphe de l'agent
Ingestion de données sémantiques et structurées
Kit de développement Python SDK pour l'intégration de l'agent
Fournisseurs de LLM et stockage paramétrables
Interroger à travers les sessions passées et les documents
Options de déploiement auto-accueillante ou géré

Tarifs

Modèle: Free
Catégorie: MCP Servers
Note: 4.8 / 5 (5)

Cas d’usage

Mémoire à long terme pour les agents AI

Donnez aux agents conversationnels rappel persistant entre les sessions en stockant les interactions dans un graphe de connaissances et en récupérant le contexte pertinent à votre demande.

RAG context-aware sur les documents

Ingestez les documents et les données structurées, puis combinez les relations graphiques avec la recherche sémantique pour délivrer plus d'une récupération plus riche et plus précise que le RAG à vecteur seulement.

Reduce hallucinations dans les apps LLM

Fondez les réponses LLM dans les faits et les relations capturés auparavant, réduisant les mises à jour répétitives et améliorant la confiance des réponses au fil du temps.

Couche de mémoire auto-accueillante pour des empilement personnalisés

Utilisez le SDK Python pour plomber Cognee dans vos LLM, vos magasins de vecteurs et vos bases de données graphiques, avec une mise en œuvre auto-accueillante ou gérée pour contrôler entièrement.

Pour & contre

Pour

Fusionne la récupération dans les graphiques et les vecteurs pour un contexte plus riche
Open-source avec un SDK Flexile Python
Fonctionne avec plusieurs LLM et backends de base de données
Rend difficile la mise à jour répétitive et les hallucinations
L'ontologie permet d'avoir des résultats plus fiables
Utilitaires
Fonctionne
Intégrable dans l'univers
Ouvre les perspectives
Ouvre les possibilités
Fait

Contre

Exige une installation technique et une connaissance d'infrastructure
Mémoire basée sur le graphe ajoute une complexité par rapport aux DBs vecteurs
Les meilleures performances nécessitent un ajustement pour chaque cas d'utilisation
Exige des installations spécialisées ou des serveurs complexes
Exige d'interagir en permanence avec l'ensemble des sources

Avis

4.8

Moyenne sur 5 avis.

Connecte-toi pour laisser un avis.

Liam O’Connor

May 16, 2026

Does the job

Pretty happy overall. Pluggable LLM and storage providers just works and helps reduce repetitive prompting and hallucinations. but no dealbreakers — I'd recommend it to a friend without hesitating.

Carlos Mendoza

Mar 31, 2026

Does the job

Pretty happy overall. Querying across past sessions and documents just works and combines graph and vector retrieval for richer context. but no dealbreakers — I'd recommend it to a friend without hesitating.

Pierre Dubois

Jan 13, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is self-hosted or managed deployment options — handled better than most — and combines graph and vector retrieval for richer context. Worth the time if this is your use case.

Devin Walker

Dec 13, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and combines graph and vector retrieval for richer context caught me off guard. still, I'd recommend giving it a real trial.

Grace Okafor

Jul 30, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and open-source with a flexible Python SDK caught me off guard. Requires technical setup and infrastructure knowledge is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Questions & réponses

Pas encore de question — sois le premier à demander.

Poser une question

Alternatives à MCP Servers

Playwright MCP

MCP Servers

Serveur MCP open-source qui permet aux LLM de contrôler des navigateurs réels via Playwright et des captures d'écran d'accessibilité.

4.8 (6)

Free

Pydantic AI

MCP Servers

Framewor d'agent Python de type sûr de la Pydantic pour développer des applications GenAI sûres de type.

4.8 (6)

Free

Inbox Zero

MCP Servers

Assistant email par IA qui organise, rédige des réponses et aide à atteindre l'inbox zéro plus rapidement.

4.8 (4)

Free

Screenpipe

MCP Servers

Plateforme open-source pour enregistrements de la fenêtre d'affichage et de l'audio en continu local pour le développement d'applications intelligentes à contexte

4.8 (4)

Free