veta: Beständig kodintelligens för AI-infödda agentarbetsflöden
att veta, från Blackwell Systems, är en permanent kodintelligensmotor som ger AI-agenter bestående åtkomst till projektstruktur och tillstånd. Appen fungerar som ett minneslager som exponeras via Model Context Protocol och svarar på kodfrågor över sessioner. Den fokuserar på kompakt, verifierbar kontextleverans för att minska tokenöverhuvud. Målgruppen är utvecklare som bygger agentiska arbetsflöden och AI-assistentanvändare som behöver hållbar, sökbar kodkontext.
Det kodar kodbaser till en kompakt, innehålls-adresserad graf
att veta konverterar källan till ett arkiv till en innehålls-adresserad graf och erbjuder ett AI-infött tråduppställning extraherat från systemet. GCF-formatet minskar överbelastningen av strukturerad data dramatiskt, citerat till upp till 92% jämfört med standard JSON, vilket förändrar genomströmningprofilen för modellfrågor. Utdata koncentrerar sig på adresserbara noder och kompakta kontextklumpar snarare än råa textklumpar.
- Graf-infödd index
- Token-effektiv tråduppställning
Det tillhandahåller verifierbar härkomst och hanterar beständig sessionsminne
Systemet registrerar verifierbart tillstånd med hjälp av Merkle-bevis för att bevisa vilken kod eller data som fanns vid en specifik tidpunkt, vilket stödjer granskning och integritetskontroller. Motorn bevarar kunskap över AI-sessioner och tillämpar själv-anpassande utgång på föråldrade poster, vilket begränsar gammal kontext. Sessionsdeduplicering förhindrar redundant intag och minskar upprepad tokenanvändning under upprepade agentfrågor, vilket förbättrar effektiv genomströmning för långvariga arbetsflöden.
Det kräver MCP-verktyg och integreras med MCP-infödda klienter
Verktyget fungerar som en MCP-server och exponerar en uppsättning av 23–28 MCP-verktyg för modellinteraktion, som förlitar sig på 25 specialiserade extraktorer för att indexera språkstrukturer. Kompatibilitet listas uttryckligen för MCP-klienter som Claude Desktop och Cursor, vilket placerar systemet inom MCP-infödda utvecklingsmiljöer. Det fokuset gör antagandet naturligt för team som bygger agentiska automatiseringar, och mindre rakt på sak för projekt utanför MCP-ekosystemet.
att veta är ett praktiskt val för team som bygger agentisk infrastruktur
Med tanke på utvecklarens tidigare arbete med agent-lsp, mcp-assert och GCF-formatet, passar appen team som konstruerar AI-infödda agenter som behöver hållbart programminne. Förbered förråd med konsekvent metadata och selektiv indexering så att motorn behåller relevanta noder och effektivt tar bort brus. Team som inte arbetar inom MCP-kompatibla rörledningar bör utvärdera integrationskrav innan de åtar sig systemet.
