OKF Agent Memory es una capa de memoria persistente y neutral para agentes de inteligencia artificial que vive dentro del propio repositorio, como archivos Markdown con frontmatter YAML en una carpeta knowledge/, según el estándar Open Knowledge Format (OKF) v0.2 de Google. Su objetivo es resolver la pérdida de contexto que sufren los agentes cuando se cierra la ventana del modelo: decisiones arquitectónicas, descubrimientos de dominio y datos operativos quedan almacenados de forma versionada con git, sin bases de datos externas ni dependencias.
La herramienta se ejecuta como un único binario escrito en Go puro, sin dependencias externas. Ofrece búsqueda léxica BM25 en memoria con latencias inferiores a 300 microsegundos y validación del corpus y su grafo de relaciones en torno a 4 milisegundos, frente a los 150-800 milisegundos de soluciones basadas en Python con bases de datos vectoriales. Incluye además un servidor Model Context Protocol (MCP) integrado sobre stdio, compatible con Claude Code, Cursor, Codex y otros clientes.
Entre sus principios operativos destacan la disclosure progresiva —que carga solo los conceptos relevantes mediante índices jerárquicos— y la regla search-before-write, que obliga al agente a consultar la memoria antes de escribir para evitar duplicaciones. La documentación incluye comparativas de rendimiento con Mem0, Letta y Deno, benchmarks reproducibles localmente y guías para casos de uso en ingeniería de software, coaching, investigación científica, revisión de literatura y operaciones.