weten: Volhardende code-intelligentie voor AI-inheemse agentwerkstromen
knowing, van Blackwell Systems, is een permanente code-intelligentie-engine die AI-agenten blijvende toegang biedt tot projectstructuur en -status. De app fungeert als een geheugenlaag die wordt blootgesteld via het Model Context Protocol en beantwoordt codevragen over sessies heen. Het richt zich op compacte, verifieerbare contextlevering om de tokenoverhead te verminderen. De doelgroep zijn ontwikkelaars die agentische workflows bouwen en AI-assistentgebruikers die duurzame, doorzoekbare codecontext nodig hebben.
Het codeert codebases in een compacte, inhoudsgeadresseerde grafiek
weten converteert repository-bron naar een inhoudsgeadresseerde grafiek en biedt een AI-native draadformaat dat uit het systeem is geëxtraheerd. Het GCF-formaat vermindert de overhead van gestructureerde gegevens tokens dramatisch, geciteerd tot 92% vergeleken met standaard JSON, wat het doorvoersprofiel voor modelquery's verandert. Uitgangen concentreren zich op adresseerbare knooppunten en compacte contextblobs in plaats van ruwe tekstblobs.
- Grafiek-native index
- Token-efficiënt draadformaat
Het levert verifieerbare herkomst en beheert persistente sessiememory
Het systeem registreert verifieerbare staat met behulp van Merkle-bewijzen om te bewijzen welke code of gegevens op een specifiek moment bestonden, ter ondersteuning van audit- en integriteitscontroles. De motor behoudt kennis over AI-sessies en past zelfadaptieve vervaldatum toe op verouderde vermeldingen, waardoor verouderde context wordt beperkt. Sessiededuplicatie voorkomt redundante opname en vermindert herhaald tokengebruik tijdens herhaalde agentquery's, wat de effectieve doorvoer voor langdurige workflows verbetert.
Het vereist MCP-gereedschap en integreert met MCP-native clients
Het hulpmiddel functioneert als een MCP-server en stelt een suite van 23–28 MCP-tools voor modelinteractie ter beschikking, vertrouwend op 25 gespecialiseerde extractors om taalstructuren te indexeren. Compatibiliteit is expliciet vermeld voor MCP-clients zoals Claude Desktop en Cursor, wat het systeem plaatst binnen MCP-native ontwikkelomgevingen. Die focus maakt adoptie natuurlijk voor teams die agentische automatiseringen bouwen, en minder rechttoe rechtaan voor projecten buiten het MCP-ecosysteem.
weten is een praktische keuze voor teams die agentische infrastructuur bouwen
Aangezien het eerdere werk van de ontwikkelaar aan agent-lsp, mcp-assert en het GCF-formaat, is de app geschikt voor teams die AI-native agenten construeren die duurzame programmageheugen nodig hebben. Bereid repositories voor met consistente metadata en selectieve indexering zodat de engine relevante knooppunten behoudt en ruis efficiënt vervalt. Teams die niet binnen MCP-compatibele pijplijnen werken, moeten de integratievereisten evalueren voordat ze zich aan het systeem verbinden.
