Awesome GitHub RepositoriesSession State Summarizers

rrweb is a DOM session recording library and serialization framework used to record and replay web sessions. It converts the state of a web page into a serializable JSON data structure and tracks mutations to reconstruct user interactions within a replay engine. The system distinguishes itself by using a sandboxed iframe for reconstruction to isolate replayed content, preventing script execution and form submissions. It ensures visual consistency through CSS inline-style flattening and provides sensitive data masking to prevent private information from being captured. The project covers a br

This project provides a system for managing agent context and session memory, featuring an agent context compactor, an AI session memory manager, and a tool output sandbox. It functions as a middleware layer and server extension for the Model Context Protocol to optimize context windows and reduce token usage. The system optimizes agent performance by sandboxing tool outputs and externalizing large data sets, replacing raw I/O with pointers and concise summaries. It employs a persistent knowledge base that indexes session history and tool outputs for retrieval via full-text search, ensuring s

Memori is an AI agent memory middleware platform designed to provide persistent, context-aware recall for language models. It functions as a non-intrusive layer that intercepts outbound model requests to automatically capture interaction history and execution traces, ensuring that agents maintain continuity across sessions without requiring modifications to existing application logic. The platform distinguishes itself through a dual-model storage architecture that maintains information as both structured relational primitives for precise fact retrieval and rolling narrative summaries for situ

jcode ist ein Framework für die Entwicklung autonomer KI-Coding-Agenten, die Softwareentwicklungsaufgaben automatisieren. Es fungiert als Agenten-Orchestrator, Tool-Laufzeitumgebung und semantische Speicher-Engine und ermöglicht die Erstellung von Agenten, die Code modifizieren, Tests ausführen und ihre eigene Funktionalität iterieren können. Das Projekt zeichnet sich durch die Verwendung von rekursivem Agenten-Swarming aus, bei dem eine Hierarchie zusammenarbeitender Agenten untergeordnete Agenten hervorbringen kann, um komplexe Aufgaben zu zerlegen. Es implementiert ein semantisches Speichersystem, das vektorbasierte Abfrage mit graphenbasierter Beziehungszuordnung kombiniert, um den Kontext über Sitzungen hinweg zu wahren. Um Risiken zu verwalten, verwendet das System eine gestaffelte Aktions-Governance, die für sensible Operationen eine menschliche Genehmigung erfordert und Agentenaktivitäten innerhalb separater Git-Worktrees isoliert. Das Framework enthält ein umfassendes Browser-Automatisierungs-Toolkit für die Interaktion mit Webseiten, das Extrahieren von DOM-Snapshots und das Erfassen von Screenshots. Es implementiert zudem das Model Context Protocol zur Integration externer Tools und Daten und unterstützt binäres Hot-Reloading, um den Server zu aktualisieren, ohne aktive Netzwerkverbindungen zu verlieren. Das System bietet eine Befehlszeilenschnittstelle zur Verwaltung von Agenten-Speichern und enthält Audit-Tools, um den Fortschritt von Plänen zu verfolgen und die Topologie des Agenten-Schwarms zu visualisieren.

OpenSquilla ist ein LLM-Agent-Orchestration-Framework zur Koordination mehrstufiger KI-Workflows und Tool-Ausführungen mittels gerichteter azyklischer Graphen. Es fungiert als zentrales System zur Verwaltung spezialisierter Skill-Pakete und zur Ausführung komplexer Reasoning-Sequenzen. Das Projekt zeichnet sich durch ein Routing-Gateway aus, das Aufgaben basierend auf Komplexität, Kosten und Performance an verschiedene KI-Anbieter weiterleitet. Es nutzt ein mehrstufiges KI-Gedächtnissystem, das Arbeits-, episodisches und semantisches Wissen mittels lokaler Embeddings und SQLite organisiert, sowie eine sichere Ausführungsumgebung (Sandbox), die Agent-generierten Code über risikobasierte Berechtigungsprofile isoliert. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich Multi-Channel-Deployment für Web- und Messaging-Plattformen, automatisierter Aufgabenplanung via Cron und einer Model Context Protocol-Bridge zur Anbindung externer Tools. Zudem bietet sie umfassende Monitoring- und Observability-Tools zur Verfolgung von Token-Kosten, zum Auditing von Laufzeitentscheidungen und zur Verwaltung eines Katalogs wiederverwendbarer Skills. Das System enthält CLI-Utilities für die Workspace-Initialisierung und das Skill-Lifecycle-Management.

This project is a Git-based AI session tracker and context manager designed to record AI agent interactions, transcripts, and tool usage directly into Git repositories. It functions as a system for capturing and indexing the reasoning behind code changes, linking AI prompts and responses to specific code commits to preserve developer intent. The tool distinguishes itself by using Git as a primary storage layer for session metadata, utilizing shadow branches and checkpoints to track agent state without polluting the main commit log. It includes specialized capabilities for auditing AI contribu

Kimi-code is a command-line interface and orchestration framework designed to integrate autonomous AI agents into software development workflows. It functions as a terminal-based assistant that manages multi-step coding tasks, including planning, file system modifications, shell command execution, and test running, all while maintaining conversational context within a local development environment. The project distinguishes itself through a focus on secure, autonomous agent orchestration and granular control over AI interactions. It enforces strict security by requiring explicit user approval

This project is a research-focused toolkit designed for building autonomous agent systems, multi-agent workflows, and security governance frameworks. It provides a platform for coordinating specialized sub-agents through structured communication protocols and phased task delegation to complete complex technical objectives. The framework distinguishes itself by integrating a dedicated security policy engine that validates autonomous tool execution against user-defined permissions and safety rules. It also features a research-oriented approach to prompt engineering, enabling the dynamic assembl

Dieses Projekt ist ein KI-gestützter Orchestrator für Entwicklungs-Workflows, der autonome Coding-Agenten direkt in Code-Editoren integriert. Es fungiert als Framework zur Verwaltung von Multi-Agenten-Systemen und ermöglicht Entwicklern die Automatisierung komplexer Aufgaben wie Code-Refactoring, Inline-Code-Vervollständigung und mehrstufige Software-Entwicklungsprozesse. Durch ein standardisiertes Kommunikationsprotokoll schlägt es die Brücke zwischen lokalen Entwicklungsumgebungen und Large Language Models. Das System zeichnet sich durch seinen Fokus auf agentenbasierte Aufgaben-Orchestrierung und granulare Konfiguration aus. Nutzer können mehrere Agenten mit spezifischen Verhaltensweisen, Tools und System-Prompts definieren, was eine hochgradig maßgeschneiderte Automatisierung ermöglicht, die projektspezifische Coding-Standards einhält. Es unterstützt ein ausgefeiltes Kontext-Management, einschließlich der Möglichkeit, Codebase-Details, den Workspace-Status und Diagnoseinformationen in Prompts einzubinden, um die Genauigkeit von generiertem Code und Plänen zu verbessern. Über die Kern-Orchestrierung hinaus bietet die Plattform umfassende Tools für Observability und Session-Management. Dazu gehören Funktionen zur Überwachung des Token-Verbrauchs, zur Verfolgung des Status von Hintergrundprozessen und zur Persistierung von Konversationsverläufen über Sessions hinweg. Die Architektur setzt auf Standard-Ein- und Ausgabeströme für eine zuverlässige Kommunikation und integriert ein sicheres Credential-Management, um Authentifizierungen ohne die Offenlegung sensibler Keys zu handhaben.