Donner de la mémoire persistante à un agent
Tramya indexe les historiques que votre agent écrit déjà (~/.claude, ~/.codex, ~/.gemini) et lui rend le contexte via MCP à chaque session.
Démarrer
Tramya est local-first : le moteur tourne sur votre machine, indexe ce que vos agents écrivent déjà sur le disque, et transmet le contexte de l'un à l'autre via MCP. Dites-nous qui vous êtes et ce que vous voulez faire — le reste tient en quatre étapes.
Axe 1
Le point de départ n'est pas le même selon votre usage. Choisissez le profil qui vous ressemble.
Vous voulez une mémoire persistante sur votre machine, sans cloud imposé ni compte d'équipe.
Vous partagez des décisions et du contexte entre coéquipiers, avec un coffre synchronisé chiffré.
Vos agents agissent (déploient, appellent des API) et ont besoin de secrets sans que vous les exposiez.
Axe 2
Chaque tâche a un chemin court. Choisissez le résultat visé.
Tramya indexe les historiques que votre agent écrit déjà (~/.claude, ~/.codex, ~/.gemini) et lui rend le contexte via MCP à chaque session.
L'agent demande l'usage d'un credential, vous approuvez en local, il reçoit le résultat sans jamais voir la valeur.
Retrouvez où un agent s'est arrêté : décisions prises, fichiers touchés, prochaines actions — sans re-expliquer le repo.
Un coffre synchronisé chiffré de bout en bout diffuse les décisions destinées à l'équipe, sans exposer vos historiques locaux.
Installer
La même mémoire locale, trois façons de l'installer. La commande se met à jour selon l'onglet.
App native signée et notariée, mises à jour automatiques via Sparkle.
curl -L -o Tramya.dmg https://tramya.com/releases/tramya-1.1.134-macos.dmg macOS 12 ou plus récent — puces Apple Silicon et Intel.
Quickstart
À la fin, une commande renvoie le contexte que vous venez d'enregistrer — la preuve que la mémoire fonctionne.
Installez via l'onglet ci-dessus. Au premier lancement, le moteur local démarre sur le port 4317 et scanne les répertoires connus de vos agents.
Ajoutez Tramya comme serveur MCP à Claude Code, Codex, Cursor ou Gemini CLI. Suivez la fiche d'intégration de votre agent.
Dans une session de l'agent, demandez d'enregistrer une décision durable via l'outil save_memory (ex. « choix : Postgres plutôt que SQLite pour la prod »).
Ouvrez une nouvelle session et demandez à l'agent d'appeler get_project_context. Il doit vous renvoyer la décision que vous venez d'enregistrer, indexée localement. Si le contexte revient, votre mémoire est opérationnelle.
get_project_context({ project: "mon-repo", query: "décision base de données" })
→ renvoie « choix : Postgres plutôt que SQLite pour la prod »