C

CogneeCouche de mémoire adaptative qui aide les agents AI à apprendre du contexte à mesure que le temps passe.

4.8 (5)
Daniel NikulshynÉvalué par Daniel Nikulshyn·Mis à jour juillet 2026
Developer ToolsAI AgentsKnowledge GraphMemory InfrastructureOpen SourcePython SDKLLM Ops

Aperçu

Cognee est une plateforme open-source de mémoire AI conçue pour les agents AI. Il fournit une mémoire à long terme persistante entre sessions en ingérant les données sous n'importe quel format et en créant un graphe de connaissances auto-hébergé. Cognee combine l'ingestion de données vectorielle, la raison graphique et la génération d'ontologie fondée sur les sciences cognitives, ce qui fait que les documents sont devenus recherchables en fonction de leur sens et liés par des relations évoluant. Cette plateforme est adaptée aux développeurs et aux organisations qui cherchent à unifier les données de différentes sources, à donner un domaine de connaissance à des agents, ainsi à créer des agents fiables et dignes de confiance. Cognee offre des fonctionnalités telles que l'ingestion unifiée, la recherche dans les graphiques et les vecteurs, l'opération locale, la mise à terre de l'ontologie, la capacité multimodale, l'apprentissage à partir de commentaires, la gestion de contexte, et la partage de connaissances entre les agents. Cognee fournit également des traits d'isolement et de traçabilité utilisateur/locataire, ainsi des traits audit.

Fonctionnalités clés

  • Mémoire basée sur le graphe de l'agent
  • Ingestion de données sémantiques et structurées
  • Kit de développement Python SDK pour l'intégration de l'agent
  • Fournisseurs de LLM et stockage paramétrables
  • Interroger à travers les sessions passées et les documents
  • Options de déploiement auto-accueillante ou géré

Tarifs

Modèle
Free
Catégorie
Serveurs MCP
Note
4.8 / 5 (5)

Cas d’usage

Mémoire à long terme pour les agents AI

Donnez aux agents conversationnels rappel persistant entre les sessions en stockant les interactions dans un graphe de connaissances et en récupérant le contexte pertinent à votre demande.

RAG context-aware sur les documents

Ingestez les documents et les données structurées, puis combinez les relations graphiques avec la recherche sémantique pour délivrer plus d'une récupération plus riche et plus précise que le RAG à vecteur seulement.

Reduce hallucinations dans les apps LLM

Fondez les réponses LLM dans les faits et les relations capturés auparavant, réduisant les mises à jour répétitives et améliorant la confiance des réponses au fil du temps.

Couche de mémoire auto-accueillante pour des empilement personnalisés

Utilisez le SDK Python pour plomber Cognee dans vos LLM, vos magasins de vecteurs et vos bases de données graphiques, avec une mise en œuvre auto-accueillante ou gérée pour contrôler entièrement.

Pour & contre

Pour

  • Fusionne la récupération dans les graphiques et les vecteurs pour un contexte plus riche
  • Open-source avec un SDK Flexile Python
  • Fonctionne avec plusieurs LLM et backends de base de données
  • Rend difficile la mise à jour répétitive et les hallucinations
  • L'ontologie permet d'avoir des résultats plus fiables
  • Utilitaires
  • Fonctionne
  • Intégrable dans l'univers
  • Ouvre les perspectives
  • Ouvre les possibilités
  • Fait

Contre

  • Exige une installation technique et une connaissance d'infrastructure
  • Mémoire basée sur le graphe ajoute une complexité par rapport aux DBs vecteurs
  • Les meilleures performances nécessitent un ajustement pour chaque cas d'utilisation
  • Exige des installations spécialisées ou des serveurs complexes
  • Exige d'interagir en permanence avec l'ensemble des sources

Avis

4.8

Moyenne sur 5 avis.

5
4
4
1
3
0
2
0
1
0

Connecte-toi pour laisser un avis.

Liam O’Connor

Liam O’Connor

May 16, 2026

Does the job

Pretty happy overall. Pluggable LLM and storage providers just works and helps reduce repetitive prompting and hallucinations. but no dealbreakers — I'd recommend it to a friend without hesitating.

Carlos Mendoza

Carlos Mendoza

Mar 31, 2026

Does the job

Pretty happy overall. Querying across past sessions and documents just works and combines graph and vector retrieval for richer context. but no dealbreakers — I'd recommend it to a friend without hesitating.

Pierre Dubois

Pierre Dubois

Jan 13, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is self-hosted or managed deployment options — handled better than most — and combines graph and vector retrieval for richer context. Worth the time if this is your use case.

DW

Devin Walker

Dec 13, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and combines graph and vector retrieval for richer context caught me off guard. still, I'd recommend giving it a real trial.

GO

Grace Okafor

Jul 30, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on knowledge graph based agent memory, and open-source with a flexible Python SDK caught me off guard. Requires technical setup and infrastructure knowledge is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Questions & réponses

Le support de plusieurs utilisateurs, locataires ou espaces de travail est-il possible avec Cognee ?

Oui. Cognee Cloud est multi-locataire avec des espaces de travail isolés et une mémoire par session, vous pouvez donc servir de nombreux utilisateurs ou clients à partir d'une même mise en ligne.

Asked by Quentin Lefevre · Mar 15, 2026

Comment est-elle précise Cognee ?

Cognee est à la pointe de la technologie sur BEAM, le modèle de mémoire des agents — surpassant la technologie de référence antérieure en terme de rappel à long terme, multi-sessions (79 % contre 73,4 % à 100 000 tokens, 67 % contre 64,1 % à 10 millions). Sans nécessité de création d'une architecture personnelle pour le benchmark.

Asked by Mei-Ling Wong · Mar 9, 2026

Cognee est-il rentable à grande échelle ?

Oui. Cognee est conçu pour maintenir les coûts de mémoire plats au fur et à mesure que les données augmentent — dans nos benchmarks, il traite les mêmes charges de travail à une fraction du coût d'une approche LLM de base.

Asked by Henrik Dahl · Mar 5, 2026

Quelles bases de données et sources de données Cognee prend-il en charge ?

Cognee se connecte aux sources de données que votre équipe utilise déjà — Slack, Notion, Google Drive, GitHub, Confluence, Jira, Dropbox, Amazon S3, Salesforce, et bien d'autres. Sous le capot, il fonctionne avec des backends graphiques et vectoriels, notamment Kuzu, NetworkX, Neo4j, FalkorDB, LanceDB, Qdrant, Milvus, Weaviate, pgvector et Redis, vous permettant ainsi de correspondre à votre infrastructure existante.

Asked by Celia Ramirez · Feb 28, 2026

Puis-je faire tourner cognee sur mon base de données PostgreSQL existante ?

Oui, cognee fonctionne avec PostgreSQL et pgvector, vous pouvez donc ajouter de la mémoire d'agent à l'infrastructure que vous exploitez déjà, à la place de mettre en place une nouvelle base de données.

Asked by Amos Fältskog · Feb 27, 2026

Poser une question

Alternatives à Serveurs MCP

Playwright MCP interface preview
Playwright MCPServeurs MCP

Serveur MCP open-source qui permet aux LLM de contrôler des navigateurs réels via Playwright et des captures d'écran d'accessibilité.

4.8 (6)
Free
Pydantic AI interface preview
Pydantic AIServeurs MCP

Framewor d'agent Python de type sûr de la Pydantic pour développer des applications GenAI sûres de type.

4.8 (6)
Free
Inbox Zero interface preview
Inbox ZeroServeurs MCP

Assistant email par IA qui organise, rédige des réponses et aide à atteindre l'inbox zéro plus rapidement.

4.8 (4)
Free
Screenpipe interface preview
ScreenpipeServeurs MCP

Plateforme open-source pour enregistrements de la fenêtre d'affichage et de l'audio en continu local pour le développement d'applications intelligentes à contexte

4.8 (4)
Free
AgentKit interface preview
AgentKitServeurs MCP

Bibliothèque TypeScript pour créer et orchestrer des agents IA avec outils, mémoire et workflows multi-agents.

4.5 (4)
Free
onchain-mcp logo
onchain-mcpServeurs MCP

Apporter l'API onchain Bankless à MCP

— (0)
26Free
markitdown logo
markitdownServeurs MCP

Outil Python pour convertir des fichiers et documents bureautiques en Markdown.

— (0)
23Free
mcp-clickhouse logo
mcp-clickhouseServeurs MCP

Serveur MCP pour ClickHouse

— (0)
20Free