Walrus Meluncurkan MemWal SDK untuk Memori AI Agent

Walrus telah meluncurkan MemWal, sebuah SDK yang dirancang untuk mengatasi keterbatasan memori agentic dengan menghadirkan verifiabilitas, ketersediaan, portabilitas, dan kemampuan untuk dibagikan dalam cara AI agent menyimpan dan mengakses informasi, menurut Manajer Produk Mysten Labs Group, Abinhav Garg.

Lapisan Memori yang Verifiable dan Portabel

MemWal menyimpan memori pada lapisan data terbuka yang dapat diverifikasi dan tidak terikat pada satu model atau vendor tertentu. Ini memungkinkan pengguna beralih di antara penyedia model berbeda seperti OpenAI dan Anthropic sambil tetap mempertahankan data dengan jaminan yang dapat diverifikasi sehingga tidak bisa dimanipulasi. “Dengan Walrus plus MemWal, memori berada di lapisan data terbuka yang dapat diverifikasi, jadi itu tidak terikat pada satu model atau vendor mana pun,” jelas Garg kepada Decrypt.

Data yang disimpan di Walrus mewarisi jaminan bawaan seputar verifiabilitas, portabilitas, dan ketersediaan, yang memungkinkan “pembagian memori yang lebih mudah antara agent lintas tim dan organisasi,” kata Garg, menggambarkan kemampuan ini sebagai “hal yang wajib untuk kolaborasi agent.”

Integrasi Framework

MemWal terintegrasi dengan framework orkestrasi agent populer OpenClaw dan NemoClaw melalui plugin yang dirilis pada pekan ini. Integrasi ini dirancang untuk menyederhanakan adopsi dengan memungkinkan pengembang melengkapi agent mereka dengan memori yang tahan lama dan dapat diverifikasi menggunakan tools yang sudah mereka gunakan. “Tanpa ini, pengembang harus memahami integrasi lapisan penyimpanan terdesentralisasi seperti Walrus, yang dapat menambah gesekan dan kompleksitas,” jelas Garg.

Privasi dan Kontrol Akses

MemWal menyertakan fitur privasi melalui lapisan enkripsi bawaan dan kontrol akses yang bisa diprogram. Meskipun penyimpanannya sendiri terdesentralisasi, isinya tetap rahasia dan diatur oleh kebijakan—“bahkan penyedia penyimpanan pun tidak bisa membacanya,” kata Garg. Pendekatan ini menanggapi kekhawatiran yang kian meningkat tentang agent yang menangani data sensitif dan milik sendiri, termasuk alur kerja perusahaan, informasi keuangan, dan konteks personal.

Kasus Penggunaan yang Muncul

Kemampuan memori agentic yang ditingkatkan membuka aplikasi baru di berbagai domain. Agent layanan pelanggan dapat mempertahankan petunjuk kontekstual tentang pengguna, dan agent lintas tim yang berbeda dapat berkolaborasi dengan “bekerja berdasarkan riwayat pelanggan yang sama.” Mitra lain sedang mengeksplorasi koordinasi antara agent yang beroperasi sebagai penerbit atau konsumen di marketplace, menggunakan pesan sebagai bentuk memori bersama. Kasus penggunaan tambahan mencakup robot yang perlu saling berbagi konteks untuk mengoordinasikan tugas dalam skenario dunia nyata, seperti operasi respons bencana.

Garg memperkirakan adanya “standarisasi tumpukan” untuk agent di masa depan, dengan “pemisahan yang jelas antara komputasi, data, memori, dan koordinasi.” “Pandangan kami adalah memori dan data tidak seharusnya terikat pada satu model atau platform tertentu—jadi Walrus menjadi lapisan data yang tahan lama itu, dan MemWal menjadi lapisan memori di atasnya,” katanya.