Walrus lance le kit de développement logiciel (SDK) MemWal pour la mémoire d’agents IA

Walrus a lancé MemWal, un SDK conçu pour remédier aux limites de la mémoire agentique en apportant de la vérifiabilité, de la disponibilité, de la portabilité et de la possibilité de partage à la manière dont les agents IA stockent et accèdent aux informations, a déclaré Abinhav Garg, responsable produit du groupe Mysten Labs.

Couche de mémoire vérifiable et portable

MemWal stocke la mémoire sur une couche de données ouverte et vérifiable, non liée à un modèle ou à un fournisseur unique. Cela permet aux utilisateurs de changer de fournisseur de modèles, comme OpenAI et Anthropic, tout en conservant les données avec des garanties vérifiables qui les rendent infalsifiables. « Avec Walrus et MemWal, la mémoire vit sur une couche de données ouverte et vérifiable, donc ce n’est pas lié à un seul modèle ou à un seul fournisseur », a expliqué Garg à Decrypt.

Les données stockées sur Walrus héritent de garanties intégrées en matière de vérifiabilité, de portabilité et de disponibilité, permettant « un partage plus facile de la mémoire entre agents au sein des équipes et des organisations », a déclaré Garg, qualifiant cette capacité de « nécessaire pour la collaboration entre agents ».

Intégration au framework

MemWal s’intègre aux frameworks d’orchestration d’agents populaires OpenClaw et NemoClaw via un plugin publié cette semaine. L’intégration vise à simplifier l’adoption en permettant aux développeurs d’équiper leurs agents d’une mémoire durable et vérifiable grâce aux outils avec lesquels ils travaillent déjà. « Sans cela, les développeurs devraient comprendre l’intégration d’une couche de stockage décentralisée comme Walrus, ce qui pourrait ajouter des frictions et de la complexité », a expliqué Garg.

Confidentialité et contrôle d’accès

MemWal inclut des fonctionnalités de confidentialité via une couche de chiffrement native et un contrôle d’accès programmable. Même si le stockage lui-même est décentralisé, le contenu reste confidentiel et régi par des règles — « même les fournisseurs de stockage ne peuvent pas le lire », a déclaré Garg. Cette approche répond aux inquiétudes croissantes liées au fait que les agents traitent des données sensibles et propriétaires, y compris des flux de travail d’entreprise, des informations financières et du contexte personnel.

Cas d’usage émergents

Les capacités renforcées de mémoire agentique permettent de nouvelles applications dans plusieurs domaines. Les agents de support client peuvent conserver des repères contextuels sur les utilisateurs, et les agents de différentes équipes peuvent collaborer en « travaillant à partir de la même historique client ». D’autres partenaires explorent la coordination entre des agents opérant comme éditeurs ou consommateurs sur des marketplaces, en utilisant la messagerie comme forme de mémoire partagée. D’autres cas d’usage incluent des robots qui doivent partager du contexte entre eux pour coordonner des tâches dans des scénarios du monde réel, comme des opérations de réponse aux catastrophes.

Garg anticipe une « standardisation de la pile » pour les agents à l’avenir, avec « une séparation claire entre le calcul, les données, la mémoire et la coordination ». « Notre point de vue est que la mémoire et les données ne devraient pas être liées à un seul modèle ou à une seule plateforme — donc Walrus devient cette couche de données durable et MemWal devient une couche de mémoire au-dessus », a-t-il déclaré.