Личная библиотека знаний для агентов ИИ, построенная на Arcade for the Model Context Protocol (MCP).

Статус Agent Library — это проект сообщества, созданный инженерами Arcade.dev. ** Это не официальный продукт Arcade.dev** и не покрывается поддержкой Arcade.dev или SLA. Ознакомьтесь с поддержкой ниже, чего ожидать.

** Наименование** Пакет Agent Library ([T0]) на PyPI, librarian в качестве модуля Python. Сервер MCP внутри него идентифицирует себя как Librarian — это роль, с которой разговаривает ваш агент, и именно поэтому открытые инструменты называются Librarian_SearchLibrary, Librarian_AddToLibrary и так далее.

Обзор

Библиотека агентов предоставляет агентам ИИ постоянное хранилище для текста, документов и знаний. Агенты могут хранить информацию и извлекать ее позже с помощью семантического поиска и поиска по ключевым словам, поддерживая контекст во время разговоров.

Особенности

Постоянное хранение знаний для агентов ИИ SQLite-хранилище с sqlite-vec для векторного поиска Полнотекстовый поиск с использованием FTS5 с рейтингом BM25 Гибридный поиск, сочетающий семантический и соответствие ключевых слов Макс Маргинальная Релевантность (MMR) для различных результатов Конфигурируемые модели встраивания (локальный или OpenAI-совместимый API)

Agent Library

A personal knowledge library for AI agents, built on Arcade for the Model Context Protocol (MCP).

Status. Agent Library is a community project built by Arcade.dev engineers. It is not an official Arcade.dev product and is not covered by Arcade.dev support or SLAs. See Support below for what to expect.

Naming. The package is Agent Library (agent-library on PyPI, librarian as the Python module). The MCP server inside it identifies itself as Librarian — that’s the role your agent talks to, and it’s why the exposed tools are named Librarian_SearchLibrary, Librarian_AddToLibrary, and so on.

Overview

Agent Library provides AI agents with persistent storage for text, documents, and knowledge. Agents can store information and retrieve it later through semantic and keyword search, maintaining context across conversations.

graph LR
    A[Agent Stores Info] --> B[Parser]
    B --> C[Chunker]
    C --> D[Embedder]
    D --> E[(SQLite + vec)]
    F[Agent Queries] --> G[Hybrid Search]
    E --> G
    G --> H[Relevant Context]

Features

• Persistent knowledge storage for AI agents
• SQLite storage with sqlite-vec for vector search
• Full-text search using FTS5 with BM25 ranking
• Hybrid search combining semantic and keyword matching
• Max Marginal Relevance (MMR) for diverse results
• Configurable embedding models (local or OpenAI-compatible API)
• Header-aware text chunking with overlap
• Time-bounded search filters
• CLI and MCP server interfaces

Multi-Modal Support

Agent Library supports indexing and searching across multiple file types:

Installation

The recommended way to install Agent Library is as a uv tool, which gives you the libr CLI and the MCP server in an isolated environment:

uv tool install 'agent-library[all]'

The [all] extra pulls in optional support for PDFs, images, OCR, and code-aware embeddings. If you’d rather install only what you need:

uv tool install agent-library                # core only (text + code)
uv tool install 'agent-library[pdf]'         # add PDF support
uv tool install 'agent-library[vision]'      # add image support
uv tool install 'agent-library[ocr]'         # add OCR for image-based PDFs

Installing from source

If you want to contribute or run from a clone:

git clone https://github.com/arcadeai-labs/agent-library.git
cd agent-library
./setup.sh