Программист в одиночку бросил вызов закрытому контуру. Он вносит в реестр ПО долговременную память для ИИ-агентов, которые будут работать без интернета

Российский программист Михаил Сингатуллин решил построить бизнес на проблемах, которые возникают у разработчиков из-за требований российского законодательства и закрытых контуров компаний, в том числе государственных. Он создал программный комплекс MMW (ММВ, Managed Memory Workspace), который позволит бороться с «амнезией» у востребованных разработчиками ИИ-агентов на базе российских и иностранных больших языковых моделей (LLM) в закрытых контурах и суверенном Рунете.

Архитектура решения заключается в реализации открытого глобального стандарта Model Context Protocol (MCP), локального кэширования и технологий графов знаний, что позволяет разворачивать интеллектуальную память в закрытых корпоративных периметрах и гарантирует выполнение требований 152-ФЗ «О персональных данных». Сервер размещен в Москве, речь идет о работе в облаке Cloud.ru, следует из материалов, предоставленных разработчиком в Минцифры России.

Фото: Lisa Fotios / Pexels

Российский программист в одиночку вносит ПО в реестр Минцифры, инвестировал в проект 3 млн руб.

Ключевыми преимуществами решения названы полная технологическая независимость и On-Premise развертывание в закрытом периметре (152-ФЗ, данные не покидают инфраструктуру компании). Его аппаратная эффективность — это микросекундная выборка контекста и сокращение расхода токенов LLM до 70% за счет отсечения устаревшей информации. Также речь идет о совместимости «из коробки» как с российскими языковыми моделями (GigaChat), так и с ведущими средами разработки и агентными фреймворками.

Что рассказал о решении разработчик

Главная технологическая проблема современных больших языковых моделей и автономных ИИ-агентов — это так называемая «амнезия», пояснил CNews Михаил Сингатуллин, архитектор и разработчик платформы MMW.

Модель теряет контекст сразу после завершения сессии или исчерпания контекстного окна. Классический RAG (поиск по статичной базе документов) проблему динамической рабочей памяти не решает: агент не помнит собственные выводы, хронологию решений и динамику изменений состояний, добавил создатель платформы.

По словам Сингатуллина, его MMW создан как специализированный инфраструктурный слой (Middleware) долговременной рабочей и эпизодической памяти для ИИ-агентов. Решение сохраняет контекст между сессиями, строит ассоциативные графы связей (модуль memory_edges) и автоматически выявляет устаревшие или конфликтующие факты.

«Для работы в закрытом контуре это критически важно: крупный бизнес (банки, промышленность, госсектор) внедряет отечественные LLM или локальные open-source модели внутри своего защищенного периметра. Они юридически и физически не имеют права передавать чувствительные корпоративные данные в зарубежные сервисы памяти. MMW разворачивается полностью локально (On-Premises) или в доверенном российском облаке, гарантируя 100% изоляцию данных и строгое соблюдение требований 152-ФЗ („О персональных данных“)», — рассказал архитектор проекта.

Собственные инвестиции

Разработчик раскрыл инвестиции в проект. «На этапе исследований и создания работающего продукта проект развивался по модели классического бутстрэппинга (bootstrapping, запуск проекта на собственные средства). Объем личных инвестиций в инфраструктуру, высоконагруженные тестовые стенды, аудит безопасности и правовое оформление составил почти 3 млн руб. собственных средств, не считая сотен часов авторской инженерной разработки», — указал программист.

Теперь в проект планируется привлечь внешнее финансирование, говорит разработчик. Оно необходимо для формирования команды разработки, маркетинга и запуска первых пилотных внедрений.

«Помимо основного российского контура, ориентированного на Реестр ПО и корпоративный сектор России, у нас развернута отдельная зарубежная версия системы (mmwhub.tech), нацеленная на международное сообщество разработчиков и рынки дружественных стран (БРИКС, MENA)», — говорит Сингатуллин.

По словам разработчика, к текущему моменту базовое технологическое ядро полностью создано, протестировано на реальных инженерных задачах и заявлено в Реестр Минцифры России. Сейчас проект находится на этапе предпосевного раунда (Pre-Seed): мы завершили стадию бутстрэппинга за счет собственных средств и открыты к диалогу и сотрудничеству с бизнес-ангелами, посевными фондами и стратегическими партнерами, констатировал разработчик.

22 года опыта в разработке

В материалах Минцифры указано, что разработка является плодом творческого труда Михаила Сингатуллина. Разработчик подтвердил CNews, что вел работы в одиночку.

«Да, архитектура ядра, математическая модель графовых связей и код сервисов разработаны мной самостоятельно как единственным автором и правообладателем. Для отдельных узких задач (нормативно-правовая экспертиза, аудит информационной безопасности) привлекались профильные консультанты на проектной основе», — указал разработчик.

По его словам, сделать работу в одиночку удалось благодаря 22-летнему практическому инженерному опыту в системной интеграции, проектировании сетей связи и серверной архитектуры.

«В основу MMW изначально был заложен принцип высокой надежности и минимализма: вместо громоздких и уязвимых фреймворков мы использовали проверенную архитектуру изолированных ячеек (Shared-Nothing Cells), реляционное ядро SQLite в высокопроизводительном режиме WAL и открытый стандарт Model Context Protocol (FastMCP). Это позволило избежать раздувания кодовой базы и построить промышленно стабильную систему силами одного ведущего архитектора», — указал разработчик.

Что за стандарт MCP

Стандарт MCP был создан Anthropic в 2024 г., но затем передан в дар фонду Agentic AI Foundation (AAIF), целевому фонду под эгидой Linux Foundation, соучредителями которого являются Anthropic, Block и OpenAI, при поддержке Google, Microsoft, Amazon Web Services (AWS), Cloudflare и Bloomberg.

MCP — это универсальный открытый стандарт для подключения приложений искусственного интеллекта к внешним системам. По данным Anthropic, в масштабах всей экосистемы в настоящее время насчитывается более 10 тыс. active публичных серверов MCP, охватывающих все — от инструментов для разработчиков до развертываний в компаниях из списка Fortune 500. MCP используется в ChatGPT, Cursor, Gemini, Microsoft Copilot, Visual Studio Code и других популярных продуктах на основе искусственного интеллекта в масштабах всей инфраструктуры: теперь существует инфраструктура корпоративного уровня с поддержкой развертывания MCP от таких провайдеров, как AWS, Cloudflare, Google Cloud и Microsoft Azure, пишут в Anthropic.

Российское решение уникально?

Сингатуллин указывает, что для российского рынка его разработка пока уникальна.

«На глобальном рынке направление памяти для ИИ активно развивается (проекты Zep, Mem0, Letta/MemGPT), однако все они архитектурно завязаны на западную облачную инфраструктуру и проприетарные векторные СУБД», — указал разработчик.

В России на текущий момент MMW — фактически первое специализированное суверенное решение долговременной памяти для агентных систем (Agentic Memory), работающее по открытому протоколу Model Context Protocol (MCP) и оптимизированное для работы с российскими языковыми моделями.

По его словам, технологический подход уже получил положительную оценку экспертного сообщества: проект вошел в шорт-лист Startup Summit (организован Сбером при поддержке Правительства Москвы) и вошел в тройку лидеров (3 место) в спецноминации от команды GigaAgent.

При этом отдельный зарубежный модуль MMW (mmwhub.tech) уже получил подтверждение технической состоятельности в мировом сообществе разработчиков: наш сервис успешно прошел независимую верификацию с высшим рейтингом Grade A в главном глобальном каталоге MCP-серверов Glama.ai, представлен на Smithery.ai и включен в международный реестр Awesome Remote MCP Servers на GitHub, говорит Сингатуллин.

«Если говорить честно, мы находимся на стадии готовности к первым пилотам, и коммерческих контрактов с корпорациями у нас на данный момент нет. Но ключевые преимущества, которые мы заложили в решение и за счет которых рассчитываем на интерес со стороны заказчиков», — добавил разработчик.

По словам Михаила Сингатуллина, включение в Единый реестр российских программ дает официальное подтверждение технологического суверенитета и открывает прямой допуск к закупкам в государственном секторе и компаниях с госучастием (по 44-ФЗ и 223-ФЗ), а также на объектах критической информационной инфраструктуры (КИИ) в рамках программ импортозамещения. Для коммерческих заказчиков это понятный знак технологической зрелости и юридической чистоты продукта, указал разработчик.

При этом в планах получение статуса доверенного программного комплекса. По словам разработчика, это ключевой пункт нашей технологической дорожной карты. «Мы изначально проектировали архитектуру с учетом требований безопасности: строгая изоляция процессов, отсутствие скрытых внешних телеметрий, неизменяемость журналов операций. В дальнейшем мы нацелены на сертификацию во ФСТЭК России для применения на объектах КИИ высших категорий значимости», — констатировал Михаил Сингатуллин.

Мнение экспертов

Опрошенные CNews эксперты согласны, что решение Сингатуллина действительно пока одно на рынке, и оно призвано назревшую проблему.

Проблема действительно актуальна, особенно для агентов, выполняющих длительные и многоэтапные задачи, рассказал CNews Никита Ротару, разработчик ИИ-экосистемы Kodik. Контекстное окно модели ограничено, а между сессиями информация зачастую теряется. В результате агент может забывать ранее принятые решения, повторять действия или опираться на устаревшие данные.

«Сейчас для решения этой проблемы используют RAG, векторные и графовые базы данных, суммаризацию истории взаимодействий и специализированные системы памяти, например Mem0 и Letta. "ММВ“ предлагает централизовать управление такой памятью, включая проверку актуальности и происхождения информации. Для закрытого контура подход применим, но при условии, что все компоненты системы, включая хранилище и обработку данных, могут работать локально», — говорит эксперт.

Проблема реальна: очень часто ИИ-агент, то есть программа на базе большой языковой модели, в каждой новой сессии начинает с нуля: ни договоренностей, ни принятых решений он не помнит, добавляет Дарья Джанкотти, генеральный директор компании «Биорг».

«Это как колл-центр без CRM: клиент при каждом звонке пересказывает всю историю заново. Систему памяти можно установить внутри периметра заказчика, у "ММВ" для этого есть локальная версия. Сейчас проблему обходят тремя способами: файлы с инструкциями в репозитории, например, AGENTS.md, встроенная память облачных ассистентов и поиск по документам через метод RAG, когда система подгружает в запрос нужные фрагменты из базы. Отличие отдельной системы памяти от RAG в том, что агент сам записывает и обновляет факты по ходу работы, а не только читает готовые документы», — говорит Джанкотти.

По словам Джанкотти, помимо зарубежных решений, «память» есть у Yandex AI Studio: (среда для построения агентов с хранением истории диалогов (проприетарная, облачная) и Just AI Agent Platform (платформа для корпоративных агентов (проприетарная)).

Однако само по себе наличие долговременной памяти не делает модель интеллектуальнее: ее способности к рассуждению от этого не меняются, рассуждает Никита Ротару. Зато агент может эффективнее выполнять продолжительные задачи, сохранять рабочий контекст и реже повторять ошибки. Здесь принципиально качество самой памяти: если система сохраняет и воспроизводит недостоверные сведения, она может не повысить, а снизить надежность агента.

По словам эксперта, включение в реестр прежде всего упрощает использование продукта в рамках политики импортозамещения и снижает отдельные барьеры при корпоративных и государственных закупках. Для крупных организаций наличие отечественных инфраструктурных компонентов действительно важно.

«С формальной точки зрения препятствий для регистрации подобного ПО нет. Существующий классификатор охватывает различные категории инфраструктурного ПО, средств разработки и систем обработки данных. Однако специализированной категории для систем долговременной памяти ИИ-агентов пока нет», — говорит эксперт. Это скорее вопрос развития классификации, чем принципиальной неготовности реестра. Важно понимать, что включение в него подтверждает соответствие установленным требованиям к российскому ПО, но не означает независимой проверки эффективности механизмов памяти или безопасности агентной архитектуры.

Эксперт напомнил, что MCP — открытый протокол взаимодействия ИИ-приложений с инструментами и источниками данных, и его использование не требует сторонних облачных сервисов. Разработчики могут самостоятельно реализовать MCP-серверы и развернуть их внутри корпоративной инфраструктуры, в том числе без доступа в интернет. Однако MCP сам по себе не гарантирует безопасность. Необходимо отдельно обеспечивать разграничение прав доступа, аутентификацию, изоляцию инструментов и защиту от prompt injection. Для закрытых контуров это особенно важно, поскольку агент через MCP потенциально получает доступ к внутренним системам организации.

При этом Ротару отметил и минусы подобных систем, как ММВ: «Главный риск подобных систем — превращение долговременной памяти в накопитель устаревшей или недостоверной информации. Поэтому недостаточно просто сохранять факты: необходимы механизмы проверки, разрешения противоречий, контроля доступа и гарантированного удаления данных», — заявил эксперт. В случае ММВ стоит также учитывать зрелость самого продукта. «По публичным заявлениям разработчика, решение пока находится на раннем этапе, поэтому его надежность под реальными корпоративными нагрузками еще предстоит подтвердить. Кроме того, в открытой документации основной сценарий предполагает подключение к удаленному серверу, а локальное развертывание предлагается отдельно. Для организаций с жесткими требованиями к изоляции инфраструктуры это существенный вопрос, который потребуется прорабатывать до внедрения», — заключил Никита Ротару.

Дарья Джанкотти рассуждает, что минусы могут быть с самой концепцией решения. «Во-первых, накопленную память сложно перенести в другую систему. Во-вторых, если в память попали сведения о людях, система должна уметь находить и удалять их по запросу субъекта (152-ФЗ). Опять же, отравленная память: система сама решает, что запомнить, и ошибка закрепляется надолго. Это напоминает архив, в который сложили всё подряд и забыли отсортировать: информация есть, но через год ничего не найти или найдёшь не то. Нужны механизмы определения и «забывания» устаревших фактов, иначе память превратится в свалку. И, самое главное, публичных кейсов внедрения и замеров на корпоративном уровне пока нет, заявленную пока нельзя проверить», — констатировала эксперт.