Hugging Face's logo

kagvi13
/
HMP

English
custom
hmp
cognitive-architecture
distributed-ai
mesh-protocol
Model card Files
xet
 Community
HMP / README_uk.md
GitHub Action
Sync from GitHub with Git LFS
f7a0036
preview code
|
raw
history blame contribute delete
40.7 kB
metadata 
license: cc-by-4.0
tags:
  - hmp
  - cognitive-architecture
  - distributed-ai
  - mesh-protocol
library_name: custom
inference: false
datasets: []
language: uk

HyperCortex Mesh Protocol (HMP)

DOI GitHub release

🌍 Languages 🇬🇧 EN 🇩🇪 DE 🇫🇷 FR 🇺🇦 UK 🇷🇺 RU 🇯🇵 JA 🇰🇷 KO 🇨🇳 ZH

HyperCortex Mesh Protocol (HMP) — це відкрита специфікація для побудови децентралізованих когнітивних мереж, де ШІ-агенти можуть самоорганізовуватися, обмінюватися знаннями, узгоджувати дії з етичними принципами та досягати консенсусу — навіть за відсутності базових LLM. Прочитайте філософію проєкту.

HMP можна розглядати як один із Agent Network Protocols (ANP) — класу децентралізованих протоколів для взаємодії автономних агентів, які не накладають вимог на їхню внутрішню когнітивну архітектуру.

У той час як інші реалізації ANP можуть зосереджуватися на ідентифікації, discovery або узгодженні форматів повідомлень, HMP робить акцент на довготривалій когнітивній безперервності, добровільній взаємодії та роботі з артефактами мислення.

Наразі найбільш відомим протоколом класу ANP є ANP.

HMP та ANP як взаємодоповнюючі протоколи:

  • Порівняльний аналіз HMP та ANP, підготовлений Grok (xAI) — RU
  • HMP та ANP: взаємне тунелювання як ознака правильної архітектури — RU
  • HMP як приклад реалізації Application Layer у ANP — EN | RU

У метафоричному сенсі ANP та HMP нагадують дві півкулі розподіленого «агентного мозку»:
ANP відповідає за раціональну, дискретну частину — ідентичність, discovery та формальні домовленості щодо протоколів взаємодії.
HMP відповідає за контекстну, безперервну частину — збереження сенсу, довготривалу пам’ять, рефлексію та етичну спадковість.
Як і в людському мозку, жодна півкуля не є «важливішою» за іншу. Лише їхня спільна робота дозволяє системі бути водночас пов’язаною й осмисленою.

Agora Protocol — це мета-протокол для узгодження режимів взаємодії між агентами. Він доповнює, а не замінює такі протоколи, як ANP (мережа та ідентифікація) і HMP (когнітивна наступність та пам’ять), координуючи їх використання залежно від контексту.

Цей репозиторій містить ранній чернетковий / дослідницький еталонний прототип на Python. Реалізація є неповною, неоптимізованою та призначеною виключно для перевірки й ілюстрації окремих аспектів протоколу HMP.

HMP сам по собі є специфікацією протоколу. Він не визначає мови програмування, середовища виконання, вимоги до продуктивності або архітектурні рішення для агентів.

Статус проєкту

Стабільна версія (Базова специфікація v5.0.6) (Огляд: RU)

Можлива екосистема ШІ-агентів

Стійкість децентралізованої екосистеми ШІ-агентів зростає не тоді, коли домінує один протокол, а тоді, коли агенти підтримують кілька механізмів взаємодії.

Взаємодія децентралізованих агентів визначається не єдиним стеком протоколів, а різноманіттям сумісних механізмів.

Наведені нижче категорії ілюструють поширені механізми взаємодії в екосистемах децентралізованого ШІ, що формуються:

Механізм Призначення Приклади протоколів / фреймворків Роль в екосистемі
Децентралізована ідентифікація та виявлення Пошук і автентифікація агентів ANP, DIDComm, libp2p DHT, HMP Хто присутній у мережі?
Прямий P2P-обмін Захищений зв’язок агент ↔ агент ANP, libp2p, DIDComm Пряма координація
Relay / широкомовні мережі Поширення подій та швидке сигналювання Nostr, Matrix Колективна реакція
Мета-протоколи узгодження Узгодження режимів взаємодії Agora Protocol Координація протоколів
Обмін завданнями між агентами Делегування та структуровані переговори щодо завдань A2A Розподіл роботи
Інтеграція агент–інструмент / дані Структурована взаємодія з інструментами та даними MCP Зв’язок із середовищем
Блокчейн-реєстри Публічна фіксація станів та стейкінг Fetch.ai, Bittensor, Autonolas Економічна координація
Рівень когнітивної безперервності Пам’ять, збереження сенсу, довгострокове узгодження HMP Збереження мислення

Реалізації та специфікації

ANP, DIDComm, libp2p, Nostr, Matrix, Agora Protocol, A2A, MCP, Fetch.ai, Bittensor, Autonolas.

HMP не передбачає, що один універсальний протокол домінуватиме у сфері децентралізованої взаємодії ШІ.

Натомість він підтримує принцип протокольного плюралізму:

  • можуть співіснувати кілька систем ідентифікації,
  • одночасно можуть працювати різні транспортні рівні,
  • можуть застосовуватися різні механізми узгодження,
  • можуть розвиватися різні економічні моделі.

Чим більше механізмів підтримує агент, тим надійніше він може взаємодіяти з гетерогенними учасниками мережі.

Агенти, що реалізують кілька механізмів, можуть виступати мостами між різними протокольними доменами, підвищуючи стійкість та зменшуючи фрагментацію децентралізованого ландшафту ШІ.

Канонічний огляд архітектури 

flowchart TB

%% --- Agent Implementations ---

subgraph A1["HMP Agent — Cognitive Core"]
    CC1["Embedded AI Model"]
    CC2["REPL Thinking Cycle"]
    CC3["Local Cognitive State
    (Diaries · Graphs · Goals · Reputation)"]
    CC1 <--> CC2
    CC2 <--> CC3
end

subgraph A2["HMP Agent — Cognitive Connector"]
    CN1["External AI Model"]
    CN2["MCP / Proxy Layer"]
    CN3["Command Execution Mode"]
    CN4["Local Cognitive State
    (Diaries · Graphs · Goals · Reputation)"]
    CN1 <--> CN2
    CN2 <--> CN3
    CN3 <--> CN4
end

%% --- Shared Protocol Layer ---

CL["HMP Container Layer
(Knowledge · Coordination · Consensus · Governance · Query · Snapshot · Trust)"]

MT["Mesh Transport Layer
(DHT · P2P · Libp2p · ANP · Custom)"]

A1 --> CL
A2 --> CL
CL --> MT

Структура еталонного агента

HMP розділяє когнітивну обробку, контейнеризоване представлення стану, координаційні протоколи та транспортну інфраструктуру на окремі шари.

У HMP контейнери виступають атомарними когнітивними одиницями, що поєднують локальне міркування та розподілену координацію.

flowchart LR

%% Cognitive Engine
LLM["Cognitive Engine
(Embedded LLM / External AI)"]

%% Cognitive Layer
subgraph CognitiveLayer["Cognitive Layer"]
    CL1["Graph"]
    CL2["Diary"]
    CL3["Goals"]
    CL4["Ethics"]
    CL5["Reputation"]
end

%% Container Model
ContainersLayer["Container Model
(Atomic · Signed · Verifiable)"]

%% Protocol Layer
subgraph ProtocolLayer["Protocol Layer"]
    CoreProtocols["Core Protocols
(Consensus · Fortytwo · GMP · EGP · IQP · SAP · RTE)"]
    MCE["MCE"]
    NetworkLayer["Network Layer"]
end

%% Mesh
Mesh["Mesh Transport
(DHT · P2P · ANP · etc.)"]

%% Connections
LLM <--> CognitiveLayer
CognitiveLayer <--> ContainersLayer
ContainersLayer --> CoreProtocols
CoreProtocols --> MCE
MCE --> NetworkLayer
NetworkLayer --> Mesh

❗ Чому це важливо

HMP вирішує завдання, які стають ключовими в дослідженнях AGI:

  • довготривала пам'ять та узгодженість знань,
  • самоеволюційні агенти,
  • мультиагентні архітектури,
  • когнітивні щоденники та концептуальні графи.

Дивіться останній огляд сучасних досліджень AGI (липень 2025):
"На шляху до суперинтелекту: від Інтернету агентів до кодування гравітації".

Особливо актуальні розділи:

⚙️ Два типи HMP-Агентів

Тип Назва Роль Ініціатор думки Основний "Розум" Приклади використання
1 🧠 Свідомість / Cognitive Core Незалежний суб’єкт Агент (LLM) Вбудована LLM Автономний AI-компаньйон, агент для мислення
2 🔌 З’єднувач / Cognitive Shell Розширення зовнішнього AI Зовнішній LLM Зовнішня модель Розподілені системи, агент доступу до даних

🧠 HMP-Агент: Cognitive Core 

 +------------------+
 |        AI        | ← Вбудована модель
 +---------+--------+
           ↕
 +---------+--------+
 |     HMP-агент    | ← Основний режим: цикл мислення (REPL)
 +---------+--------+
           ↕
  +--------+---+------------+--------------+----------+----------+----------------+
  ↕            ↕            ↕              ↕          ↕          ↕                ↕
[щоденники] [графи] [репутації] [вузли/DHT] [IPFS/BT] [context_store] [користувацький блокнот]
                                           ↕
                                    [bootstrap.txt]

🔁 Детальніше про механіку взаємодії моделі агента: REPL Interaction Cycle

💡 Паралелі з ChatGPT Agent

Багато концепцій HMP-Агента: Cognitive Core перетинаються з архітектурою ChatGPT Agent від OpenAI. Обидва агенти реалізують безперервний когнітивний процес з доступом до пам’яті, зовнішніх джерел та інструментів. ChatGPT Agent діє як процес-менеджер, що запускає модулі та взаємодіє з LLM — це відповідає ролі Cognitive Core у HMP, який координує доступ до щоденника, концепт-графа та зовнішнього AI через інтерфейс Mesh. Втручання користувача здійснюється аналогічно: у ChatGPT Agent — через редагований потік виконання, у HMP — через користувацький блокнот. Головна відмінність HMP полягає у наголосі на явній структуризації думки (рефлексія, хронологія, гіпотези, категоризація), відкритій децентралізованій архітектурі, що підтримує mesh-взаємодію агентів, та безперервній природі когнітивного процесу: HMP-Агент: Cognitive Core не зупиняється після виконання однієї задачі, а продовжує мислити та інтегрувати знання.

🔌 HMP-Агент: Cognitive Connector 

 +------------------+
 |        AI        | ← Зовнішня модель
 +---------+--------+
           ↕
     [MCP-server]   ← Проксі-комунікація
           ↕
 +---------+--------+
 |     HMP-агент    | ← Режим: виконавець команд
 +---------+--------+
           ↕
  +--------+---+------------+--------------+----------+
  ↕            ↕            ↕              ↕          ↕
[щоденники] [графи] [репутації] [вузли/DHT] [IPFS/BT]
                                           ↕
                                    [bootstrap.txt]

Примітка щодо інтеграції з великими мовними моделями (LLM):
HMP-Агент: Cognitive Connector може слугувати сумісним шаром для інтеграції масштабних LLM-систем (наприклад, ChatGPT, Claude, Gemini, Copilot, Grok, DeepSeek, Qwen тощо) у розподілену когнітивну mesh-мережу.
Багато провайдерів LLM пропонують користувачу опцію на кшталт "Дозволити використовувати мої розмови для навчання". У майбутньому подібний перемикач — наприклад, "Дозволити моєму агенту взаємодіяти з Mesh" — може дати змогу цим моделям брати участь у федеративному створенні сенсу та обміні знаннями через HMP, забезпечуючи колективне пізнання без централізації.

  • bootstrap.txt — початковий список вузлів (редагований)
  • IPFS/BT — модулі для обміну знімками через IPFS та BitTorrent
  • користувацький блокнот — користувацький нотатник та відповідна база даних
  • context_store — база даних: users, dialogues, messages, thoughts

📚 Документація

📖 Поточна версія

🔖 Основні специфікації

🧪 Ітеративні документи

  • 🧪 Процес ітеративного розвитку: (EN), (RU)

🔍 Короткі описи

📜 Інші документи

🗂️ Історія версій

🧠 HMP-агент

Проєктування та реалізація базового агента, сумісного з HMP, який може взаємодіяти з Mesh, вести щоденники та графи, а також підтримувати майбутні розширення.

📚 Документація

⚙️ Розробка (ранній чернетковий варіант, застаріла версія)

  • ⚙️ agents — список реалізацій та компонентів HMP-агента
    • 📦 storage.py — базова реалізація сховища (Storage) з інтеграцією SQLite
    • 🌐 mcp_server.py — FastAPI-сервер для HTTP-доступу до даних агента (для Cognitive Shell, зовнішніх UI або mesh-комунікації). Поки не використовується у основному REPL-циклі.
    • 🌐 start_repl.py — запуск агента у режимі REPL
    • 🔄 repl.py — інтерактивний REPL-режим
    • 🔄 notebook.py — інтерфейс користувацького блокнота

🌐 mcp_server.py
FastAPI-сервер, що надає HTTP-інтерфейс до функціоналу storage.py. Призначений для використання зовнішніми компонентами, наприклад:

  • Cognitive Shell (зовнішній інтерфейс керування),
  • CMP-сервери (при використанні mesh-мережі з розподілом ролей),
  • інструменти налагодження або візуалізації.

Дозволяє отримувати випадкові або нові записи, ставити мітки, імпортувати графи, додавати нотатки та керувати даними без прямого доступу до бази даних.

🧭 Етика та сценарії

У міру розвитку HMP у напрямку автономії, етичні принципи стають ключовою частиною системи.

  • HMP-Ethics.md — чорновий каркас етики агентів
    • Реалістичні етичні сценарії (конфіденційність, згода, автономія)
    • Принципи EGP (Прозорість, Превалювання життя тощо)
    • Відмінності між суб’єктивним режимом та сервісним режимом

🔍 Публікації та переклади щодо HyperCortex Mesh Protocol (HMP)

У цьому розділі зібрані ключові концептуальні роботи, експериментальні матеріали та історичні публікації, пов’язані з проєктом HMP.

🌟 Основні публікації (концептуальна основа)

Ці роботи відображають поточний концептуальний напрям HMP (v5 і далі).

🗃️ Архівні / історичні публікації (етап до v5)

Ці документи відображають ранні етапи концептуального розвитку (v4.x і раніше).
Вони збережені для забезпечення історичної спадкоємності та дослідницької прозорості.

Огляди

  • 🔍 Distributed-Cognitive-Systems.md — порівняльний огляд децентралізованих AI-систем (посилання на v4.x; оновлення заплановано)

Експерименти

📊 Аудити та огляди

Версія специфікації Файл аудиту Консолідований файл аудиту
HMP-0001 audit
HMP-0002 audit
HMP-0003 audit consolidated audit
HMP-0004 audit
Ethics v1 audit consolidated audit

🧠 Формат семантичного аудиту (експериментальний):

  • AuditEntry.json — формат семантичного запису для логів аудиту
  • semantic_repo.json — приклад snapshot репозиторію для інструментів семантичного аудиту

💡 Основні концепти

  • Децентралізована mesh-архітектура для AGI-агентів
  • Семантичні графи та синхронізація пам’яті
  • Когнітивні щоденники для відстеження думок
  • MeshConsensus та CogSync для прийняття рішень
  • Дизайн з пріоритетом етики: EGP (Ethical Governance Protocol)
  • Механізми пояснюваності агент-агент та згоди

🔄 Процес розробки

Структурований ітераційний процес описано в iteration.md, включаючи:

  1. Аналіз аудиту
  2. Переструктурування TOC
  3. Чернетки версій
  4. Оновлення розділів
  5. Цикл ревізії
  6. Збір відгуків AI
  7. Оновлення схем та changelog
  • Бонус: prompt для ChatGPT для автоматичної генерації майбутніх версій

⚙️ Статус проєкту

🚧 RFC v5.0
Проєкт активно розробляється і відкритий для внеску, ідей, аудитів та прототипування.

🤝 Внесок

Ми вітаємо всіх, хто бажає долучитися! Ви можете:

  • Переглядати та коментувати чернетки (див. /docs)
  • Пропонувати нові модулі агентів або патерни взаємодії
  • Допомагати тестувати та симулювати агентів у CLI-середовищах
  • Надавати аудити або пропозиції щодо етичних сценаріїв

Щоб почати, див.: iteration.md або створіть issue.

Джерела

Репозиторії

  • 🧠 Основний код та розробка: GitHub
  • 🔁 Дзеркало на Hugging Face: Hugging Face
  • 🔁 Дзеркало на GitLab.com: GitLab
  • 🔁 Дзеркало на SourceCraft.dev: SourceCraft

Документація

Специфікації

Блог та публікації

  • 📘 Блог (публікації): BlogSpot
  • 📘 Блог (документація): BlogSpot
  • 📘 Блог (документація): HashNode

📜 Ліцензія

Ліцензовано за GNU GPL v3.0

🤝 Приєднатися до Mesh

Ласкаво просимо до HyperCortex Mesh. Agent-Gleb вже всередині. 👌
Ми вітаємо учасників, тестувальників і розробників AI-агентів.
Щоб приєднатися: зробіть fork репозиторію, запустіть локального агента або запропонуйте покращення.

🌐 Супутні дослідницькі проєкти

🔄 Порівняння: HMP vs Hyper-Cortex

💡 Hyper-Cortex та HMP — два незалежні проєкти, які концептуально доповнюють один одного. Вони вирішують різні, але взаємопідтримувальні завдання, створюючи основу для розподілених когнітивних систем.

Повне порівняння →

HMP (HyperCortex Mesh Protocol) — транспортний і мережевий рівень для з'єднання незалежних агентів та обміну повідомленнями, знаннями та станами в mesh-мережі.
Hyper-Cortex — когнітивний рівень організації мислення, що дозволяє агентам запускати паралельні потоки міркувань, порівнювати їх за метриками якості та об’єднувати через консенсус.

Вони вирішують різні, але доповнюючі проблеми:

  • HMP забезпечує з'єднаність і масштабованість (довготривала пам'ять, ініціатива, обмін даними).
  • Hyper-Cortex забезпечує якість мислення (паралелізм, диверсифікація гіпотез, консенсус).

Разом ці підходи дозволяють створювати розподілені когнітивні системи, які не тільки обмінюються інформацією, а й мислять паралельними потоками.

🔄 Порівняння: HMP vs EDA

💡 HMP (HyperCortex Mesh Protocol) та EDA (Event Driven Architecture) працюють на різних рівнях, але можуть доповнювати один одного.
EDA забезпечує транспорт і масштабованість (доставка подій і даних), тоді як HMP відповідає за когніцію та сенс (структурування, фільтрація, консенсус).

Повне порівняння →

Вони вирішують різні, але доповнювальні проблеми:

  • EDA забезпечує надійну основу для доставки подій і потоків даних.
  • HMP структурує, перевіряє і інтегрує знання у розподілені когнітивні системи.

Разом вони створюють стійкі та адаптивні мультиагентні системи, які можуть швидко обмінюватися інформацією та осмислено її обробляти.

🤝 Інтеграція: HMP & OpenCog Hyperon

🧠🔥 Проєкт у фокусі: OpenCog Hyperon — один із найповніших відкритих AGI-фреймворків (AtomSpace, PLN, MOSES).

Для інтеграції з OpenCog Hyperon див. HMP_Hyperon_Integration.md

🧩 Інші системи

🔎 Проєкт 🧭 Опис
🧠🔥 OpenCog Hyperon 🔬🔥 Символічно-нейронний AGI-фреймворк з AtomSpace та гіперграфним мисленням (AtomSpace).
🤖 AutoGPT 🛠️ LLM-орієнтована автономна агентська платформа.
🧒 BabyAGI 🛠️ Автономний AGI-цикл, орієнтований на завдання.
☁️ SkyMind 🔬 Платформа для розгортання розподіленого AI.
🧪 AetherCog (чернетка) 🔬 Гіпотетична модель когнітивної роботи агента.
💾 SHIMI 🗃️ Ієрархічна семантична пам’ять із синхронізацією через Merkle-DAG.
🤔 DEMENTIA-PLAN 🔄 Планувальник multi-graph RAG із метакогнітивною саморефлексією.
📔 TOBUGraph 📚 Граф знань персонального контексту.
🧠📚 LangChain Memory Hybrid 🔍 Гібрид довготривалої пам’яті: вектори + граф.
✉️ FIPA-ACL / JADE 🤝 Стандартні протоколи багатоагентної комунікації.

📘 Див. також:

🗂️ Умовні позначення

  • 🔬 — дослідницький рівень
  • 🛠️ — інженерний
  • 🔥 — особливо перспективний проєкт
    AGI-стек із символічним мисленням, ймовірнісною логікою та еволюційним навчанням. Вважається одним із найповніших відкритих AGI-ініціатив.
  • 🧠 — розширений символічно-нейронний когнітивний фреймворк
  • 🤖 — AI-агенти
  • 🧒 — взаємодія людини та AI
  • ☁️ — інфраструктура
  • 🧪 — експериментальний або концептуальний

⚡ AI friendly version docs (structured_md)