Case 01 · Infrastructuur

Geheugen, over tools heen.

Open Brain is de laag die drie van mijn AI-agents synchroon houdt, over zes applicaties, zonder contextverlies. Gebouwd op MCP in januari 2026, voordat het protocol breed werd geadopteerd. Sindsdien continu in productie.

Rol
Architect en bouwer
Duur
Twee dagen tot eerste werkende versie, zes maanden van evolutie
Team
Solo build
Verticaal
AI-infrastructuur
Geannoteerd architectuurdiagram van Open Brain. Drie agents (Claude, Crafty, Hermy) bovenaan, MCP en REST API in het midden, PostgreSQL met pgvector onderaan, plus een Voyage AI embeddings-laag en cron-processen voor wekelijkse consolidatie en maandelijkse decay.

Het probleem

Als je met meer dan één AI-tool werkt heb je gemerkt dat ze geen context delen. Wat je maandag tegen Claude vertelde is dinsdag onzichtbaar voor ChatGPT. Elke leverancier bouwt geheugen binnen zijn eigen interface. Geen ervan slaat de brug naar de andere, en dat is precies waar de wrijving zit in een multi-agent workflow.

Ik begon met Open Brain in januari 2026 toen MCP nog vroeg was. De keuze was dat een open laag wint van een vendor-feature, en dat het protocol op het punt stond standaard te worden. Zes maanden later draait de laag nog steeds en heeft de architectuur standgehouden.

Drie dingen die vendor-geheugen blijven verkeerd doen

  1. Lock-in. Anthropic onthoudt Claude, OpenAI onthoudt ChatGPT. Geen van beide gaat een brug bouwen.
  2. Geen taxonomie. Pure semantische zoek over ruwe gedachten wordt snel ruis. Zonder gestructureerd typesysteem (project_update, decision, pattern, insight, action_item, context) wordt retrieval een muur van vaag gerelateerde tekst.
  3. Geen decay. Alles weegt eeuwig even zwaar. Een wegwerpnotitie uit maart staat naast een kritische beslissing uit mei. Zonder halfwaardetijd verstikt geheugen zichzelf.

Wat ik bouwde

Een laag tussen elke AI-tool en een gestructureerde kennisgraaf. Twee ingangen: MCP-connector voor protocol-aware tools (Claude Desktop, Cursor, CoWork), REST API voor de rest. Opslag op PostgreSQL met pgvector, embeddings via Voyage AI, gedeployd op Railway. Retrieval is task-aware, met planning-, reflection- en briefing-modi. Een maandelijks decay-proces archiveert oude gedachten. Een wekelijks consolidatie-proces clustert ze in topic-patterns.

Zeven MCP-tools ontsluiten het systeem. Drie agents lezen er dagelijks uit. Claude is mijn primaire partner, Crafty draait skills op mijn Mac, Hermy doet autonoom achtergrondwerk.

Kostendiscipline zit in het ontwerp ingebouwd. Embeddings worden gebatcht en gecached. Retrieval verloopt via een summary-first pass voordat het uitbreidt, wat tokens laag houdt in het meest voorkomende geval. Token-aware routing over de read- en write-paden.

Flowdiagram: een gedachte vastgelegd in Claude reist door de MCP-laag en wordt beschikbaar voor Crafty op de Mac en voor Hermy als achtergrondproces.
Eén gedeelde laag. Veel tools erbovenop. Het geheugen is van de gebruiker, niet van de leverancier.

Zes maanden onderweg

De architectuur is dezelfde die ik in een organisatie zou neerzetten. Opslaglaag, embedding-laag, retrieval-modi, decay-proces, MCP- en REST-endpoints. Wat verandert tussen persoonlijk en organisatorisch gebruik zijn de databronnen, de governance eromheen, en de audit trail. Niet het onderliggende ontwerp.

Wat dit voor jou betekent

Als jouw organisatie meer dan één AI-tool gebruikt heb je het probleem dat deze laag oplost al.