Skip to content

Graphiti

El framework de código abierto de Zep para grafos de conocimiento temporales que registran cuándo un hecho pasó a ser cierto y cuándo dejó de serlo.

Reseña de Sheela · Actualizado

Ver en GitHub Código abierto

Nuestra nota

4.3/5

Para agentes cuyos hechos cambian con el tiempo, Graphiti es la capa de memoria de código abierto a batir, siempre que estés dispuesto a mantener una base de datos de grafos y a pagar la extracción con LLM en cada escritura.

¿Qué es Graphiti?

Graphiti construye un grafo de conocimiento para agentes de IA a partir de conversaciones, documentos y datos estructurados. Cada hecho (una arista entre dos entidades) registra cuándo pasó a ser válido y, si más tarde se contradice, cuándo quedó invalidado; los hechos antiguos se conservan, no se borran, y cada hecho remite al episodio que lo produjo. Eso permite a un agente preguntar qué es cierto ahora y qué lo era en una fecha anterior.

Los datos nuevos se añaden de forma incremental, sin reconstrucción por lotes. La búsqueda combina embeddings, coincidencia de palabras clave BM25 y recorrido del grafo. Funciona sobre Neo4j, FalkorDB o Amazon Neptune (el soporte de Kuzu está obsoleto porque el proyecto original ya no se mantiene), usa OpenAI por defecto y admite Anthropic, Gemini, Groq y cualquier endpoint compatible con OpenAI. Incluye servidores MCP y REST de referencia.

Graphiti es el framework de construcción de grafos que hay dentro de Zep, un servicio comercial de contexto que añade almacenamiento gestionado sobre su propia base de datos de grafos Konig, usuarios e hilos, paneles y SLA. Por sí solo, Graphiti solo se puede autoalojar: tú pones la base de datos, el LLM y el modelo de embeddings, y construyes tú mismo la multitenencia y el control de acceso.

¿Merece la pena Graphiti?

Graphiti resuelve un problema que la memoria vectorial simple resuelve mal: los hechos que cambian. Si un cliente se muda o se sustituye una póliza, un almacén vectorial devuelve ambas versiones; Graphiti marca el hecho antiguo como inválido y conserva su historia. El proyecto tiene mucha actividad, con unas 32.200 estrellas en GitHub y la v0.31.2 publicada el 20 de octubre de 2026.

Las pruebas proceden sobre todo del propio proveedor. El artículo de Zep informa de un 94,8% frente al 93,4% de MemGPT en el benchmark Deep Memory Retrieval y de mejoras de precisión de hasta el 18,5% en LongMemEval, con la latencia de respuesta reducida un 90% frente a implementaciones de referencia. Las consultas no necesitan ninguna llamada a un LLM, por eso la recuperación es rápida; la página de investigación de Zep informa de una recuperación p95 de 162 ms en LongMemEval para su servicio gestionado, que no es lo mismo que una instalación autoalojada de Graphiti.

Los costes están en la ingesta. Cada episodio pasa por un LLM para extraer entidades y resolver duplicados, y el README advierte de que los modelos sin salida estructurada fiable devuelven un esquema incorrecto y rompen la ingesta, un problema que empeora con modelos locales pequeños. La concurrencia es por defecto de 10 operaciones (SEMAPHORE_LIMIT) para evitar errores 429 del proveedor, así que las cargas masivas son lentas hasta que la subes.

La seguridad requiere atención antes del despliegue. Los servidores MCP y REST de referencia no tienen autenticación, así que cualquiera que los llame puede leer, cambiar o borrar datos en cualquier group_id, y los archivos Compose de ejemplo usan credenciales de base de datos predeterminadas. Un aviso de gravedad alta por inyección Cypher, publicado en marzo de 2026, se corrigió en la 0.28.2. La telemetría anónima a PostHog está activada por defecto y abarca opciones de configuración, no el contenido del grafo.

El vínculo con Zep es más estrecho de lo que sugería la cobertura anterior: el README describe ahora Graphiti como el framework que hay dentro de Zep, así que la vía de código abierto es el mismo motor sin el almacenamiento, la multitenencia y las herramientas por las que cobra Zep. Eso hace bastante clara la cuenta entre construir y comprar. El plan Flex de Zep cuesta 125 $ al mes por 50.000 créditos, a un crédito por cada 350 bytes de episodio, frente a mantener Neo4j o FalkorDB más tus propias llamadas de extracción.

Dónde se gana su sitio

  • Un ingeniero backend que crea un agente de soporte para un SaaS B2B con 5.000 cuentas de clientes

    Recordar datos de las cuentas que cambian, como el plan, el responsable y las incidencias abiertas

    Ingerir los tickets y las actualizaciones del CRM como episodios en Neo4j o FalkorDB; los hechos superados se invalidan en lugar de borrarse, así que el agente puede decir cuál era el plan el trimestre pasado. Cada episodio cuesta llamadas de extracción al LLM; la recuperación no cuesta nada.

  • Un equipo de tecnología sanitaria cuyos datos de pacientes no pueden salir de su VPC

    Ejecutar la memoria del agente íntegramente en su propia infraestructura

    Apuntar Graphiti a un modelo local mediante un servidor compatible con OpenAI como vLLM u Ollama y a un FalkorDB autoalojado, y desactivar la telemetría. Usar el modelo local más capaz disponible y mantener baja la concurrencia, porque los modelos pequeños rompen a menudo el esquema de extracción.

  • Una product manager que sopesa construir o comprar la memoria del agente

    Comparar el precio de Graphiti autoalojado con el servicio gestionado de Zep

    El nivel Free de Zep da 10.000 créditos al mes y Flex 125 $ por 50.000, con BAA de HIPAA y BYOC solo en Enterprise. Graphiti evita la cuota, pero deja la autenticación, la multitenencia y la operación a tu equipo.

Antes de decidirte

Puesta en marcha
pip install graphiti-core (Python 3.10 o posterior) más Neo4j 5.26 o FalkorDB 1.1.2, que arranca con un solo docker run; OpenAI es el LLM y el modelo de embeddings por defecto. El Docker Compose del repositorio levanta la base de datos con los servicios de referencia.
Integraciones
Neo4j, FalkorDB, Amazon Neptune (con OpenSearch Serverless para la búsqueda de texto completo) y Kuzu, obsoleto; OpenAI, Azure OpenAI, Anthropic, Gemini, Groq y cualquier endpoint compatible con OpenAI; servidores MCP y FastAPI de referencia; una guía para LangGraph.
Datos y privacidad
Los datos del grafo se quedan en tu base de datos, pero el texto de los episodios va al LLM y al modelo de embeddings que configures, y el enrutamiento opcional de deduplicación con Jev envía los prompts de deduplicación a TypeSafe. La telemetría de PostHog está activada por defecto; define GRAPHITI_TELEMETRY_ENABLED=false. Una inyección Cypher de gravedad alta se corrigió en la 0.28.2.
Coste a escala
Sin cuota de licencia; pagas la base de datos de grafos y las llamadas de extracción y deduplicación de cada episodio, que dominan el coste a gran volumen. El servicio gestionado de Zep empieza en 125 $ al mes por 50.000 créditos, con 25 $ por cada 10.000 adicionales.
Límites
La ingesta falla con modelos que no respetan la salida estructurada; la concurrencia por defecto de 10 frena las cargas masivas; los servidores de referencia no son para producción; 494 incidencias y pull requests abiertas.

Lo bueno

  • Registra la validez de los hechos en el tiempo en lugar de sobrescribirlos
  • Actualizaciones incrementales sin reconstrucción por lotes
  • Ninguna llamada a un LLM en el momento de la consulta
  • Elección entre Neo4j, FalkorDB o Neptune y varios proveedores de modelos

Lo malo

  • La ingesta, cargada de LLM, requiere modelos con salida estructurada
  • Los servidores MCP y REST de referencia no tienen autenticación
  • Telemetría activada por defecto
  • Resultados de benchmarks declarados por el proveedor

Ideal para

Equipos que crean agentes de larga duración que deben recordar hechos cambiantes sobre usuarios, cuentas o el mundo.

Alternativas a Graphiti

Graphiti: preguntas frecuentes

¿Merece la pena Graphiti?
Para agentes cuyos hechos cambian con el tiempo, Graphiti es la capa de memoria de código abierto a batir, siempre que estés dispuesto a mantener una base de datos de grafos y a pagar la extracción con LLM en cada escritura. Le damos un 4.3 sobre 5.
¿Cuánto cuesta Graphiti?
Gratuito y de código abierto bajo Apache 2.0. Tú pones la base de datos de grafos y pagas las llamadas al LLM y de embeddings durante la ingesta.
¿Qué inconvenientes tiene Graphiti?
La ingesta, cargada de LLM, requiere modelos con salida estructurada; los servidores MCP y REST de referencia no tienen autenticación; telemetría activada por defecto; resultados de benchmarks declarados por el proveedor.
¿Para quién es Graphiti?
Equipos que crean agentes de larga duración que deben recordar hechos cambiantes sobre usuarios, cuentas o el mundo.
¿Cuánto cuesta Graphiti para un equipo o en producción?
Sin cuota de licencia; pagas la base de datos de grafos y las llamadas de extracción y deduplicación de cada episodio, que dominan el coste a gran volumen. El servicio gestionado de Zep empieza en 125 $ al mes por 50.000 créditos, con 25 $ por cada 10.000 adicionales.
¿Es Graphiti seguro para los datos de la empresa?
Los datos del grafo se quedan en tu base de datos, pero el texto de los episodios va al LLM y al modelo de embeddings que configures, y el enrutamiento opcional de deduplicación con Jev envía los prompts de deduplicación a TypeSafe. La telemetría de PostHog está activada por defecto; define GRAPHITI_TELEMETRY_ENABLED=false. Una inyección Cypher de gravedad alta se corrigió en la 0.28.2.
¿Cuáles son las mejores alternativas a Graphiti?
Las alternativas más cercanas que hemos analizado son Mem0, Cognee, LightRAG y Neo4j.

Respuestas comprobadas el 23 oct 2026.