Stanford Digital Economy Lab • Consumer Reports Innovation Lab • 2025-2026
Представь, что у тебя есть дневник, где записано всё о тебе: что ты любишь, как учишься, какие у тебя цели. Сейчас каждый ИИ-помощник (ChatGPT, Алиса, Siri) читает только свой кусочек и забывает его, когда ты закрываешь чат.
HCP — это способ сделать так, чтобы твой «дневник» был только твоим, и ты сам решал, кому из ИИ-помощников показать какую страницу. Перешёл из одного приложения в другое — а ИИ уже помнит, что тебе важно. Не потому что корпорация следит, а потому что ты сам разрешил.
HCP (Human Context Protocol) — открытый протокол от Stanford DEL для стандартизации переносимой пользовательской памяти между LLM-системами. Если MCP (Anthropic) решает проблему «как подключить инструменты к модели», то HCP решает «как пользователю управлять своим контекстом кросс-платформенно».
Архитектура: LLM-клиент ↔ HCP Server (PCR) ↔ Memory Manager (Redis, векторные БД, A-MEM, LangGraph). Три операции: schema definition (описание структуры предпочтений), preference search (поиск по контексту), preference update (обновление с гранулярным контролем доступа по роли/цели/согласию).
Ключевое отличие от vendor-lock memory (OpenAI Memory, Gemini): данные принадлежат пользователю, хранятся вне платформы, передаются через стандартизированный API. Прототип реализован, paper прошёл ревью на Global Memory Workshop (Gates Foundation + Mozilla + Stanford HAI + AWS).
Проблема: Современная персонализация построена на platform-centric архитектуре. Каждый провайдер (OpenAI, Google, Anthropic) накапливает «cognitive layer» — профиль предпочтений пользователя, запертый внутри экосистемы. При переключении между моделями контекст теряется, а при использовании агентов в high-stakes доменах (медицина, образование, финансы) отсутствие актуального контекста критически снижает качество генерации.
Решение: HCP предлагает вынести слой персональных предпочтений из proprietary-хранилищ в user-governed middleware. Протокол определяет контракты для трёх операций: декларативное описание схемы предпочтений (JSON-подобный формат), семантический поиск по ним (совместимый с embedding-based retrieval) и атомарное обновление с поддержкой scoped access (роль + согласие + цель + отзыв доступа). Сервер PCR (Preference Context Router) абстрагирует конкретную реализацию хранилища.
Интеграция: HCP не конкурирует с RAG или MCP, а дополняет их. RAG работает с документами, MCP — с инструментами, HCP — с пользовательским контекстом. Memory Managers могут быть любыми: от простых windowed buffers до иерархических систем (MIRIX, HiAgent) и фреймворков (LangGraph). Это позволяет реализовать cross-agent memory без централизации данных у одного вендора.
Значимость: Проект backed by Gates Foundation, Mozilla, Stanford HAI и AWS. Авторы (Shah, South, Evans, Kirk, Pei, Trask, Weyl, Bakker) формулируют HCP как инфраструктурный примитив для human-AI economy, где ценность смещается от network effects к sustained understanding of individuals. Без такого стандарта рынок идёт к монополизации когнитивных профилей.
💡 Память как право, не фича — пользователь должен владеть своим AI-контекстом так же, как данными в GDPR
💡 MCP + HCP = полный стек — MCP подключает тулы, HCP подключает личность. Вместе — полноценный агентский фреймворк
💡 NLP > behavioral tracking — явные текстовые предпочтения надёжнее, чем скрытый анализ кликов
💡 Cognitive layer monopoly risk — без открытого протокола OpenAI/Google замкнут персонализацию на себя
💡 Scoped revocation — можно дать доступ врачу к медицинскому контексту и отозвать после консультации
💡 Мы уже делаем это локально — Hermes memory/skills = прототип HCP на уровне одного агента