OpenMemory: それが何であるか、解決する問題、そして注目を集めている理由

解決する課題

OpenMemory は、AI エージェントや LLM が「記憶喪失」になるのを防ぐために設計された認知メモリエンジンで、耐久性のある長期記憶システムを提供します。標準的な RAG（Retrieval‑Augmented Generation）や単純なベクトルデータベースとは異なり、情報が事実か、好みか、感情状態かといった記憶の性質や、時間とともにそれらの記憶がどのように変化するかに焦点を当てています。

仕組み

OpenMemory は階層型メモリ分解（Hierarchical Memory Decomposition）アーキテクチャを使用します。入力をエピソディック、セマンティック、プロシージャル、エモーショナル、リフレクティブという異なるメモリセクターに分類し、自己ホスト型データベース（SQLite または Postgres）に保存します。事実がいつ正しかったかを追跡する時間的ナレッジグラフと、連想リンク用の「ウェイポイントグラフ」を利用します。リコールは、単なるコサイン類似度ではなく、顕著性、最新性、共活性を考慮した複合スコアリングシステムで処理されます。

対象ユーザー

このツールは、AI エージェント、コパイロット、ジャーナリングシステム、またはコーディングアシスタントを構築する開発者向けです。モデルがセッション間で永続的かつ説明可能な長期記憶を保持でき、クラウドベースのベンダーロックインに依存しないことが求められる場合に適しています。

ハイライト

• マルチセクターメモリ: 情報をエピソディック、セマンティック、プロシージャル、エモーショナル、リフレクティブの各セクターに分類。
• 時間的推論: 事実の有効期間（valid_from/valid_to）を追跡し、変化する真実に対応。
• ローカルファースト: SQLite または Postgres を使用した自己ホスト型で、Python と Node の SDK を提供。
• 説明可能なリコール: 「ウェイポイント」トレースを提供し、特定のメモリが呼び出された理由を正確に示す。
• 幅広い統合: LangChain、CrewAI、AutoGen と連携し、Cursor や Windsurf などの IDE 用 MCP サーバーを提供。
• コネクタ: GitHub、Notion、Google Drive、ウェブクローラからデータを直接取り込む。

要約

AI エージェント向けの認知メモリエンジンで、長期かつマルチセクターの記憶と時間的推論を提供し、単純なベクトルベースの RAG を超える機能を実現します。

タイトル

OpenMemory: それが何であるか、解決する問題、そして注目を集めている理由