angelnicolasc/graymatter

解決する課題

AIエージェントは通常、状態を持たないため、セッション間ですべてを忘れてしまいます。これにより、会話履歴が線形に増加し、大量のコンテキストトークンを消費し、コストが増加します。GrayMatterは永続的でローカル優先のメモリレイヤーを提供し、エージェントがセッション間で関連する事実を記憶できるようにします。完全な履歴を注入する必要はありません。

動作方法

GrayMatterは単一のバイナリとして動作し、MCP（Model Context Protocol）サーバーまたはGoライブラリとして使用できます。ベクトル、キーワード、最新性のハイブリッド検索システムを使用して、指定されたクエリに対して最も関連性の高い上位8件の事実を抽出します。自己構築型の知識グラフを備えており、タイプ付きエンティティを自動的に抽出し、リンクします。メモリの品質を維持するために、確定的減衰システム（30日半減期）と非同期の統合プロセス（要約と不要な事実の削除）を採用しています。

対象ユーザー

特にGoエコシステムにいる開発者で、MCP対応クライアント（Claude Code、Cursor、Windsurfなど）と連携できる、ゼロ依存で埋め込み可能なメモリレイヤーが必要な方。

主な特徴

• トークン効率: 完全な履歴の注入と比較して、コンテキストトークンを最大90%削減。
• ゼロ依存: Docker、Redis、クラウドアカウントの必要なし。単一の静的バイナリ（約10 MB）。
• 自己構築型知識グラフ: エンティティと関係を自動抽出し、Obsidianへのエクスポートも可能。
• 埋め込みのスムーズな劣化: Ollama、OpenAI、Voyage AIをサポート。利用不可時はキーワード検索のみにフォールバック。
• 観測性: メモリコスト、リコール、エージェント活動を監視できる組み込みTUIダッシュボードを備える。