mem9-ai/mem9

Unlimited memory for OpenClaw

mem9 – AIエージェントの永続的メモリ

何であるか – mem9は、AI駆動エージェントに共有・耐久性のあるメモリストアを提供するサーバーサイドサービスです。各エージェントが一時的なノートブックを保持するのではなく、mem9を使えば、事実を記録し、キーワードや意味的類似性で後で検索可能にし、再起動、マシンの切り替え、さらには異なるツールプラットフォーム間でも知識を維持できます。

なぜ重要か – 多くのコードアシスタントエージェント(OpenClaw、Hermes、Claude Code、OpenCode、Codex、DeepSeek Harness、Difyなど)はプロセス終了時にコンテキストを失います。mem9は以下の機能でこれを解決します:

  • 永続的ストレージ – メモリはセッションの終了やノートPCの切り替え後も生存します。
  • エージェント間共有 – 同じ「スペース」を複数のランタイムで利用可能にし、連携されたワークフローを実現します。
  • ハイブリッド検索 – ベクトル類似性 または テキスト検索で検索でき、視覚的なダッシュボードで結果を確認できます。
  • ステートレスプラグイン – エージェントは軽量なHTTP APIを呼び出すだけでよく、検索、埋め込み、ポリシー処理などの重い処理はすべてmem9サーバーで実行されます。

使い方

  1. エンドポイントを選択 – ホストAPI(https://api.mem9.ai)か、自分でサーバーを起動する(mnemo-server)。
  2. 「スペース」を作成 – メモリの論理的なバケツです。ホストサービスはTiDBバックエンドのスペースを自動プロビジョニングします。セルフホストではコントロールプレーンスキーマを適用し、DSNを設定する必要があります。
  3. REST APIを呼び出す – コア操作は POST /memories(書き込み)、GET /memories(検索)、GET /memories/{id}(取得)、PUT /memories/{id}(更新)、DELETE /memories/{id}。認証は X-API-Key ヘッダー(またはレガシーのテナントパスヘッダー)で行います。
  4. エージェントに接続 – mem9は上記の主要なコードアシスタントプラットフォーム用の準備済みプラグインを提供しており、HTTPクライアントであれば任意の方法で統合可能です。

主な技術的特徴

  • バックエンド – サーバーはTiDB(デフォルト)、PostgreSQL、またはカスタム db9 ストアで動作可能。TiDBは組み込みのベクトル検索、全文検索、およびCohereモデルによる自動埋め込みを提供します。
  • 埋め込み – TiDBが自動埋め込み(MNEMO_EMBED_AUTO_MODEL)を行うか、OpenAI互換の埋め込みを自分で提供できます。
  • スマートインジェスト – 有効にすると、サーバーはLLM(デフォルト gpt-4o-mini)を実行して、受信したチャットセッションから耐久性のある事実を抽出してから保存します。
  • スペースチェーン – 複数のスペースをルーティングパイプラインにリンクできる高度な機能。ノードごとのルーティングポリシーとWebhook通知が可能。
  • Webhook – mem9は外部サービスにイベント(memory.added、memory.deletedなど)をプッシュでき、監査ログや下流処理のトリガーに役立ちます。

導入方法

# セルフホスト例(TiDBバックエンド)
cd server
MNEMO_DSN="user:pass@tcp(host:4000)/mnemos?parseTime=true" go run ./cmd/mnemo-server

または、素早く試すにはホストAPI用の環境変数を設定し、SDKまたはcurlで開始します:

export MEM9_API_URL="https://api.mem9.ai"
export MEM9_API_KEY="<your-key>"
curl -X POST "$MEM9_API_URL/v1alpha2/mem9s/memories" \
     -H "X-API-Key: $MEM9_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{"content":"The function foo() adds two numbers","metadata":{}}'

対象ユーザー – マルチエージェントコードアシスタント、RAGパイプライン、または単一プロセスを超えて信頼性の高い検索可能な知識ベースを必要とするAIワークフローを開発するチーム。


上記のすべての詳細は、リポジトリのREADMEから直接引用されています。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト