memodb-io/Acontext

解決する課題

Acontextは、従来のAIエージェントのメモリが抱える複雑さと不透明さに対処します。隠蔽されていてデバッグが困難なメモリシステムを、透明な「スキルメモリ」レイヤーに置き換えることで、エージェントが経験から学習し、その学習内容を人間が読めるファイルとして保存できるようにします。これにより、内容の確認、編集、再利用が容易になります。

仕組み

Acontextは、会話ログや実行トレースなどのエージェントセッションデータを、「スキル」と呼ばれる構造化されたMarkdownファイルに自動的に抽出します。タスクが完了または失敗した際、システムはLLMを使用して何が起こったかを分析し、事前に定義されたスキーマに基づいてこれらのスキルファイルを更新します。エージェントは、複雑で不透明な検索方法に頼るのではなく、特定のツールを使用してタスクに必要なスキルのみを取得します。

対象ユーザー

長期記憶を扱うための透明でポータブル、かつ管理しやすい方法を求めるAIエージェント開発者向けに設計されています。ベンダーロックインを避け、LangGraph、Claude、AI SDKなどの既存フレームワークと統合できるファイルベースのアプローチを好む方に最適です。

特徴

• 透明なストレージ: メモリはプレーンなMarkdownファイルとして保存されるため、読み取り、編集、Gitによるバージョン管理が容易です。
• フレームワーク非依存: ファイルを読み取れるあらゆるエージェントフレームワークで動作し、独自のデータベースや埋め込みへのロックインは不要です。
• 意図的な取得: エージェントは特定のツールを使用してスキルを要求するため、実際に必要な情報のみにアクセスできます。
• ポータブル: スキルセットはZIPファイルとしてエクスポートでき、異なるエージェント、LLM、またはローカル環境間で再利用可能です。
• 柔軟なスキーマ: プロジェクトの特定のニーズに合わせて、メモリファイルの構造とレイアウトを定義できます。