Mnemosyne – エージェント向けローカルファースト AI メモリ

概要

Mnemosyne は、LLM を搭載したあらゆるエージェントが使用できる、オープンソースで SQLite バックエンドのメモリレイヤーです。事実、埋め込み、時間的トリプルをローカルに保存し、以下の方法でアクセスできます：

• MCP サーバー（JSON-over-STDIO / SSE / HTTP プロトコル）は、既存の多くのエージェント（Claude Code、Cursor、Codex、OpenWebUI など）と連携します。
• Python SDK（remember、recall）、または
• Hermes プラグイン（Hermes エージェントフレームワーク用）。

これらはすべて単一の pip install mnemosyne-memory で実行でき、外部ベクトル DB やクラウドサービスは不要です。唯一の依存関係は SQLite データベースファイルです。

コアコンセプト

コンポーネント	役割
作業記憶	LLM 呼び出しの前に自動的に注入されるホットコンテキスト。TTL 後にアイテムは期限切れになります。
エピソード記憶	SQLite-vec + FTS5 を使用したハイブリッドベクトルキーワード検索による長期保存。
TripleStore	バージョン管理付きの時間的知識グラフ（主語-述語-目的語）。
BEAM（二層エピソード連想記憶）	3 つのレイヤーを組み合わせ、結果を 50% ベクトル類似度 + 30% FTS5 ランク + 20% 重要度でスコアリングする全体アーキテクチャ。

ベクトルは**バイナリ（MIB）**です。384 次元の浮動小数点埋め込みは 48 バイトに圧縮され、32 倍のサイズ削減を実現し、SQLite 内で直接ハミング距離検索が可能になります。

使用方法

CLI（クイックスタート）

pip install mnemosyne-memory          # コア
pip install "mnemosyne-memory[all]"   # フル機能セット

# MCP サーバーを起動（デフォルトは stdio）
mnemosyne mcp

# 事実を保存および取得
mnemosyne store "User prefers dark mode"
mnemosyne recall "preferences"

Python SDK（任意のエージェントに埋め込む）

from mnemosyne import remember, recall

remember("User prefers dark mode", importance=0.9)
results = recall("dark mode", top_k=3)

スコープ、有効期限、エンティティ抽出を設定したり、LLM に事実を抽出させることもできます（extract=True）。

統合例

プラットフォーム	統合方法
Cursor、Claude Code、Codex、Windsurf	プラットフォームの *.json 設定に MCP エントリを追加します。
OpenWebUI	1 行のブリッジファイルを data/tools/ に配置します。
OpenClaw	mnemosyne-memory[openclaw] をインストールし、設定でプロバイダーを参照します。
Hermes Agent	mnemosyne-hermes をインストールします。プラグインがメモリプロバイダーを自動的に登録します。
任意の Python エージェント	import mnemosyne して SDK を呼び出します。

完全な統合ガイドは docs/integrations/ にあります。

ベンチマーク（報告による）

• BEAM エンドツーエンド QA（100K 項目）：65.2%（v3.0.0、2026 年 5 月）– 他のオープンソースメモリシステムと同等。
• BEAM 純粋なリコール：Recall@10 は 100K から 10M 項目まで約 20% を維持し、レイテンシは 10M で 35 ミリ秒に低下、ストレージはサブリニアに増加（10M エントリで 7.2 MB）。
• LongMemEval：以前は 98.9% のリコールを主張していましたが、再現可能な再実行を待って撤回されました。

重要なポイントは、コーパスが成長してもリコール品質は一定であり、システムはエピソード圧縮を使用してストレージを最小限に保つことです。

セキュリティとプライバシーモデル

• ローカルファースト：デフォルトでは、データはマシンから外部に出ません。
• オプションの同期：デバイス間の双方向デルタ同期。クライアント側暗号化（AES-128-CBC または XSalsa20-Poly1305）付き。サーバーはメタデータのみを認識します。
• テレメトリなし：リモート埋め込み API を有効にしない限り、分析やクラウド呼び出しはありません。
• 設定可能な TLS：リモート同期または埋め込みエンドポイント用。

設定のハイライト

変数	デフォルト	制御内容
MNEMOSYNE_DATA_DIR	~/.hermes/mnemosyne/data	SQLite ファイルの場所
MNEMOSYNE_VEC_TYPE	int8	ベクトル圧縮形式（float32、int8、bit）
MNEMOSYNE_EMBEDDING_API_URL	OpenRouter エンドポイント	リモート埋め込みサービス（ローカル埋め込みを実行しない場合）
MNEMOSYNE_EMBEDDING_MODEL	BAAI/bge-small-en-v1.5	使用する埋め込みモデル
MNEMOSYNE_WM_MAX_ITEMS	10000	ホット作業記憶キャッシュのサイズ

環境変数で重み付け（MNEMOSYNE_VEC_WEIGHT、FTS_WEIGHT、IMPORTANCE_WEIGHT）と最近性減衰を調整できます。

誰が使うべきか？

• カスタム LLM エージェントを構築する開発者：別のベクトル DB を実行せずに、永続的で検索可能なメモリが必要な場合。
• オンプレミスまたはエッジデバイスに展開するチーム（Raspberry Pi、低 RAM VPS）：スタック全体が数百 MB に収まるため。
• プライバシーを重視するユーザー：デバイス間の暗号化同期が必要な場合。

現在の状況

Mnemosyne は実際に積極的にメンテナンスされているオープンソースプロジェクト（MIT ライセンス）であり、Mem0、Letta、Honcho などと同じ問題領域を対象としていますが、以下の点で差別化されています：

• 純 Python で単一の SQLite ファイル、
• 組み込み MCP サーバーにより、既存の多くのエージェントにプラグアンドプレイで対応、
• クライアント側暗号化同期をコア機能として提供。

---

上記の詳細はすべて、リポジトリの README から直接取得しています。