neo4j-labs/agent-memory

何を解決するか

AIエージェントは長期的な記憶保持と構造化された知識の維持に苦労することが多いです。このプロジェクトは、会話の保存、エンティティと好みの知識グラフの構築、自身の推論プロセスの追跡を可能にするグラフネイティブなメモリシステムを提供し、過去の意思決定から学習できるようにします。

動作方法

Neo4jをバックエンドとして、マルチティアメモリアーキテクチャを実装しています：

• 短期記憶：ベクトル検索とテキスト検索を使用して、セッションごとの会話履歴を保存。
• 長期記憶：POLE+Oモデルを使用して、エンティティ、事実、好みの知識グラフを維持し、エンティティの解決と重複削除を実行。
• 推論記憶：推論のトレースとツール使用履歴を記録し、過去の類似タスクを再検索可能にします。

システムには、未構造化テキストをグラフノードと関係に変換するマルチステージ抽出パイプライン（spaCy、GLiNER、またはLLMを使用）が含まれており、ホストされたサービス（NAMS）とセルフホストされたBolt接続の両方を提供しています。

対象ユーザー

ユーザーの好みを複数セッションにわたって記憶させたい、複雑な世界モデルを維持したい、またはエージェントが特定の結論に至った経緯を監査できるようにしたい開発者向けです。

特徴

• 多言語SDK：PythonおよびTypeScriptのネイティブサポート。
• 広範な統合：LangChain、Pydantic AI、CrewAI、LlamaIndex、およびその他の主要なエージェントフレームワークと連携可能。
• MCPサーバー：コードを書かずに、Claude DesktopやCursorなどのMCP対応アシスタントに直接接続可能。
• プロダクション対応：マルチテナントスコープ、パフォーマンス向上のためのバッファ書き込み、メモリ品質の評価ハーネスを含む。
• 柔軟なモデル対応：OpenAI、Anthropic、Bedrock、Vertex AI、およびLiteLLM経由で100以上のプロバイダーに対応。