Memoriは、AIエージェントに長期的で構造化されたクエリ可能なメモリを提供するために設計された、フル機能を備えたオープンソースのメモリシステムへと成熟した。これにより、従来のプロプライエタリなベクトルストアではなく、標準的なデータベースを使用できる。Memoriは、アドホックなプロンプトや一時的なセッション状態に依存する代わりに、インタラクションからエンティティ、事実、関係、コンテキストを継続的に抽出し、それらをSQLやMongoDBのバックエンドに保存する。それにより、エージェントは手動でのオーケストレーションを行うことなく、セッションをまたいで情報を記憶し再利用が可能だ。
このシステムはデータベースに依存しないアーキテクチャを提供しており、開発者はローカルプロジェクトにはSQLite、スケーラビリティにはPostgreSQLやMySQL、ドキュメント指向のニーズにはMongoDBを使用できる。Memoriは使用中のバックエンドを自動的に検出し、特定のアダプターを通じてデータの取り込み、検索、取得を管理しながら、外部APIの一貫性を維持する。このアプローチは、信頼性と移植性が重要な本番環境のワークロードにとって魅力的である。
Memoriのメモリエンジンは、エンティティを事実、嗜好、ルール、アイデンティティ、関係に自動的に抽出し分類する。解釈可能なストレージを優先し、メモリを人間が読み取り可能な形式で保存することで、簡単に検査、エクスポート、移行が可能であり、ベンダーロックインを回避できる。エージェントはSQLクエリを作成する必要なく情報を取得できる。プロセスは完全に抽象化されている。Sumanth P氏がコミュニティの質問に回答した際に次のように述べている。
Memoriは内部でストレージを処理し、エージェントはAPIを通じて情報を取得できるため、SQLを直接生成する必要はありません。
フレームワークとの互換性も繰り返し議論されてきた。コミュニティスレッドで、エージェント開発者にとって一般的な要件であるLangChainとMemoriが統合できるかどうかを、Anand Trimbake氏が尋ねた。Sumanth P氏はサポートが可能であることを確認し、MemoriがLangChainを活用したパイプライン内で追加のアダプターなしで直接使用できると述べた。
OpenAI、Anthropic、LiteLLM、Azure OpenAI、Ollama、LM Studio、LangChain、そしてOpenAI互換スタックを網羅する広範なエコシステムサポートへの注力により、Memoriは軽量アシスタントから複雑な自律エージェントまで対応可能なメモリレイヤーとしての地位を確立している。
情報の取得を超えて、Memoriは短期的な意識的コンテキストと長期的な蓄積された知識を分離している。短期的なコンテキストはプロンプトに直接注入される一方、長期的なメモリは自動取り込みメカニズムを通じて自動的に成長する。この仕組みにより、アイデンティティ関連の情報が一般的な知識から明確に分離され、制御不能なメモリ拡張を防げる。
Memoriはモジュラーアーキテクチャ、SQLネイティブストレージ、マルチデータベースサポートを備えており、次世代のエージェントシステムの中核コンポーネントとしての地位を確立している。開発者にとって、信頼性が高く、コスト効率が良く、オープンソースのメモリインフラを提供し、LLMエコシステム内にシームレスに統合できる。
興味のある人は、GitHubで完全なコードベースを利用可能だ。