Memori - オープンソースAI記憶エンジンの詳細

プロジェクト概要

Memoriは、大規模言語モデル（LLM）、AIエージェント、およびマルチエージェントシステム向けに設計された、オープンソースのSQLネイティブな記憶エンジンです。たった1行のコードで、あらゆるLLMに永続的でクエリ可能な記憶能力を付与し、標準SQLデータベースを使用して記憶データを保存します。

主な特徴:

• memori.enable() の1行コードで統合可能
• 記憶データは標準SQLデータベース（SQLite、PostgreSQL、MySQL）に保存され、ユーザーが完全に所有・管理
• AIは会話を記憶し、インタラクションから学習し、複数のセッション間でコンテキストを維持

Memoriを選ぶ理由

1. 1行コードでの統合

OpenAI、Anthropic、LiteLLM、LangChain、およびあらゆるLLMフレームワークをサポートし、統合は非常に簡単です。

2. SQLネイティブなストレージ

• ポータブル、クエリ可能、監査可能な記憶データ
• ユーザーが完全に管理するデータベースに保存
• 複雑なベクトルデータベースは不要

3. コストを80-90%削減

高価なベクトルデータベースが不要なため、運用コストを大幅に削減します。

4. ベンダーロックインなし

記憶をSQLite形式でエクスポートでき、いつでもどこへでも移行可能です。

5. スマートな記憶管理

• 自動エンティティ抽出
• 関係マッピング
• コンテキストの優先順位付け

クイックスタート

インストール

pip install memorisdk

基本的な使い方

from memori import Memori
from openai import OpenAI

# 初期化
memori = Memori(conscious_ingest=True)
memori.enable()
client = OpenAI()

# 最初の会話
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "I'm building a FastAPI project"}]
)

# その後の会話 - Memoriが自動的にコンテキストを提供
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Help me add authentication"}]
)
# LLMはあなたのFastAPIプロジェクト情報を自動的に認識します

サポートされるデータベース

Memoriはあらゆる標準SQLデータベースをサポートしています。

データベース	接続文字列の例
SQLite	sqlite:///my_memory.db
PostgreSQL	postgresql://user:pass@localhost/memori
MySQL	mysql://user:pass@localhost/memori
Neon	postgresql://user:pass@ep-*.neon.tech/memori
Supabase	postgresql://postgres:pass@db.*.supabase.co/postgres

サポートされるLLMフレームワーク

LiteLLMのネイティブコールバックシステムを介して、Memoriはすべての主要フレームワークをサポートしています。

フレームワーク	ステータス	使用方法
OpenAI	✓ ネイティブサポート	from openai import OpenAI
Anthropic	✓ ネイティブサポート	from anthropic import Anthropic
LiteLLM	✓ ネイティブサポート	from litellm import completion
LangChain	✓ サポート	LiteLLMを介して統合
Azure OpenAI	✓ サポート	ProviderConfig.from_azure() を使用して設定
100+ モデル	✓ サポート	LiteLLM互換のあらゆるプロバイダー

設定オプション

データベース設定

from memori import Memori

memori = Memori(
    database_connect="postgresql://user:pass@localhost/memori",
    conscious_ingest=True,  # 短期ワーキングメモリ
    auto_ingest=True,       # クエリごとの動的検索
    openai_api_key="sk-..."
)
memori.enable()

記憶モード

コンシャスモード - 一時的なワーキングメモリ注入

memori = Memori(conscious_ingest=True)

オートモード - クエリごとの動的検索

memori = Memori(auto_ingest=True)

組み合わせモード - 両方の利点

memori = Memori(conscious_ingest=True, auto_ingest=True)

環境変数設定

from memori import Memori, ConfigManager

config = ConfigManager()
config.auto_load()  # 環境変数または設定ファイルからロード
memori = Memori()
memori.enable()

環境変数を設定:

export MEMORI_DATABASE__CONNECTION_STRING="postgresql://..."
export MEMORI_AGENTS__OPENAI_API_KEY="sk-..."
export MEMORI_MEMORY__NAMESPACE="production"

仕組み

MemoriはLLM呼び出しをインターセプトすることで機能します。呼び出し前にコンテキストを注入し、呼び出し後に情報を記録します。

呼び出し前 (コンテキスト注入)

1. あなたのアプリケーションが client.chat.completions.create(messages=[...]) を呼び出す
2. Memoriが透過的にその呼び出しをインターセプト
3. Retrieval Agent (オートモード) または Conscious Agent (コンシャスモード) が関連する記憶を検索
4. LLMプロバイダーに送信する前に、コンテキストをメッセージに注入

呼び出し後 (記録)

1. LLMプロバイダーが応答を返す
2. Memory Agentがエンティティを抽出し、分類（事実、好み、スキル、ルール、コンテキスト）
3. 会話は全文検索インデックス付きでSQLデータベースに保存
4. 元の応答があなたのアプリケーションに返される

バックグラウンド処理 (6時間ごと)

• Conscious Agentがパターンを分析し、重要な記憶を長期記憶から短期記憶に昇格させる

ユースケース例

基本的な例

• 基本的な使い方 - シンプルな記憶設定
• パーソナルアシスタント - 記憶を持つAIアシスタント
• 記憶検索 - 関数呼び出し
• 高度な設定 - 本番環境設定

マルチユーザーシナリオ

• シンプルなマルチユーザー - ユーザー記憶の分離
• FastAPIマルチユーザーアプリケーション - Swagger付きREST API

フレームワーク統合例

Memoriは、複数の人気AIフレームワークとの統合例を提供しています。

• Agno
• AWS Strands
• Azure AI Foundry
• AutoGen
• CamelAI
• CrewAI
• Digital Ocean AI
• LangChain
• OpenAI Agent
• Swarms

オンラインデモ

• 個人日記アシスタント - オンラインで試せるStreamlitアプリケーション
• 研究アシスタントエージェント - オンラインで試せる研究ツール

技術アーキテクチャ

Memoriは階層型アーキテクチャ設計を採用しています。

1. インターセプト層 - LLM API呼び出しを透過的にインターセプト
2. 検索層 - 関連する記憶コンテキストをスマートに検索
3. ストレージ層 - SQLデータベースによる永続的な保存
4. 分析層 - バックグラウンドでの分析と記憶の最適化

詳細なアーキテクチャドキュメントについては、公式ドキュメントの architecture.md を参照してください。

エンタープライズ版 (Memori v3)

Memoriはv3バージョンの小規模プライベートテストグループを募集しています。詳細を知り、エンタープライズAIの新しい記憶アーキテクチャに早期アクセスしたい場合は、テストプログラムに参加できます。

コミュニティとサポート

• ドキュメント: https://memorilabs.ai/docs
• Discordコミュニティ: https://discord.gg/abD4eGym6v
• GitHub Issues: https://github.com/GibsonAI/memori/issues

貢献ガイドライン

Memoriはコミュニティからの貢献を歓迎します！プロジェクトは、以下の詳細な貢献ガイドラインを提供しています。

• 開発環境のセットアップ
• コードスタイルと標準
• プルリクエストの提出
• 問題の報告

オープンソースライセンス

Apache 2.0 ライセンス

まとめ

Memoriは、強力で使いやすいAI記憶ソリューションであり、特に以下の用途に適しています。

• LLMアプリケーションに記憶機能を追加したい開発者
• マルチセッションAIアシスタントを構築するチーム
• ベクトルデータベースのコストを削減したいプロジェクト
• AI記憶データを完全に管理したい企業

SQLネイティブなストレージと1行コードでの統合という設計思想により、MemoriはAIアプリケーションに記憶機能を追加する敷居とコストを大幅に削減します。