LLMに「記憶」を。エージェントの長期メモリーを実現するOSSフレームワーク4選

AIエージェントやLLMを活用する際、最大の壁の一つが「記憶（メモリー）」です。LLMは設計上、一度に扱えるトークン量に限界があり、セッションを跨いだ文脈の維持には工夫が必要です。

本記事では、RAG（検索拡張生成）を超え、グラフベースの知識管理やセッション永続化を実現する注目のオープンソースプロジェクト4選を紹介します。これらを活用することで、より賢く、文脈を理解するエージェント構築が可能になります。

1. Graphiti：時間軸を持つナレッジグラフ

Graphitiは「オープンソースの時間的（Temporal）ナレッジグラフ・フレームワーク」です。

• 特徴: 情報が時間の経過とともに再評価され、文脈が維持されます。データはグラフ構造で保存されるのが核心です。
• 対応LLM: Anthropic, Azure OpenAI, Google Gemini, Groq, Ollama（ローカル）など。
• データ連携: GitHub, Gmail, OneDrive, Notionなどから収集可能。
• 注意点: グラフDB（Neo4j, Amazon Neptune等）が必要。PostgreSQL (pgvector) は非対応です。

2. Hindsight：直感的な3つのAPI

Hindsightは、クラウドとローカルの両方で提供され、4つのメモリータイプと検索戦略を使い分けます。

• 主要API:
  • retain: 事実や会話内容の保存
  • recall: 保存内容の検索
  • reflect: データを活用したエージェントループの実行
• 強み: VS Codeの「Continue」拡張機能との統合が強力。@hindsightと入力するだけで、長期メモリーをコンテキストに注入できます。

3. Mem0：チームで共有できる「企業メモリー」

Mem0は、複数のエージェントやチーム間でデータを共有する「企業メモリー」という独自の概念を持ちます。

• データ管理: ベクター、グラフ、SQLデータベースを使い分け、古いデータは上書きせず「非アクティブ化」して保存します。
• 環境: Python環境とベクターDB（pgvectorを適用したPostgreSQLなど）が必要です。
• 対応: LangChain, LiteLLM, LM Studio, Ollamaなどのセルフホスティング環境も幅広くサポート。

4. Supermemory：マルチモーダル対応と簡単導入

Supermemoryは、テキストだけでなくPDF、Office文書、動画、画像など多様なソースからコンテキストグラフを構築します。

• 強み: データの抽出機能が非常に強力です。
• 運用: オープンソース版は「単一のバイナリ」で構成されており、外部DBの構築なしで簡単にデプロイ・テストが可能です。

まとめ：各フレームワークの比較

プロジェクト	中心となる技術	主な強み	推奨DB
Graphiti	時間的ナレッジグラフ	時間経過による文脈の再評価	Neo4j, Neptune
Hindsight	3層API (Retain/Recall/Reflect)	VS Code等の開発ツール連携	クラウド/ローカル
Mem0	ハイブリッド・ストレージ	チーム間共有（企業メモリー）	PostgreSQL (pgvector)
Supermemory	コンテキストグラフ	多様なファイル形式からの抽出	内蔵（単一バイナリ）

プロジェクトの要件に合わせて、これらのツールを選択することで、LLMエージェントの可能性は大きく広がります。まずはSupermemoryでクイックに試し、複雑な文脈が必要ならGraphitiやMem0を検討するのが良いでしょう。