Genesys

AIメモリのためのインテリジェンスレイヤー。

AIエージェントメモリのためのスコアリングエンジン + 因果グラフ + ライフサイクルマネージャー。MCPをネイティブにサポートします。

概要

Genesysは、AIメモリのためのスコアリングエンジン、因果グラフ、およびライフサイクルマネージャーです。メモリは乗法公式（関連性 × 接続性 × 再活性化）によってスコアリングされ、因果グラフで接続され、関連性がなくなると積極的に忘却されます。あらゆるストレージバックエンドにプラグイン可能で、MCPをネイティブにサポートしています。

Related MCP server: tentra

なぜGenesysなのか

• フラットなメモリはスケールしません。 すべてをベクトルストアに投げ込むと、理解を伴わない想起しかできません。500番目のメモリが、重要な5つのメモリを埋もれさせてしまいます。

• 忘却がなければ知能はありません。 本物のメモリシステムは忘却します。能動的な整理（プルーニング）がなければ、AIは古いコンテキストに溺れてしまいます。

• 因果推論がありません。 ベクトル類似性では「なぜXを選んだのか？」という問いに答えられません。グラフが必要です。

あなたのAIはすべてを記憶していますが、何も理解していません。Genesysがそれを解決します。

クイックスタート

ほとんどの方はオプション1（インメモリ）から始めることをお勧めします。 APIキーなしで完全にローカルで実行したい場合は、オプション3: Obsidian + ローカルへ進んでください。

オプション1: インメモリ（依存関係ゼロ）

Genesysを試す最も速い方法です。データベースは不要で、状態はメモリ内に保持され、オプションでJSONファイルに永続化されます。

pip install genesys-memory
cp .env.example .env
# Set OPENAI_API_KEY in .env

uvicorn genesys.api:app --port 8000

再起動後も永続化するには、.envでGENESYS_PERSIST_PATHを設定します：

GENESYS_PERSIST_PATH=.genesys_state.json

Claudeに設定させる場合： 「genesys-memoryをインストールし、OpenAIキーを含む.envを作成し、インメモリバックエンドを使用してポート8000でサーバーを起動し、MCPサーバーとして接続してください。」

オプション2: Postgres + pgvector（本番環境）

pgvectorによるベクトル検索を備えた、永続的でスケーラブルなストレージです。

pip install 'genesys-memory[postgres]'
cp .env.example .env

.envを編集します：

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=postgres
DATABASE_URL=postgresql://genesys:genesys@localhost:5432/genesys

Postgresを起動し、マイグレーションを実行します：

docker compose up -d postgres
alembic upgrade head
GENESYS_BACKEND=postgres uvicorn genesys.api:app --port 8000

Claudeに設定させる場合： 「genesys-memory[postgres]をインストールし、docker composeを使用してpgvector付きのPostgresコンテナを起動し、alembicマイグレーションを実行し、OpenAIキーとDATABASE_URLを含む.envを作成し、GENESYS_BACKEND=postgresでサーバーを起動し、MCPサーバーとして接続してください。」

オプション3: Obsidian Vault（ローカルファースト）

ObsidianボルトをGenesysメモリストアに変えます。Markdownファイルがメモリノードになり、[[wikilinks]]が因果エッジになります。SQLiteサイドカー（.genesys/index.db）がインデックス作成を処理します。

pip install 'genesys-memory[obsidian]'
cp .env.example .env

.envを編集します：

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=obsidian
OBSIDIAN_VAULT_PATH=/path/to/your/vault

サーバーを起動します：

uvicorn genesys.api:app --port 8000

初回起動時に、Genesysはボルト内のすべての.mdファイルをインデックス化し、埋め込みを生成します。ファイル監視機能により、ノートを編集するたびに増分的に再インデックス化されます。

OBSIDIAN_VAULT_PATHが設定されていない場合、Genesysは~/Documents/personal、~/Documents/Obsidian、~/obsidian内の.obsidian/を探して自動検出します。

完全にローカル（APIキー不要）

ローカル埋め込みプロバイダーを使用して、外部依存関係ゼロでObsidianモードを実行します：

pip install 'genesys-memory[obsidian,local]'

GENESYS_BACKEND=obsidian
GENESYS_EMBEDDER=local
OBSIDIAN_VAULT_PATH=/path/to/your/vault
# No OPENAI_API_KEY needed

uvicorn genesys.api:app --port 8000

これは埋め込みにsentence-transformers経由でall-MiniLM-L6-v2（384次元）を使用します。モデルは初回使用時にダウンロードされます（約80MB）。

Claude Desktopに接続するには、claude_desktop_config.jsonに追加します：

{
  "mcpServers": {
    "genesys": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

またはClaude Codeの場合：

claude mcp add --transport http genesys http://localhost:8000/mcp

Claudeに設定させる場合： 「genesys-memory[obsidian,local]をインストールし、GENESYS_BACKEND=obsidian、GENESYS_EMBEDDER=local、OBSIDIAN_VAULT_PATH=[あなたのボルトパス]を設定した.envを作成し、ポート8000でサーバーを起動し、MCPサーバーとして接続してください。APIキーは不要です。」

オプション4: FalkorDB（グラフネイティブ）

ネイティブなグラフトラバーサルのためにFalkorDB（Redisベースのグラフデータベース）を使用します。

pip install 'genesys-memory[falkordb]'
cp .env.example .env

.envを編集します：

OPENAI_API_KEY=sk-...
GENESYS_BACKEND=falkordb
FALKORDB_HOST=localhost

FalkorDBとサーバーを起動します：

docker compose up -d falkordb
uvicorn genesys.api:app --port 8000

Claudeに設定させる場合： 「genesys-memory[falkordb]をインストールし、docker composeを使用してFalkorDBコンテナを起動し、OpenAIキーとGENESYS_BACKEND=falkordbを含む.envを作成し、ポート8000でサーバーを起動し、MCPサーバーとして接続してください。」

ソースからインストール

git clone https://github.com/rishimeka/genesys.git
cd genesys
pip install -e '.[dev]'

シードスクリプト

2つのユーティリティスクリプトが、REST API経由で実行中のGenesysインスタンスにデモデータを投入します。Clerk認証が設定された実行中のサーバーが必要です。

cp .env.example .env
# Set CLERK_SECRET_KEY and CLERK_USER_ID in .env

python seed_demo.py      # Creates 25 memories with causal edges and runs recall queries
python seed_recalls.py   # Runs 5 rounds of recall queries to build reactivation history

両方のスクリプトは環境変数（.env経由）から認証情報を読み取ります。必要なすべての変数については.env.exampleを参照してください。

AIへの接続

Claude Code

claude mcp add --transport http genesys http://localhost:8000/mcp

Claude Desktop

claude_desktop_config.jsonに追加します：

{
  "mcpServers": {
    "genesys": {
      "url": "http://localhost:8000/mcp"
    }
  }
}

MCPクライアント

クライアントをMCPエンドポイントに向けます：

http://localhost:8000/mcp

MCPツール

仕組み

すべてのメモリは、3つの要素を掛け合わせたスコアで評価されます：

decay_score = relevance × connectivity × reactivation

• 関連性は時間とともに減衰します。古いメモリは強化されない限り薄れていきます。

• 接続性は、多くの因果リンクを持つメモリを評価します。ハブとなるメモリは生き残ります。

• 再活性化は、繰り返し想起されるメモリをブーストします。頻度が重要です。

公式は乗法であるため、メモリが生き残るには3つの軸すべてでスコアを獲得する必要があります。接続性は高くても一度もアクセスされないメモリは減衰します。頻繁に想起されても因果関係から孤立したメモリも薄れていきます。

STORE → ACTIVE → DORMANT → FADING → PRUNED
           ↑                    │
           └── reactivation ────┘
                                  (only if score=0, orphan, not pinned)

メモリはコアステータスに昇格させることもできます。これは構造的に重要なメモリであり、自動的にピン留めされ、決して削除されません。

ベンチマーク結果

LoCoMo 長期会話メモリベンチマークでテスト済み（10会話にわたる1,540の質問。カテゴリ5は除外 — 正解データに事実誤認が含まれる敵対的質問、例：誤った日付やイベントの帰属）：

回答モデル: gpt-4o-mini | 判定モデル: gpt-4o-mini | 検索 k=20

参考として、同じベンチマークでMem0は67.1%、Zepは75.1%でした。完全な再現スクリプトは benchmarks/ にあります。

ストレージバックエンド

設定

.env.exampleを.envにコピーし、以下を設定します：

すべてのオプションについては .env.example を参照してください。

開発者

Genesysは Astrix Labs の Rishi Meka によって開発されました。セッションごとにClaudeへプロジェクトのコンテキストを再説明することへのフラストレーションから生まれました。LLMとメモリの間のインテリジェンスレイヤーを目指しており、完全にオープンソースです。

貢献

CONTRIBUTING.md を参照してください。

ライセンス

AGPL-3.0-or-later

注意: v0.3.6以前のGenesysリリースは、誤ってApache 2.0として文書化されていました。LICENSEファイルには常にAGPLv3のテキストが含まれていました。v0.3.6以降、すべてのドキュメントはContributor License Agreement（貢献者ライセンス同意書）を伴うAGPL-3.0-or-laterを正しく参照しています。