AI長期記憶MCPサーバー

AIエージェントに永続的な長期記憶を提供するModel Context Protocol (MCP) サーバーです。Claude Codeでの実用を想定して設計されており、AIシステムがセッションをまたいで記憶を保持できるようにします。

特徴

• 階層型メモリ構造: 3層システム（事実 → 経験 → 意思決定チェーン）

• セマンティック検索: コサイン類似度を用いた埋め込みベースの検索

• メモリ減衰: 活性化ベースの減衰 — 思い出された記憶は維持され、使われない記憶は薄れていく

• 感情認識: 感情の価数と強度を保存し、「フラッシュバルブ記憶（鮮明な記憶）」効果を実現

• 自動表面化: 会話コンテキストによってトリガーされるフックベースの自動メモリ検索

• 重複排除: 類似した記憶を自動的に統合（類似度80%以上のしきい値）

Related MCP server: Recall

アーキテクチャ

┌─────────────────────────────────────────┐
│              Claude Code                │
│         (or any MCP client)             │
├─────────────────────────────────────────┤
│            MCP Protocol                 │
├─────────────────────────────────────────┤
│          Memory MCP Server              │
│  ┌───────────┐  ┌──────────────────┐   │
│  │  Write /   │  │  Surface /       │   │
│  │  Update /  │  │  Search /        │   │
│  │  Delete    │  │  Read            │   │
│  └─────┬─────┘  └────────┬─────────┘   │
│        │                 │              │
│  ┌─────▼─────────────────▼─────────┐   │
│  │         SQLite Database          │   │
│  │  memories + embeddings + decay   │   │
│  └─────────────────────────────────┘   │
├─────────────────────────────────────────┤
│         Auto-Surface Hook              │
│  (keyword matching on user input)      │
└─────────────────────────────────────────┘

メモリスキーマ

MCPツール

減衰メカニズム

記憶は created_at ではなく last_activated に基づいて減衰します。繰り返し思い出される記憶は無期限にアクティブなままです。減衰のしきい値：

• 低い重要度 (1-2) + 7日間アクティブ化なし → 減衰

• 中程度の重要度 (3) + 14日間アクティブ化なし → 減衰

• 高い重要度 (4-5) + 30日間アクティブ化なし → 減衰

• ピン留めされた記憶は決して減衰しない

人間の記憶の統合に関する研究に触発されており、8つの論文に基づいています（設計ドキュメントを参照）。

自動表面化フック

auto_surface.cjs は Claude Code の UserPromptSubmit フックとして実行されます。ユーザーのメッセージごとに、以下の処理を行います：

1. メッセージからキーワードを抽出

2. メモリデータベースで一致するものを検索

3. 関連する記憶を会話コンテキストに注入

これにより、明示的な検索コマンドなしで受動的な想起が可能になります。

セットアップ

npm install

Claude Code MCP設定に追加：

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": ["path/to/memory-mcp/index.js"]
    }
  }
}

設計上の決定

• ベクトルDBではなくSQLiteを採用: デプロイが簡単で、単一ファイルであり、1万件未満の記憶であれば十分な性能

• 時間ベースではなく活性化ベースの減衰: 人間の記憶を模倣 — 使用された記憶は強化され、未使用の記憶は薄れる

• 埋め込みによる重複排除: 類似したイベントの繰り返しによるメモリの肥大化を防ぐ

• 階層型アーキテクチャ: 事実（安定）、経験（コンテキスト依存）、意思決定（実行可能）を分離

研究参考文献

8つの論文の研究に基づいています：

• Generative Agents (Stanford, 2023): メモリ・ストリーム、内省、計画/反応

• MemGPT (2023): OSに触発されたページ管理を備えた階層型メモリ

• LUFY (2024): 感情喚起の重み付けを伴う忘却メカニズム

• MemoRAG (2024): 二重スコアリングを伴う記憶に触発された検索

• Mem0 (2024): 自動抽出と重複排除を備えたグラフベースのメモリ

• A-Mem (2024): 自己組織化エージェントメモリネットワーク

• LoCoMo (2024): 長文脈会話メモリベンチマーク

• Chloe/Noah (コミュニティ): 4次元コンパニオンAIメモリ

各論文の影響の詳細な分析については、docs/design.mdを参照してください。

ステータス

日常的にアクティブに使用中。17セッションで95以上の記憶を保持。実際の使用パターンに基づいて反復改善中。

ライセンス

MIT