AIエージェントに「記憶」を持たせるOSSが話題

AIエージェントは、指示を受けて動くだけでなく「前回どんな作業をしたか」「どんな文脈の中にいるか」を覚えていてほしい場面がある。しかし現状の多くのエージェント設計では、セッションをまたぐたびに文脈がリセットされ、毎回ゼロから状況を渡し直す必要がある。これを解決しようとするのが、OSSの「cognee」だ。

cogneeはAIエージェントに長期記憶を持たせるための自己ホスト型プラットフォームで、ナレッジグラフというデータ構造を使って会話履歴・知識・関係性を蓄積・参照できる設計になっている。GitHubのスター数は1.8万超（topoteretes/cognee↗）。要は「毎回コンテキストを渡すのをやめて、エージェント側が覚えてくれる仕組みを自前で持てる」ということだ。

注目したいのは、このタイミングで「エージェントの記憶設計」が正面から議論され始めている点だ。

先日紹介した「AIエージェントに対応したアプリ設計の新フレームワーク」でも触れたように、単一タスクをこなすAIから、複数工程を自律的につなぐエージェントへの移行が加速している。そこで顕在化するのが「セッション間の文脈断絶」という課題だ。

これまでの対処法は大きく2つだった。①APIに毎回長いプロンプトでコンテキストを渡す、②外部のベクターDB（PineconeやWeaviateなど）を別途組み合わせる、のいずれかだ。前者はトークンコストが増大し、後者はインフラ管理の手間が生じる。cogneeが提案しているのは、この両方を内包した「記憶エンジンをエージェントに組み込む」という第三の設計思想だ。

ナレッジグラフという選択も興味深い。ベクターDBが「意味的な近さ」で検索するのに対し、ナレッジグラフは「関係性」を構造として保持する。「このプロジェクトはAさんが担当していて、先週この決定をした」という文脈の連鎖を記録するには、グラフ構造の方が適している場面がある。

自己ホスト型という点も見逃せない。APIキーを外部に渡すことなく、ローカルや自社サーバー上で記憶を管理できる設計は、情報の取り扱いを気にしながらエージェントを動かしたい場合に現実的な選択肢になる。

Q. 技術的な難易度はどのくらい？コードが書けないと無理？

Pythonの基本的な読み書きができれば、公式のサンプルコードをもとに動かすこと自体は難しくない。ただし「自分のエージェントに組み込んで使い倒す」ためには、既存のスクリプトに追記する必要があるため、コードが書けると有利な場面は多い。コードなしでの操作UIは現時点では公式には用意されていない。

Q. データはどこに保存される？外部に送られる？

cognee自体は自己ホスト型なので、ナレッジグラフのデータはローカルや自分で指定したサーバーに保存される。ただし、LLMのバックエンドとしてOpenAI APIを使う場合は、テキスト処理の段階でOpenAIのサーバーにデータが渡る点は変わらない。ローカルLLM（Ollamaなど）を組み合わせることで、外部への通信を最小化する構成も可能とドキュメントに記載されている。

Q. 日本語は使えるか？

公式ドキュメントに明示的な記載はないが、バックエンドのLLMが日本語を処理できれば、記憶の保存・参照ともに日本語テキストを扱うこと自体は技術的に可能な設計になっている。ただし日本語環境での動作確認事例は現時点では公式には示されていないため、実際に試しながら確認する必要がある。