収録件数：313 件のニュース/102 個のAIツール/397 個のオープンソースプロジェクト/74 件の学習リソース
ホームニュースオープンソースモデルAIツール学習リソース
ホーム / オープンソース / TencentDB-Agent-Memory

TencentDB-Agent-Memory

エージェントの会話、ドキュメント、コードを再利用可能なChat Memory、Skills、Wiki、CodeGraphアセットに変換する、チームレベルのメモリ管理システムです。

TypeScriptNOASSERTIONAgent
⭐ GitHubhttps://github.com/TencentCloud/TencentDB-Agent-Memory
20,952
スター数
+0
スター増加率
2026年8月11日
最終更新
0
クリック数

1. プロジェクト概要

TencentDB Agent Memoryは、AIエージェント向けのチームレベルメモリ管理システムであり、会話、ドキュメント、コードベースを4つの再利用可能なメモリアセット（Chat Memory、Skills、Wiki、CodeGraph）に変換します。これにより、エージェントは毎回ゼロから学習し直すことなく、セッション、チーム、フレームワークを超えて経験を蓄積・共有できます。

2. 背景とポジショニング

  • 開発の経緯: AIエージェントチームは常に同じ壁に直面しています。新しいエージェントセッションは毎回コールドスタートとなり、過去の会話の記憶も、再利用可能なワークフローも、対象となるコードベースやドキュメントに対する共通理解もありません。TencentDB Agent Memoryは「エージェントが記憶し、人間が革新する」というミッションのもと、エージェントが学んだことを保持できるようにし、人間が同じ指示を繰り返す必要をなくすことを目指して構築されました。
  • コアミッション: あらゆるエージェントフレームワークが接続できる永続的かつ構造化されたメモリ層を提供し、会話のコンテキスト、実証済みのワークフロー、ドキュメント構造、コードの関連性が、セッション終了時に失われることなく、耐久性のある共有可能なチームアセットとなるようにします。
  • 類似プロジェクトとの違い: 多くのエージェントメモリツールは、生のチャットログに対するフラットなベクトルストア検索に焦点を当てています。対照的に、TencentDB Agent Memoryは階層化パイプライン（生の対話 → 原子的事実 → シナリオブロック → 長期プロファイル）を通じて会話を蒸留し、単一の未分化なメモリの塊ではなく、チームレベルのアクセス制御を備えた4つの明確な目的別アセットタイプに知識を整理します。また、設計上フレームワーク非依存であり、単一製品に縛られることなく複数のエージェントランタイム向けのアダプタを備えています。

3. 機能カテゴリ

🧠 Chat Memory

生の会話を多層的に蒸留し、ユーザーのコンテキスト、好み、制約事項に対する持続的な理解を形成します。

  • L0: タイムスタンプ付きの生の会話
  • L1: 抽出された事実、好み、制約事項
  • L2: シナリオ別に整理された知識ブロック
  • L3: 長期プロファイルおよび安定した行動パターン
  • 目的: エージェントが毎セッション聞き直すことなく、ユーザーが誰で何を必要としているかを記憶できるようにします。

🛠️ Skills

成功した会話から自動的に抽出される、バージョン管理された実行可能なワークフローです。

  • バリデーションルールとバンドルされたリソースファイルを含む
  • エージェントやチーム間で再利用可能
  • 独立したアセットとしてエクスポート・共有可能
  • 目的: あるエージェントが一度導き出したワークフローを、チーム内のすべてのエージェントが再実行できるものにします。

📖 Wiki

インポートされたドキュメントとコードから構築される、リンクグラフを備えた構造化された自動生成ドキュメントです。

  • インポートされたドキュメントソースから自動生成
  • トピック間の相互参照リンクを維持
  • ソース資料の変更に応じて増分的に更新
  • 目的: 陳腐化する静的ドキュメントではなく、エージェントが読み取り可能な生きたナレッジベースを維持します。

🕸️ CodeGraph

ファイル間の関係性と変更影響分析を備えた、コードベースのシンボルレベルのインデックスです。

  • ファイル横断的なシンボルインデックス
  • ファイル間関係のマッピング
  • 提案された変更に対する影響パス分析
  • 目的: エージェントにコードベースの構造的認識を与え、変更の影響範囲について推論できるようにします。

4. 主なハイライト

  • 経験の蓄積: 各エージェントの実行は以前の実行結果の上に構築できます。会話からの洞察はSkillsとなり、ドキュメントの更新はWikiを通じて自動的に反映されます。
  • ポータブルでフレームワーク非依存のメモリ: メモリアセットは特定のエージェントツールから切り離されており、サポートされているフレームワーク（OpenClaw、Hermes、Claude Code、CodeBuddy、カスタムSDK）間で移動可能です。
  • チーム規模でのコラボレーション: Memory Hub Webコントロールパネルは、ロールベースの権限（システム管理者、チーム管理者、メンバー）と複数の可視性レベル（プライベート、チーム、制限付き、エージェント固有）でチームとエージェントを管理します。
  • 非侵襲的な検索: 知識はコンテキストウィンドウにまとめて注入されるのではなく、ツールAPIを通じてオンデマンドで取得されるため、プロンプトを軽量に保ちます。
  • シンボリック短期記憶: 冗長なツールログはnode_id参照を持つコンパクトなMermaid図に圧縮され、追跡可能性を維持しつつトークン消費量を最大61.38%削減します。
  • 測定されたパフォーマンス向上: ベンチマークによる改善には、ペルソナ理解保持率の59%の相対的向上（PersonaMem 48% → 76%）、WideSearchにおける成功率51.52%の向上とトークン61.38%の削減、SWE-benchにおける成功率9.93%の向上とトークン33.09%の節約が含まれます。

5. ロール別のユースケース

  • 一般開発者: SkillsとCodeGraphによって実証済みのワークフローとコードベースの理解をセッション間で永続化させ、コーディングエージェントとの繰り返しのやり取りを減らします。
  • DevOps/SRE: 運用ランブックをSkillsとして標準化・バージョン管理し、エージェントが毎回即興で行うのではなく、検証済みの手順を実行するようにします。
  • データ/リサーチサイエンティスト: WikiとChat Memoryを使用して、長期間にわたる研究のコンテキストと知見を整理し、複数のエージェントセッション間で検索可能にします。
  • プロジェクトマネージャー: Memory Hubのチームおよびロール管理を使用して、どのエージェントとメンバーがどの知識アセットにアクセス、レビュー、共有できるかを制御します。

6. はじめに

必要なものを見つける — リポジトリのドキュメントにあるアセットタイプと統合ガイドを確認してください。まずはINSTALL.mdとROADMAP.mdから始めます:

git clone https://github.com/TencentCloud/TencentDB-Agent-Memory.git

インストール/統合 — 最も迅速な方法はオールインワンのDockerデプロイメントです（Node.js ≥22.16が必要）:

cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
# .envを編集してLLMパラメータを設定
./start-all.sh
# Memory Hubパネルは http://localhost:8125 で利用可能

OpenClawの場合は、公開されているプラグインを直接インストールします:

openclaw plugins install @tencentdb-agent-memory/memory-tencentdb

貢献する — ワークフローについてはCONTRIBUTING.mdをお読みになり、GitHubでIssueやPull Requestを作成してください:

gh repo fork TencentCloud/TencentDB-Agent-Memory

7. プロジェクト構成

├── MemoryCore/          # アセット処理パイプライン & ストレージ (L0-L3 蒸留)
├── MemoryKnowledge/      # Wiki/CodeGraph インデックス (OpenAPI: openapi.yaml)
├── MemoryPanel/          # チーム管理用Memory Hub Webインターフェース
├── MemoryProxy/          # エージェントフレームワークとメモリサービスを接続するインターフェース層
├── sdk/memory-core/      # プログラムによる直接統合用SDK
├── deploy/global-images/ # Docker Composeデプロイメント (start-all.sh, .env.example)
├── INSTALL.md            # 包括的なセットアップガイド
├── ROADMAP.md            # 開発計画
└── CONTRIBUTING.md       # 貢献ガイドライン

8. 関連エコシステム

  • 認められている上流の影響: CodeGraphモジュールはColby McHenry氏のCodeGraphのコードインデックス概念に基づいています。SkillsはNous ResearchのHermes Agentのスキル管理パターンから着想を得ています。WikiはAndrej Karpathy氏の「LLM Wiki」概念（増分的に維持されるエージェント読み取り可能なドキュメント）に触発されています。
  • 統合パートナー: OpenClaw、Hermes、Claude Code、CodeBuddy、およびカスタムSDKがエージェントフレームワーク統合ターゲットとしてサポートされています。
  • 補完的な役割: 本プロジェクトは既存のエージェントフレームワークやIDE/CLIツールを置き換えるものではなく、共有メモリ層としてそれらと併用するように設計されています。

9. ライセンス

  • ✅ MITライセンスの下、商用・非商用を問わず、ソフトウェアの使用、複製、修正、マージ、公開、配布、サブライセンス、およびコピーの販売が可能です。
  • ❌ 保証は一切提供されません。著作者および著作権者は、ソフトウェアの使用に起因するいかなる請求、損害、またはその他の責任についても負いません。
  • ℹ️ MITライセンステキストおよび著作権表示は、ソフトウェアのすべてのコピーまたは実質的な部分に含まれている必要があります。

10. FAQ

Q: TencentDB Agent Memoryは現在どのエージェントフレームワークに対応していますか？
A: 現在はOpenClaw、Hermes、Claude Code、CodeBuddyがサポートされており、カスタム統合用の汎用SDKも用意されています。

Q: セルフホストするためのシステム要件は何ですか？
A: ベースライン要件はNode.js ≥22.16およびDocker（オールインワンdeploy/global-imagesデプロイメント用）です。詳細についてはINSTALL.mdをご覧ください。

Q: チャット履歴にベクトルデータベースを使用するだけの場合とどう違いますか？
A: 生のログに対するフラットなベクトル検索を行う代わりに、階層化された処理（L0 生の対話 → L1 事実 → L2 シナリオ → L3 プロファイル）を通じて会話を蒸留し、結果をChat Memory、Skills、Wiki、CodeGraphという4つの明確なアセットタイプに整理して、チームレベルのアクセス制御を提供します。

Q: 古いバージョンからデータを移行できますか？
A: はい、v2からv3へのアップグレード用マイグレーションツールがMemoryCore/scripts/migrate-v2-to-v3/に含まれています。

Q: 質問やバグ報告はどこで行えますか？
A: バグについてはGitHub Issues（24時間以内の応答を目標）、機能のアイデアについてはGitHub Discussions、リアルタイムの議論についてはプロジェクトのDiscordコミュニティをご利用ください。

11. クイックリンク

  • リポジトリ: https://github.com/TencentCloud/TencentDB-Agent-Memory
  • インストールガイド: リポジトリ内のINSTALL.md
  • 貢献ガイド: リポジトリ内のCONTRIBUTING.md
  • コミュニティ: GitHub Discussions および Discord（リンクはリポジトリのREADMEに記載）

12. まとめ

TencentDB Agent Memoryは、AIエージェントチームに共有された構造化メモリ層（Chat Memory、Skills、Wiki、CodeGraph）を提供します。これにより、会話のコンテキスト、実証済みのワークフロー、ドキュメント、コードベースの理解がセッション間で失われることなく、時間の経過とともに持続・蓄積されます。カスタムのメモリシステムをゼロから構築することなく、コンテキスト保持率とトークン効率の測定可能な向上を実現したい、複数のフレームワークでエージェントを運用しているチームに最適です。