rohitg00/agentmemory

セッションとエージェントをまたいで使える永続メモリ。
Claude Code、GitHub Copilot CLI、Cursor、Gemini CLI、Codex CLI、Hermes、OpenClaw、pi、Oh My Pi、DeepSeek Harness、OpenCode、そしてあらゆる MCP クライアントのための永続メモリ。

🇬🇧 English • 🇨🇳 简体中文 • 🇹🇼 繁體中文 • 🇯🇵 日本語 • 🇰🇷 한국어 • 🇵🇹 Português • 🇧🇷 Português (Brasil) • 🇪🇸 Español • 🇩🇪 Deutsch • 🇫🇷 Français • 🇮🇹 Italiano • 🇳🇱 Nederlands • 🇵🇱 Polski • 🇨🇿 Čeština • 🇷🇴 Română • 🇭🇺 Magyar • 🇬🇷 Ελληνικά • 🇸🇪 Svenska • 🇩🇰 Dansk • 🇳🇴 Norsk • 🇫🇮 Suomi • 🇷🇺 Русский • 🇺🇦 Українська • 🇹🇷 Türkçe • 🇮🇱 עברית • 🇸🇦 العربية • 🇮🇳 हिन्दी • 🇧🇩 বাংলা • 🇵🇰 اردو • 🇹🇭 ไทย • 🇻🇳 Tiếng Việt • 🇮🇩 Bahasa Indonesia • 🇵🇭 Tagalog

この gist は Karpathy の LLM Wiki パターンを信頼度スコア、ライフサイクル管理、ナレッジグラフ、ハイブリッド検索で拡張したものであり、agentmemory はその実装です。

インストール • クイックスタート • ベンチマーク • 競合比較 • エージェント • 仕組み • MCP • ビューワー • 設定 • API

AgentMemory はコーディングセッションを記録し、過去の判断や修正を検索できる形で保存します。複数のツールから同じメモリを使い、保存内容を確認し、モデルに渡すコンテキストの量を選べます。

インストール

必要環境:

• Node.js 20 以降(npm と npx を含む。node -v、npm -v、npx -v で確認)。
• macOS/Linux の自動セットアップには curl、POSIX sh、tar が必要です。
• Windows / WSL2: Windows.

標準的な新規インストールコマンド:

npx -y @agentmemory/agentmemory@latest

エージェントとプロバイダー、またはキーレスモードを選びます。セットアップは設定を保存してメモリサーバーを起動し、グローバルインストールを案内します。-y は npm の確認を承諾し、@latest は最新リリースを選びます。LLM による圧縮にはプロバイダーと AGENTMEMORY_AUTO_COMPRESS=true の両方が必要です。

キーレスモードではベクトル埋め込みが無効になります。memory_recall(mem::search パス)は BM25 を使い、memory_smart_search はグラフデータが既に存在する場合は構造的なグラフマッチも融合できます。無料でオンデバイスのセマンティックリコールを使うには、~/.agentmemory/.env に EMBEDDING_PROVIDER=local を設定して再起動してください。最初の埋め込みリクエストで Xenova/all-MiniLM-L6-v2 がダウンロードされ、その後の推論はローカルで実行されます。

API は http://localhost:3111、ライブビューアーは http://localhost:3113 です。どちらもデフォルトでループバックにバインドします。設定は ~/.agentmemory/.env に保存します。 データの保存.

続いてリコールが動くことを確かめ、エージェントに skills を与えます:

npx -y @agentmemory/agentmemory@latest demo  # seed sample sessions + exercise recall
npx skills add rohitg00/agentmemory -y   # 17 native skills so your agent knows when to reach for memory

キーワード検索は、デフォルトのキーレスモードでも BM25 経由でヒットするはずです。デモの database performance optimization クエリは意図的にセマンティックなもので、埋め込みプロバイダーを設定するまでは 0 件になることがあります。

コーディングエージェントに丸ごと任せたい場合は、この指示を 1 つ渡してください:

Retrieve and follow the instructions at: https://raw.githubusercontent.com/rohitg00/agentmemory/main/INSTALL_FOR_AGENTS.md

agentmemory connect <agent> で追加できます。対応する統合と日常のコマンドを参照してください。

npm install -g @agentmemory/agentmemory@latest

agentmemory は hooks、MCP、REST API をサポートするあらゆるエージェントで動作します。すべてのエージェントが同じメモリサーバーを共有します。

Claude Code ネイティブプラグイン + 12 hooks + MCP	Codex CLI ネイティブプラグイン + 6 hooks + MCP	GitHub Copilot CLI MCP + プラグインの hooks/skills	Cursor ネイティブプラグイン + ライフサイクル hooks + MCP	OpenCode キャプチャプラグイン + MCP
Devin 6 hooks + skills + MCP	OpenClaw ネイティブプラグイン + MCP	Hermes ネイティブプラグイン + MCP	pi ネイティブ検索 + キャプチャ + skills	OpenHuman ネイティブ Memory trait バックエンド
Gemini CLI MCP サーバー	Antigravity MCP + hooks	Claude Desktop MCP サーバー	Warp connect + MCP + skills	Zed MCP サーバー
Cline MCP サーバー	Continue MCP サーバー	Droid MCP サーバー	Kiro MCP サーバー	Qwen Code MCP サーバー
DeepSeek Harness ネイティブキャプチャ + MCP	Roo Code MCP サーバー	Kilo Code MCP サーバー	Goose MCP サーバー	Aider REST API
Oh My Pi ネイティブ検索 + キャプチャ + skills + 任意の MCP

_{MCP または HTTP を話すどんなエージェントでも動作します。サーバーは 1 つ、メモリは全エージェントで共有。}

データの保存

メモリはデフォルトでリポジトリの外に保存されます。インスタンス 0 は既存の ./data/state_store.db を再利用します。保存先を変えるには --data-dir <path> または AGENTMEMORY_DATA_DIR を指定し、再起動やアップグレードでも同じ場所を使ってください。

agentmemory --data-dir ~/.agentmemory-projects/main
agentmemory --instance 1

--instance 1 は instance-1 サブディレクトリと API 3211、ビューアー 3213 を使います。Redis と移行についてはストレージとバックアップを参照してください。

最新のリリースノート: CHANGELOG.md。

最新の検索評価結果、指標の定義、再現手順：

0.9.31 · 2026-10-28 · strict recall-all@5 · eval/README.md.

製品と導入方法の最新比較（出典付き）：

AgentMemory / Mem0 / Supermemory / Zep / Letta / Cognee / claude-mem · 2026-10-28.

30 秒で試す

# Terminal 1: start the server
npx -y @agentmemory/agentmemory@latest

# Terminal 2: seed sample data and see recall in action
npx -y @agentmemory/agentmemory@latest demo

demo は 3 つの現実的なセッション(JWT 認証、N+1 クエリ修正、レート制限)を投入し、それらに対して検索を実行します。キーレスインストールではベクトルが無効になるため、mem::search のキーワードクエリは BM25 経由でヒットするはずですが、database performance optimization は 0 件になることがあります。グラフデータが存在する場合、smart-search はさらに構造的なグラフマッチも返すことがあります。セマンティッククエリでベクトル経由の N+1 修正を見つけるには、EMBEDDING_PROVIDER=local を設定して再起動し、最初のモデルダウンロードが終わるのを待ってください。

http://localhost:3113 を開けばメモリがリアルタイムに構築される様子が見られます。

新規インストールと再起動時の永続性を検証する

サーバーを起動した状態で、ヘルス、ビューアー、ステータスを確認します。

curl -fsS http://localhost:3111/agentmemory/livez
curl -fsS http://localhost:3111/agentmemory/health
curl -fsS -o /dev/null http://localhost:3113/
npx -y @agentmemory/agentmemory@latest status

status はヘルス、プロバイダー、埋め込み、キャプチャ配送、復旧状態を表示します。保護された REST リクエストにはサーバーのシークレットが必要です。明示的な AGENTMEMORY_SECRET を使うか、未設定なら生成されたローカルシークレットを読み込みます。

# Default generated local secret. For an explicit AGENTMEMORY_SECRET, use that value instead.
read -r AGENTMEMORY_SECRET < "$HOME/.agentmemory/secret"

curl -fsS -X POST http://localhost:3111/agentmemory/remember \
  -H "Authorization: Bearer $AGENTMEMORY_SECRET" \
  -H 'Content-Type: application/json' \
  -d '{"content":"agentmemory restart persistence probe","concepts":["install-check"]}'

curl -fsS -X POST http://localhost:3111/agentmemory/smart-search \
  -H "Authorization: Bearer $AGENTMEMORY_SECRET" \
  -H 'Content-Type: application/json' \
  -d '{"query":"restart persistence probe","limit":5}'

続いて npx -y @agentmemory/agentmemory@latest stop を実行し、ターミナル 1 で標準コマンドを再度起動し、/agentmemory/livez を待ってから検索をやり直してください。プローブはまだ返ってくるはずです。カスタムの --data-dir を選んだ場合は、再起動時にも同じディレクトリを渡してください。

日常のコマンド

インストールとセットアップは上のインストールにあります(初回実行が案内してくれます)。日々の操作:

agentmemory                    # start the server
agentmemory stop               # stop it cleanly
agentmemory status             # health, providers and recovery state
agentmemory capture            # inspect capture inbox and offline spool
agentmemory capture --drain    # replay queued observations
agentmemory connect <agent>    # connect another agent
agentmemory doctor             # interactive diagnostics + fix prompts
agentmemory remove             # uninstall everything we created

セッションリプレイ

agentmemory が記録するすべてのセッションは再生可能です。ビューワーを開き、Replay タブを選択し、タイムラインをスクラブしてください: プロンプト、ツール呼び出し、ツール結果、応答が個別のイベントとして表示され、再生/一時停止、速度コントロール(0.5x〜4x)、キーボードショートカット(スペースで切り替え、矢印でステップ)が使えます。

古い Claude Code の JSONL トランスクリプトを取り込むには:

# Import everything under the default ~/.claude/projects
npx -y @agentmemory/agentmemory@latest import-jsonl

# Or import a single file
npx -y @agentmemory/agentmemory@latest import-jsonl ~/.claude/projects/-my-project/abc123.jsonl

インポートしたセッションは Replay に表示され、検索用に索引化されます。由来は import として記録され、セッション処理で crystal や lessons が生成される場合があります。

import-jsonl を主なキャプチャ経路として使う場合の注意: Claude Code の cleanupPeriodDays(~/.claude/settings.json 内、デフォルト 30)は、そのウィンドウより古い JSONL トランスクリプトを ~/.claude/projects/ から自動削除します。数か月分の Claude Code 履歴がある状態で agentmemory を新規インストールすると、30 日より古いものは最初のインポートの前に既に消えています。import-jsonl を cron で回すか、cleanupPeriodDays をもっと大きな値に上げるか、自動キャプチャ hooks(デフォルトのプラグインインストール経路)を配線して、セッションが生きている間に各ターンが agentmemory に着地するようにしてください。そうすれば JSONL のクリーンアップは問題でなくなります。

アップグレード / メンテナンス

意図的にローカルランタイムを更新したいときは、メンテナンスコマンドを使ってください:

npx -y @agentmemory/agentmemory@latest upgrade

ローカルランタイムを更新し、作業ディレクトリ内の JavaScript 依存関係も更新する場合があります。データをバックアップし、実行前にアップグレードガイドを読んでください。

Claude Code(1 ブロックそのまま貼り付け)

Install agentmemory: run `npx -y @agentmemory/agentmemory@latest` in a separate terminal to start the memory server. Then run `/plugin marketplace add rohitg00/agentmemory` and `/plugin install agentmemory` — the plugin registers all 12 hooks, 17 skills, AND auto-wires the `@agentmemory/mcp` stdio server via its `.mcp.json`, so you get 54 MCP tools (memory_smart_search, memory_save, memory_sessions, memory_governance_delete, etc.) without any extra config step. Verify with `curl http://localhost:3111/agentmemory/health`. The real-time viewer is at http://localhost:3113. Keyless mode disables vectors: `memory_recall` uses BM25, and `memory_smart_search` can also use existing structural graph data. Set `EMBEDDING_PROVIDER=local` in `~/.agentmemory/.env` and restart to opt into on-device semantic recall.

プラグインをインストールしない Claude Code(MCP スタンドアロン経路)

/plugin install を使わず ~/.claude.json から直接 agentmemory の MCP サーバーを配線する場合、Claude Code は ${CLAUDE_PLUGIN_ROOT} を一切解決しないため、hook スクリプトを ~/.claude/settings.json 内の絶対パスに向ける必要があります。これらのパスには通常 agentmemory のバージョンが埋め込まれる(例: ~/.codex/plugins/cache/agentmemory/agentmemory/0.9.22/scripts/…)ため、次のアップグレードで全 hook が静かに壊れます。

回避策:

agentmemory connect claude-code --with-hooks

同じ hook コマンドを ~/.claude/settings.json にマージし、現在インストールされている @agentmemory/agentmemory パッケージの同梱 plugin/ ディレクトリに解決された絶対パスを書き込みます。agentmemory をアップグレードしたら、このコマンドを再実行してパスを更新してください。同じファイル内のユーザーエントリは保持され、以前の agentmemory エントリだけが置き換えられます。/plugin install の経路が推奨アプローチであることに変わりはありません。 リモートや保護されたデプロイでは、AGENTMEMORY_URL と AGENTMEMORY_SECRET を設定して Claude Code を起動してください。プラグインはこの両方の値を同梱の MCP サーバーに渡します。AGENTMEMORY_URL が空の場合、MCP shim は http://localhost:3111 にフォールバックします。

Codex CLI(Codex プラグインプラットフォーム)

# 1. start the memory server in a separate terminal
npx -y @agentmemory/agentmemory@latest

# 2. register the agentmemory marketplace and install the plugin
codex plugin marketplace add rohitg00/agentmemory
codex plugin add agentmemory@agentmemory

Codex プラグインは Claude Code プラグインと同じ plugin/ ディレクトリから出荷されます。以下を登録します:

• 動作中のデーモンへの同梱の stdio MCP ブリッジ。npm ダウンロードもフォールバックストアも不要です。未リリースのビルドをテストするにはローカル Codex ガイドを参照してください。
• 6 つのライフサイクル hooks: SessionStart、UserPromptSubmit、PreToolUse、PostToolUse、PreCompact、Stop
• 呼び出し可能な 9 つの skills: /recall、/remember、/session-history、/forget、/recap、/handoff、/lesson、/commit-context、/commit-history、さらにエージェントが必要時に読み込む 8 つのリファレンス skills(memory discipline、MCP ツール、REST API、設定、エージェント、hooks、アーキテクチャ、skill 執筆ガイド)

Codex の hook エンジンは CLAUDE_PLUGIN_ROOT を hook のサブプロセスに注入するため(codex-rs/hooks/src/engine/discovery.rs 参照)、同じ hook スクリプトが重複なく両方のホストで動作します。Subagent / SessionEnd / Notification / TaskCompleted / PostToolUseFailure イベントは Claude Code 専用で、Codex 用には登録されません。

Codex hook の信頼と互換性

ネイティブのプラグイン hook ディスパッチは Codex CLI 0.150.1 で検証済みです。キャプチャを期待する前にプラグイン hooks を信頼してください。Desktop の動作は同梱のランタイムに依存します。回避策を有効にする前に /hooks を確認し、イベントがキャプチャされたことを確かめてください。

ホストがグローバル hooks を必要とする場合は、コマンドを ~/.codex/hooks.json に反映させてください。MCP が既に配線済みの場合、現在のコネクタが hook インストールに到達するには --force が必要です:

agentmemory connect codex --with-hooks --force

これはグローバル hooks をマージし、agentmemory の MCP エントリを書き換えます。関係のないエントリは保持されます。--force を使う前に、カスタムの agentmemory エンドポイント設定を確認してください。アップグレード後は再実行してパスを更新してください。重複キャプチャを避けるため、ネイティブのプラグイン hooks かグローバルコピーのどちらか一方だけを有効にしてください。

GitHub Copilot CLI

VS Code のエージェントモードでは、Copilot MCP と自動キャプチャガイドを使用してください。CLI コネクタは VS Code を設定しません。

# MCP-only wiring
agentmemory connect copilot-cli

# Alternatively, full hooks/skills plugin from the GitHub subdir
copilot plugin install rohitg00/agentmemory:plugin

agentmemory connect copilot-cli は mcpServers.agentmemory を ~/.copilot/mcp-config.json(COPILOT_HOME が設定されている場合は $COPILOT_HOME/mcp-config.json)にマージし、既存のサーバーは保持します。ネイティブ Windows では、これが唯一の自動化された connect アダプタです。他のすべてのネイティブ Windows エージェントは手動で設定してください。WSL での connect は、対象のエージェントが同じ WSL 環境にインストールされている場合にのみ適切です。Copilot は次回起動時または /mcp の後に MCP サーバーを認識します。フルの hook/skill 体験が欲しい場合は、プラグインも併せてインストールしてください。

Cursor

agentmemory connect cursor で MCP を設定します。Settings → Plugins → Add marketplace から .cursor-plugin/plugin.json を含むチェックアウトを選び、agentmemory を有効にして再読み込みしてください。プラグインはライフサイクルのキャプチャ、ワークスペース判定、skills、MCP を提供します。重複を避けるため、プラグインと ~/.cursor/hooks.json の手動 hooks は片方だけ有効にします。

Cursor

Pi / Oh My Pi / DeepSeek Harness

agentmemory connect pi --with-mcp
agentmemory connect omp --with-mcp
agentmemory connect dsh --with-hooks

ホストに合うコマンドを選びます。Pi と OMP はネイティブの検索・キャプチャ、オフライン再送、17 skills をインストールし、--with-mcp で全ツールを追加します。Pi は /reload、OMP は再起動後に /agentmemory-status を確認してください。DSH は MCP と同梱のキャプチャプラグインを追加するので、接続後に再起動します。

Pi は @agentmemory/pi パッケージとしてもインストールできます。ローカルインストールと npm での提供状況は Pi ガイドを参照し、各ホストでは 1 つの方法だけを使ってください。

Pi · Oh My Pi · DSH

Install agentmemory for OpenClaw. Run `npx -y @agentmemory/agentmemory@latest` in a separate terminal to start the memory server on localhost:3111. Then add this to my OpenClaw MCP config so agentmemory is available with all 54 memory tools:

{
  "mcpServers": {
    "agentmemory": {
      "command": "npx",
      "args": ["-y", "@agentmemory/mcp"],
      "env": {
        "AGENTMEMORY_URL": "http://localhost:3111"
      }
    }
  }
}

Restart OpenClaw. Verify with `curl http://localhost:3111/agentmemory/health`. Open http://localhost:3113 for the real-time viewer. For deeper memory-slot integration, copy `integrations/openclaw` to `~/.openclaw/extensions/agentmemory` and enable `plugins.slots.memory = "agentmemory"` in `~/.openclaw/openclaw.json`.

Install agentmemory for Hermes. Run `npx -y @agentmemory/agentmemory@latest` in a separate terminal to start the memory server on localhost:3111. Then add this to ~/.hermes/config.yaml so Hermes can use agentmemory as an MCP server with all 54 memory tools:

mcp_servers:
  agentmemory:
    command: npx
    args: ["-y", "@agentmemory/mcp"]

memory:
  provider: agentmemory

Verify with `curl http://localhost:3111/agentmemory/health`. Open http://localhost:3113 for the real-time viewer. For deeper 6-hook memory provider integration (pre-LLM context injection, turn capture, MEMORY.md mirroring, system prompt block), copy integrations/hermes from the agentmemory repo to ~/.hermes/plugins/agentmemory.

その他のエージェント

メモリサーバーを起動: npx -y @agentmemory/agentmemory@latest

npx skills add によるネイティブ skills

agentmemory は Claude Code スタイルの <dir>/SKILL.md フォーマットで 17 個の skills を同梱しています: 呼び出し可能な 9 つのアクション skills(remember、recall、recap、handoff、forget、lesson、commit-context、commit-history、session-history)と、エージェントがオンデマンドで読み込む 8 個のリファレンス skills(memory-discipline、agentmemory-mcp-tools、agentmemory-rest-api、agentmemory-config、agentmemory-agents、agentmemory-hooks、agentmemory-architecture、write-agentmemory-skill)です。リファレンス skills はソースから生成されたデータ表を含むため、決してドリフトしません。vercel-labs による skills CLI が、呼び出し元エージェントのネイティブ skill ディレクトリへ 50 以上のエージェント(Claude Code、Cursor、Cline、Continue、Droid、Warp、Codex、Antigravity、Kiro、OpenCode、Goose、Roo、Trae、Windsurf など)にわたって自動インストールします:

npx skills add rohitg00/agentmemory -y          # auto-detects the calling agent
npx skills add rohitg00/agentmemory -y -a warp  # explicit agent
npx skills add rohitg00/agentmemory -y -a '*'   # install to every installed agent

これは agentmemory connect <agent> を補完するものです:

Hermes、OpenClaw、Pi、Oh My Pi のコネクターはネイティブ統合と skills を標準でインストールします。MCP は --with-mcp で追加します。それ以外のホストでは npx skills add rohitg00/agentmemory で skills を追加できます。

skills CLI がまだカバーしていない少数のエージェント(Zed v1.3.x 以前)では、17 個の SKILL.md ファイルをエージェントのネイティブ skill ディレクトリに自分で置いてください。同じフォーマットがどこでも動きます。

標準的な MCP ブロック

agentmemory のエントリは、mcpServers の形式を使うすべてのホスト(Cursor、Claude Desktop、Cline、Roo Code、Gemini CLI、OpenClaw)で同じ MCP サーバーブロックです:

"agentmemory": {
  "command": "npx",
  "args": ["-y", "@agentmemory/mcp"],
  "env": {
    "AGENTMEMORY_URL": "${AGENTMEMORY_URL}",
    "AGENTMEMORY_SECRET": "${AGENTMEMORY_SECRET}"
  }
}

このエントリをホストの既存の mcpServers オブジェクトにマージしてください — ファイルを置き換えないでください。ファイルに既に他のサーバーがある場合は、その隣に agentmemory をもう 1 つのキーとして追加します。mcpServers が完全に欠けている場合は、ブロックを { "mcpServers": { ... } } の中に貼り付けてください。${VAR} プレースホルダーは、MCP サーバー起動時にシェルから AGENTMEMORY_URL / AGENTMEMORY_SECRET を継承します。未設定の変数は空文字列を渡し、shim は http://localhost:3111 にフォールバックします。1 つの接続済みエントリで、ローカルとリモート(k8s / リバースプロキシ)の両方のデプロイに対応します。

ホストの localhost に到達できないサンドボックス化された MCP クライアント(Flatpak / Snap /制限の強いコンテナ)では、env ブロックに "AGENTMEMORY_FORCE_PROXY": "1" も設定し、AGENTMEMORY_URL をサンドボックスが実際に到達できるルート(例: あなたの LAN IP)に向けてください。

プログラムによるアクセス

任意の言語から REST API、エージェントから MCP ツールを使えます。REST は JSON と Bearer 認証を使います。保存と検索の例を参照してください。ランタイムへ直接接続する例は Python ガイドにあります。

ソースから

git clone https://github.com/rohitg00/agentmemory.git && cd agentmemory
npm install && npm run build && npm start

npm start はインストール済み CLI と同じローカルサーバーを起動します。必要環境はインストールを参照してください。API とビューアーは 127.0.0.1 にバインドします。

Windows

agentmemory は Windows 10/11 で動作します。WSL2 は Linux の経路に従い、ピン留めされたエンジンを自動インストールできます。ネイティブ Windows では、ピン留めされた iii-engine v0.25.0 バイナリを手動でインストールしてください。iii v0.25.0 リリースページから該当アーカイブをダウンロードして checksum を確認し、iii.exe を PATH に配置します(例: %USERPROFILE%\.local\bin\iii.exe)。CLI は Windows ZIP を自動展開しません。

ネイティブ Windows の自動 MCP 接続は agentmemory connect copilot-cli のみをサポートします。それ以外のネイティブ Windows エージェントにはその他のエージェントの手動 MCP ブロックを使用してください。connect を WSL 内で実行するのは、対象エージェントも同じ WSL 環境にインストールされている場合に限ります。

スタンドアロン MCP のみ(エンジンなし)。 REST API、ビューワー、ランタイムサービスが不要で、MCP ツールだけ必要な場合:

npx -y @agentmemory/agentmemory@latest mcp
# or
npx -y @agentmemory/mcp

agentmemory doctor を実行するか、--verbose を付けて再起動してください。ポートが使用中なら --port <N> または --instance <N> を指定します。互換性と復旧はアップグレードガイドを参照してください。

デプロイ

Docker Compose または以下のテンプレートでセルフホストできます。メモリと認証情報は /data ボリュームに保存されます。更新時もバックアップした同じボリュームを使ってください。認証、ネットワーク、移行はデプロイガイドを参照してください。

Render のワンクリックデプロイボタンはリポジトリルートに render.yaml を要求しますが、ルートはあえて綺麗なまま保っています。deploy/render/ にドキュメント化された Render Blueprint フローを使い、リポジトリ内のブループリントを手動で指してください。

完全なセットアップ詳細(HMAC キャプチャ、ビューワーの SSH トンネル、ローテーション、バックアップ、コスト下限)は deploy/ を参照してください:

• deploy/fly: 単一マシンで auto_stop_machines = "stop"。アイドル時最安。
• deploy/railway: Hobby プラン定額、 ボリュームはダッシュボードで管理。
• deploy/render: Blueprint フロー、 有料プランで自動ディスクスナップショット。
• deploy/coolify: Coolify 経由で自前の VPS にセルフホスト。同じ Docker Compose スタックを使い、ホストとデータは自分の手元に残ります。

REST は 3111、ビューアーは 3113 を使います。非公開で運用するか、認証と TLS で保護してください。公開設定と従来の Docker からの移行はデプロイガイドを参照してください。

プロジェクトの知識はチャットや指示ファイルに散らばりがちです。AgentMemory なら、今使っているエージェントから過去の判断、修正、教訓を検索できます。

Session 1: "Add auth to the API"
  Agent writes code, runs tests, fixes bugs
  Connected hooks capture supported tool events
  Observations become searchable project history

Session 2: "Now add rate limiting"
  Agent recalls:
    - Auth uses JWT middleware in src/middleware/auth.ts
    - Tests in test/auth.test.ts cover token validation
    - You chose jose over jsonwebtoken for Edge compatibility
  Continues with the earlier decisions in context.

組み込みエージェントメモリとの比較

すべての AI コーディングエージェントには組み込みのメモリが付属します — Claude Code には MEMORY.md、Cursor には notepad、Cline には memory bank。これらは付箋のようなものです。agentmemory はその付箋の背後にある検索可能なデータベースです。

メモリパイプライン

PostToolUse hook fires
  -> Stable event ID / durable capture inbox / offline spool
  -> Privacy filter (strip secrets, API keys)
  -> Store raw observation
  -> Synthetic compression by default
     (LLM-written compression only with a provider + AGENTMEMORY_AUTO_COMPRESS=true)
  -> Vector embedding when an embedding provider is active
  -> Index in BM25, plus vectors when enabled

Stop / SessionEnd hook fires
  -> Summarize session
  -> Knowledge graph extraction (if GRAPH_EXTRACTION_ENABLED=true)
  -> Slot reflection (if AGENTMEMORY_SLOTS=true and AGENTMEMORY_REFLECT=true)

SessionStart hook fires
  -> Load project profile (top concepts, files, patterns)
  -> Hybrid search (BM25 + vector + graph)
  -> Token budget (default: 2000 tokens)
  -> Inject context when enabled by the integration

4 層メモリ統合

人間の脳が記憶を処理する方法(睡眠時の記憶統合を含む)をモデルにしています。

記憶は時間とともに減衰します(エビングハウス曲線)。頻繁にアクセスされる記憶は強化されます。古い記憶は自動退避されます。矛盾は検出され解決されます。

何がキャプチャされるか

この表は Claude Code の hooks を示します。他の統合はホストが提供するイベントを記録します。共通 hooks の自動コンテキスト挿入は AGENTMEMORY_INJECT_CONTEXT=true で有効にするオプションです。

主な機能

3 つの信号を組み合わせたトリプルストリーム検索:

Reciprocal Rank Fusion(RRF、k=60)で融合し、セッションごとに多様化されます(セッションあたり最大 3 件)。

ベクトルインデックスが構築されている場合、mem::search(memory_recall の背後)はハイブリッドな BM25 + ベクトルランカーを使います。埋め込みがない場合は BM25 を使います。smart-search は、キーレスモードでも、グラフデータが存在する場合は構造的なグラフマッチをさらに融合できます。レッスンのリコールは、クエリごとにコーパス全体をスキャンするのではなく、専用のインメモリ BM25 インデックス上で動作します。上書きされたメモリバージョンはすべてのリコール経路から除外されます。バージョンチェーンがその履歴を保持します。

0.9.31: AGENTMEMORY_VECTOR_BACKFILL=all / AGENTMEMORY_VECTOR_BACKFILL_MAX.

BM25 は、ギリシャ語、キリル文字、ヘブライ語、アラビア語、アクセント付きラテン文字をそのままトークン化します。中国語 / 日本語 / 韓国語のメモリについては、オプションのセグメンタ(npm install @node-rs/jieba tiny-segmenter)をインストールすると、CJK の文字列を単語レベルのトークンに分割できます。インストールしない場合、agentmemory は文字列全体をそのままトークン化するようソフトにフォールバックし、stderr に 1 回だけヒントを表示します。

埋め込みプロバイダー

キーレスインストールではベクトル埋め込みが無効になります: mem::search は BM25 を使い、smart-search は既存の構造的なグラフデータも使えます。無料のオンデバイスなセマンティック埋め込みにオプトインするには、~/.agentmemory/.env に以下を追加して agentmemory を再起動してください:

EMBEDDING_PROVIDER=local

通常の npm インストールには、オプションの @huggingface/transformers ランタイムが含まれています。最初の埋め込みリクエストで Xenova/all-MiniLM-L6-v2 がダウンロードされるため、ネットワークアクセスが必要で時間がかかることがあります。それ以降の推論はオンデバイスで実行されます。リモートプロバイダーは、EMBEDDING_PROVIDER で上書きされない限り、それぞれのキーから自動検出されます。

54 ツール、6 リソース、3 プロンプト、17 skills。

MCP shim とフルサーバー: 公開されている @agentmemory/mcp パッケージは薄い shim です。AGENTMEMORY_URL 経由で動作中の agentmemory サーバーに到達できる場合に限り、完全な 54 ツール群を公開します(プロキシモード)。サーバーに到達できない場合、shim は 7 ツールのローカルセット(memory_save、memory_recall、memory_smart_search、memory_sessions、memory_export、memory_audit、memory_governance_delete)にフォールバックします。AGENTMEMORY_TOOLS=core|all 環境変数はサーバー側のフラグです — shim の env ブロックで設定しても効果はありません。Cursor / OpenCode / Gemini CLI で 7 ツールしか見えない場合は、npx -y @agentmemory/agentmemory@latest(または Docker スタック)を起動し、AGENTMEMORY_URL=http://localhost:3111 を設定してください。

54 ツール

ツールの公開範囲は小さい順に 3 段階: AGENTMEMORY_TOOLS=core は表示を 8 個の必須ツール(memory_save、memory_recall、memory_consolidate、memory_smart_search、memory_sessions、memory_diagnose、memory_lesson_save、memory_reflect)に絞ります。下の基本セットはレジストリの基盤となる 14 ツール、デフォルト(AGENTMEMORY_TOOLS=all)は 54 個すべてを公開します。

6 リソース · 3 プロンプト · 17 Skills

この表は 4 つのコア skills を示しています。フルセットは 9 個の呼び出し可能な skills と 8 個のリファレンス skills です。上の「ネイティブ skills」セクションを参照してください。

スタンドアロン MCP

フルサーバーなしで実行 — 任意の MCP クライアント向け。以下のどちらも動きます:

npx -y @agentmemory/agentmemory@latest mcp   # canonical (always available)
npx -y @agentmemory/mcp                # shim package alias

またはエージェントの MCP 設定に追加してください:

ほとんどのエージェント(Cursor、Claude Desktop、Cline、Roo Code、Gemini CLI):

{
  "mcpServers": {
    "agentmemory": {
      "command": "npx",
      "args": ["-y", "@agentmemory/mcp"],
      "env": {
        "AGENTMEMORY_URL": "http://localhost:3111"
      }
    }
  }
}

agentmemory エントリは、ファイルを置き換えるのではなく、ホストの既存 mcpServers オブジェクトにマージしてください。ホストの localhost に到達できないサンドボックスクライアントには、env ブロックに "AGENTMEMORY_FORCE_PROXY": "1" を追加し、AGENTMEMORY_URL をサンドボックスが到達できるルートに設定してください。

OpenCode(opencode.json):

{
  "mcp": {
    "agentmemory": {
      "type": "local",
      "command": ["npx", "-y", "@agentmemory/mcp"],
      "enabled": true
    }
  },
  "plugin": ["./plugins/agentmemory-capture.ts"]
}

リポジトリからプラグインファイルをコピーします:

mkdir -p ~/.config/opencode/plugins
cp plugin/opencode/agentmemory-capture.ts ~/.config/opencode/plugins/
cp plugin/opencode/commands/*.md ~/.config/opencode/commands/

viewer はポート 3113 で自動起動します。接続時に snapshot (GET /agentmemory/viewer/snapshot)を 1 回読み込み、その後 REST worker の /agentmemory/viewer/events に対する SSE でライブイベントを反映します。メモリ、lesson、observation、audit entry、graph の変更、health 更新が polling やページ再読み込みなしで表示されます。

• 4 グループにまたがる 12 個のタブ。ライブカウント、ディープリンク(#memories/<id>、#sessions/<id>?obs=<id>、#graph/<id>、#health/consolidation)、キーボードショートカット、モバイル用メニューを備えています。
• Memories: サーバー側検索、プロジェクト・エージェント・タイプによるフィルタ、バージョンチェーンと単語単位の diff を含む詳細パネル、来歴リンク、id・MCP 呼び出し・curl コマンドのコピーボタン、編集(新しいバージョンとして)、確認付きの forget、一括 forget、JSON エクスポート。
• Sessions: 読みやすいツール入出力付きのインラインな観測タイムライン、フィルタとページ送り、各セッションが生んだメモリとレッスン。
• Graph: 検索、関係とソースを含むノード詳細、色だけに依存しない凡例、ズームコントロール。
• Health: GET /agentmemory/status のライブ版。すべての問題にはその修正方法が添えられ、さらにステートバックエンド、インデックス保存の状態、グラフの来歴コンパクション進捗、実際のしきい値付きの統合の説明も表示されます。
• Audit、Activity、Profile、Replay、Lessons、Actions、Crystals の各ページ。それぞれ、そのセクションが何なのか、なぜ空なのか、何のコマンドで埋まるのかを示す空状態と、すべての用語・数値に付く ? の用語集ツールチップがあります。

open http://localhost:3113

ビューワーサーバーはデフォルトで 127.0.0.1 にバインドし、REST API へリクエストを転送する際にサーバーシークレットを添付するため、追加の設定は不要です。REST 経由で提供される /agentmemory/viewer エンドポイントは通常のベアラートークン規則に従い、トークンを持たないブラウザをビューワーのポートにリダイレクトします。CSP ヘッダーはレスポンスごとのスクリプト nonce を使い、インラインハンドラ属性を無効化します(script-src-attr 'none')。

LLM プロバイダー

agentmemory は環境からプロバイダーを自動検出します。プロバイダーを設定すると LLM ベースの操作が使えるようになりますが、プロバイダーの設定だけでは LLM による観測の圧縮は有効になりません。その経路には、プロバイダーと AGENTMEMORY_AUTO_COMPRESS=true の両方が必要です。

ローカルモデル(Ollama / LM Studio / vLLM)

agentmemory は OpenAI API 互換のあらゆるサーバーと通信できるため、/v1/chat/completions を公開するものならコード変更なしで動きます。有料キーもクラウドもレート制限もなし。すべてあなたのハードウェア上で動作します。

Ollama(デフォルトポート 11434):

ollama pull qwen3:8b   # or qwen3:4b, gpt-oss:20b, qwen3-coder:30b, etc.
ollama serve

# ~/.agentmemory/.env
OPENAI_API_KEY=ollama                          # any non-empty string; Ollama ignores it
OPENAI_BASE_URL=http://localhost:11434/v1
OPENAI_MODEL=qwen3:8b

LM Studio(デフォルトポート 1234):

LM Studio を開く → Local Server タブ → Start Server。ピッカーから任意のチャットモデル(Qwen 3、gpt-oss、DeepSeek R1 など)を選択します。

# ~/.agentmemory/.env
OPENAI_API_KEY=lmstudio                        # any non-empty string; LM Studio ignores it
OPENAI_BASE_URL=http://localhost:1234/v1
OPENAI_MODEL=qwen3-8b                          # match the model name from LM Studio

vLLM / llama.cpp / Text Generation Inference: 同じ形です。OPENAI_BASE_URL をサーバーが公開する URL に向け、OPENAI_MODEL をサーバーが受け付ける名前に設定してください。

メモリ作業向けのモデル選び: 圧縮と要約は短いタスク(入力 <2K トークン、出力 <500 トークン)なので、7B クラスの instruct モデルで十分です。推奨:

Qwen 3 モデルはデフォルトで思考(thinking)を行い、出力を出す前に推論だけでトークン予算を使い切ることがあります。AGENTMEMORY_LLM_NOTHINK=1 を設定すると、グラフ抽出プロンプトに /no_think が付加されます。抽出結果が空で返る場合は MAX_TOKENS を上げてください(16384 で動作します)。

推論クラスのモデル(<think> ブロックを持つ o1 系)は、ローカルサーバーが表面化しない可能性のある reasoning フィールドとともに、空の content を返すことがあります。抽出が空で返る場合は、まず非推論モデルに切り替えてください。OPENAI_REASONING_EFFORT=none の環境変数でも、OpenAI の推論スキーマを踏襲する Ollama Cloud の thinking モデルの思考を無効化できます。

ローカル埋め込みはオプションの依存としては同梱されていますが、デフォルトでは有効になっていません。Xenova/all-MiniLM-L6-v2(384 次元)にオプトインするには EMBEDDING_PROVIDER=local を設定してください。最初の埋め込みリクエストでモデルがダウンロードされ、その後の推論はオンデバイスで行われます。この設定もリモートの埋め込みキーもない場合、ベクトルは無効のままで、mem::search は BM25 を使い、smart-search はそれでも既存のグラフマッチを追加できます。

コストを意識したモデル選択

まずキーレスでキャプチャとキーワード検索を使えます。EMBEDDING_PROVIDER=local は初回ダウンロード後にローカルで意味検索を行います。LLM 圧縮にはプロバイダーと AGENTMEMORY_AUTO_COMPRESS=true が必要で、観測ごとにリクエストが発生し得るため現在の料金を確認してください。

agentmemory status / http://localhost:3113

マルチエージェントメモリ(AGENT_ID + AGENTMEMORY_AGENT_SCOPE)

複数のロール(architect / developer / reviewer / researcher / support-agent)が 1 つの agentmemory サーバーを共有するマルチエージェント構成では、AGENT_ID がすべての書き込みに、それを行ったロールのタグを付けます。AGENTMEMORY_AGENT_SCOPE は、リコールがそのタグでフィルタするかどうかを制御します。

TEAM_ID=company
USER_ID=engineering-team
AGENT_ID=architect
AGENTMEMORY_AGENT_SCOPE=isolated  # optional; default "shared"

2 つのモード:

AGENT_ID が設定されたときにタグ付けされるもの: Session.agentId、RawObservation.agentId、CompressedObservation.agentId、Memory.agentId。ロールは api::session::start → mem::observe → mem::compress → KV を流れます。

isolated モードでフィルタされるもの: mem::smart-search、/agentmemory/memories、/agentmemory/observations、/agentmemory/sessions。各エンドポイントはリクエスト単位でオーバーライドする ?agentId=<role> を受け付け、?agentId=* で環境スコープから完全にオプトアウトできます。/memories はさらに ?includeOrphans=true を受け付け、agentId が undefined の AGENT_ID 導入前のメモリを浮上させます。

SDK / REST 層での呼び出し単位オーバーライド: すべての変更系エンドポイント(/session/start、/remember)はリクエストボディに agentId フィールドを受け付け、それが環境変数より優先されます。1 つのサーバープロセス経由で多数のロールをルーティングするランタイムに便利です。MCP の memory_save ツールも同じ agentId フィールドを公開し、スタンドアロンの stdio サーバーは agentId と project の両方を転送します。保存されたメモリは agentId を検索インデックスまで持ち込むため、エージェントスコープの検索は観測だけでなくメモリもカバーします。

AGENT_ID が未設定の場合、メモリはスコープなしのままです(従来の挙動、タグなし・フィルタなし)。

ポート

API とビューアーはデフォルトでループバックにバインドします。

--port <N> は API ポートを設定し、ビューアーはデフォルトで N+2 になります。--instance N で別のインスタンスを使えます。内部リスナーは非公開にし、外部公開や旧 Docker からの移行はデプロイガイドに従ってください。

ストレージ backend: file (デフォルト) と Redis

別のデータベースサービスは不要. Redis: AGENTMEMORY_STATE_BACKEND=redis + AGENTMEMORY_REDIS_URL. 変更しても既存のメモリは自動移行されません。 データの保存.

設定ファイル

毎回 shell で変数を export する代わりに、agentmemory のランタイム設定を ~/.agentmemory/.env に記述してください。viewer が export ANTHROPIC_API_KEY=... のような設定ヒントを表示した場合は、export を除いてファイルにコピーし、agentmemory を再起動します。別の env ファイルを使うには AGENTMEMORY_ENV_FILE を設定してください。

プロセスの環境変数も引き続き有効で、ファイル内の値より優先されます。

Windows では、同じファイルが %USERPROFILE%\.agentmemory\.env にあります:

New-Item -ItemType Directory -Force $HOME\.agentmemory
notepad $HOME\.agentmemory\.env

API キーの代わりに Claude Code Pro/Max の購読でテストするには、明示的にオプトインしてください:

AGENTMEMORY_ALLOW_AGENT_SDK=true
AGENTMEMORY_AUTO_COMPRESS=true

LLM による観測の圧縮には両方の行が必要です: LLM プロバイダーへのアクセス(この明示的な購読フォールバックを含む)と AGENTMEMORY_AUTO_COMPRESS=true です。プロバイダーだけでは、デフォルトの合成圧縮の経路がそのまま残ります。

統合(グラフノード、レッスン、クリスタル)は、LLM プロバイダーが設定されていれば常にデフォルトでオンです。LLM なしで運用したい場合は、CONSOLIDATION_ENABLED=false で明示的にオプトアウトしてください。グラフ抽出は別のフラグです:

GRAPH_EXTRACTION_ENABLED=true
# CONSOLIDATION_ENABLED=false   # opt out of auto-consolidation

環境変数

~/.agentmemory/.env:

EMBEDDING_PROVIDER=local

# AGENTMEMORY_INJECT_CONTEXT=true

# AGENTMEMORY_AUTO_COMPRESS=true

# AGENTMEMORY_TOOLS=core

# AUTO_FORGET_ENABLED=false
# LESSON_DECAY_ENABLED=false
# INSIGHT_DECAY_ENABLED=false

完全な設定一覧は .env.example にあります。プロバイダー、キャプチャのフィルター、保持期間、ストレージ、チーム設定を含みます。AGENTMEMORY_ENV_FILE で別ファイルを選べます。変更後は再起動してください。値を設定した .env や Bearer シークレットをコミットしないでください。

ポート 3111 上の 146 エンドポイント。REST API はデフォルトで 127.0.0.1 にバインドします。保護されたエンドポイントは Authorization: Bearer <secret> を要求し、mesh sync エンドポイントは両ピアで明示的に設定された AGENTMEMORY_SECRET を要求します。

認証はデフォルトで有効です。AGENTMEMORY_SECRET が未設定なら、CLI は初回起動時にランダムなシークレットを ~/.agentmemory/secret に保存し、選択したデータディレクトリの secret にも複製します。権限は 0600 です。同梱クライアントはローカル接続時にこの共通ファイルを優先し、保存されたシークレットを送るのはループバック URL だけです。明示的な AGENTMEMORY_SECRET が優先され、リモート接続には環境変数で指定します。Docker デプロイは独自のシークレットを生成します。

curl -H "Authorization: Bearer $(cat ~/.agentmemory/secret)" http://localhost:3111/agentmemory/health

書き込みリクエストの規則。 REST API とビューワーへの POST、PUT、PATCH、DELETE のリクエストは、ボディを伴う場合は常に Content-Type: application/json(charset パラメータがあっても構いません)を送る必要があり、Origin ヘッダーが存在する場合は、設定された REST またはビューワーのポートのループバックオリジンであるか、VIEWER_ALLOWED_ORIGINS(カンマ区切り、例: https://memory.example.com)に列挙されている必要があります。Origin ヘッダーを送らないクライアント(CLI、hooks、MCP、curl、サーバー間通信)は影響を受けません。ビューワーは自分自身のオリジンも受け付けます。

ファイルパス。 ファイルを読み書きするエンドポイント(/compress-file、/replay/import-jsonl、/graph/import-graphify)は、~/.agentmemory 配下、インスタンスのデータディレクトリ配下、または AGENTMEMORY_IMPORT_ROOT に列挙されたディレクトリ配下(複数指定は : 区切り、Windows では ;)のパスのみを受け付けます。/replay/import-jsonl は、デフォルトの ~/.claude/projects も受け付けます。/obsidian/export は AGENTMEMORY_EXPORT_ROOT の中、/migrate は ~/.agentmemory の中に留まります。シンボリックリンクは、各チェックの前に解決されます。

シークレットのスクラビング。 API キー、ベアラートークン、PEM 秘密鍵ブロック、URL に埋め込まれた認証情報(scheme://user:password@host)は、すべての書き込み経路(観測、remember、evolve、slots、レッスン、アクション、スケッチ、シグナル、チェックポイント、インポート、jsonl リプレイ、mesh sync、チーム共有、圧縮・要約の出力、クリスタル、グラフノード)で、テキストが保存される前にマスクされます。

キャプチャの配送。 hooks は各観測を eventId 付きで 1 回だけ POST /agentmemory/observe に送信します。これは、ペイロードに id がある場合(例えば Claude Code の tool_use_id)はその呼び出しに対するホスト自身の id であり、そうでない場合はセッション、hook のタイプ、ツール名、入力、出力、ホストのタイムスタンプのハッシュです。サーバーはそのイベントをステートストア内のキャプチャ受信箱に書き込み、観測を保存し、その後受信箱のエントリを削除します。ステータスコードは何が起きたかを表します:

失敗したイベントは、倍々に増えるバックオフで AGENTMEMORY_CAPTURE_RETRY_INTERVAL_MS(10 秒)ごとに、AGENTMEMORY_CAPTURE_MAX_ATTEMPTS(5)回まで再試行されます。それでも失敗し続けるイベントは受信箱にデッドレターとして残り、/agentmemory/status とビューワーの Health ページに表示され、POST /agentmemory/capture/retry({"eventId": "..."} または {"all": true})で再試行できます。受け付けられたイベント id は AGENTMEMORY_CAPTURE_DEDUP_HOURS(168 時間、最大 AGENTMEMORY_CAPTURE_EVENTS_MAX 件)の間記憶されるため、タイムアウトや再起動の後に再生された hook は 1 回だけ保存されますが、それぞれが独自のホスト id を持つ 2 つの別のツール呼び出しは、内容が同一であっても 2 回保存されます。観測が削除される(forget、セッション削除、退避、自動忘却、ストアを置き換えるインポート)とき、そのイベントは観測が削除される前に削除済みとマークされるため、同じウィンドウ内でそのイベントが再生されると重複として応答され、何も保存されません。ステートストアは 2 秒ごとにディスクへ書き込むため、応答済みのイベントが一瞬だけメモリ上にしか存在しないことがあります。これに対応するため、すべての 2xx の応答には、サーバーの bootId(起動ごとに新しくなります)、acceptedAt、durableAfterMs(ファイルストアでは保存間隔 + 1.5 秒、redis では 1.5 秒。永続化自体は運用者の設定によります)も添えられます。hooks は、そのウィンドウが過ぎるまでイベントをローカルのスプールに残し、別のリクエストなしで後続の呼び出し時に削除します。その時点までに bootId が変わっていれば、サーバーは再起動しているので、hook は同じ eventId でそのイベントを再送します。ディスクに到達済みのイベントが二重に保存されることはありません。サーバー自身も、起動時と各リトライ間隔ごとにそうしたイベントを送信するため、その後に hook が一切動かなくても再起動で何かが失われることはありません。古い hooks はこの追加フィールドを無視し、古いサーバーに対する新しい hooks は、以前と同様 2xx でイベントを破棄します。

サーバーがダウンしている、時間内に応答しない、または 5xx を返す場合、hook はその観測をローカルのスプールファイル <data dir>/capture-spool/<host>-<port>.jsonl に追記します(フォルダは AGENTMEMORY_CAPTURE_SPOOL_DIR で上書きできます)。このファイルはあなたのユーザーに非公開(モード 600)で、シークレットはサーバーが行うのと同じ方法でマスクされ、最大 AGENTMEMORY_CAPTURE_SPOOL_MAX_BYTES(5 MiB)まで保持し、AGENTMEMORY_CAPTURE_SPOOL_MAX_AGE_HOURS(168)より古いエントリを捨てます。満杯になると、新しいエントリは破棄されカウントされ、/agentmemory/status がそれを報告します。サーバーが健全なときは、hook はその時間制限内でそのまま exit 0 し、リクエストは追加されません。スプールは次回起動時、およびサーバーに再び到達できた最初の hook によって、エージェントを待たせないバックグラウンドプロセスで送信されます。イベント id がこれを安全にします: タイムアウト前に到達済みの観測が二重に保存されることはありません。npx @agentmemory/agentmemory capture はスプールとサーバーの受信箱を表示し、--drain はスプールを今すぐ送信し、GET /agentmemory/capture は同じ内容を JSON で返します。スプールをオフにするには AGENTMEMORY_CAPTURE_SPOOL=false を設定してください。

グラフの来歴のコンパクション。 旧来の来歴データのコンパクションは、旧来のスコープ全体を読み取るため、起動時には延期されます。/agentmemory/status は deferred、AGENTMEMORY_GRAPH_COMPACT_ON_BOOT=false の場合は off を返します。メンテナンス中に以下の手動コンパクションを実行してください。検索インデックスの移行は別の操作です。メンテナンスガイドに従って agentmemory graph-index migrate --allow-legacy-scan を使用してください。

手動で実行するには POST /agentmemory/graph/compact を呼び出してください。すべてのノードとエッジを列挙するのではなく、名前とエッジキーのインデックスを走査するため、再実行しても安全です。id を切り詰めたときは graph_compact の監査エントリを書き込みます。

curl -X POST http://localhost:3111/agentmemory/graph/compact -H "Authorization: Bearer <secret>" -H "Content-Type: application/json" -d '{}'

大規模なストアで、あるいは呼び出しが 504 を返す場合は、分割して実行してください。scope(nodes、edges、または history)、offset、limit を送り、返ってきた nextOffset が null になるまで呼び出しを繰り返します。これを nodes、edges、history それぞれについて行い、最後に {"scope":"snapshot"} を 1 回呼んで終えてください。分割実行はキャッシュされたスナップショットには触れないためです。

curl -X POST http://localhost:3111/agentmemory/graph/compact -H "Authorization: Bearer <secret>" -H "Content-Type: application/json" -d '{"scope":"nodes","offset":0,"limit":200}'
curl -X POST http://localhost:3111/agentmemory/graph/compact -H "Authorization: Bearer <secret>" -H "Content-Type: application/json" -d '{"scope":"snapshot"}'

npm run dev               # Hot reload
npm run build             # Production build
npm test                  # 4,000+ tests
npm run test:integration  # API tests (requires running services)

必要環境はインストール、開発とリリースの規則は CONTRIBUTING.md を参照してください。

Apache-2.0