mem0ai/mem0

AI アシスタントとエージェントに長期記憶機能を追加するインテリジェントなメモリレイヤーです。

優良食堂ギット飯が実際に動かして検証し、選んだリポジトリです解説ページへ →
開発の材料自由に使える · Apache-2.0AI エージェントPython難易度
66,5610 保存
7,845フォーク360Issue
デモ・公式サイトをひらくmem0.ai

中辛 の解説

Mem0 は Python・JavaScript SDK と Docker 自己ホスト型サーバー、クラウドプラットフォームの 3 つの形態で利用できます。セットアップは簡単で、pip install mem0ai か npm install mem0ai で始められます。デモサイト(https://mem0.dev/demo)で ChatGPT と連携した実際の動作が確認できます。ユーザー・セッション・エージェント状態の 3 段階メモリ、セマンティック検索 + BM25 キーワードマッチング + エンティティ抽出による多信号検索、時系列を考慮した検索機能が含まれています。

こんなリポジトリです

こんなときに便利です

  • カスタマーサポートチャットボットで過去のチケット履歴とユーザー好みを自動的に思い出させて対応時間を短縮する場合
  • 医療・健康管理 AI で患者の既往歴・服薬情報・治療選好を記憶し個別最適化されたケアを提供する場合
  • コーディングアシスタント(Claude Code・Cursor など)がプロジェクト固有の設定・開発規約・ユーザースタイルを学習して提案精度を向上させる場合

主な機能

ユーザー・セッション・エージェント状態の多層メモリ管理セマンティック + BM25 + エンティティマッチングによる多信号検索時間認識型検索で現在状態・過去イベント・予定を正確に判別

ほかとの違い

単一パス ADD-only 抽出とエンティティリンク、時間認識型検索により、従来の RAG・ベクトル DB より本番規模でも高精度・低レイテンシを実現しています。

このリポジトリの作り方

はじめてですか? むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。

準備するもの

  • OpenAI API キー(デフォルト LLM として gpt-5-mini を使用)
  • Python 3.8 以上(ライブラリ利用時)
  • Docker(自己ホスト型サーバー実行時)

すぐに始める

  1. Mem0 ライブラリをインストールします。
pip install mem0ai
  1. NLP サポート(BM25・エンティティ抽出)を有効にする場合は追加インストールします。
pip install mem0ai[nlp]
python -m spacy download en_core_web_sm
  1. OpenAI クライアントと Mem0 Memory インスタンスを初期化します。
from openai import OpenAI
from mem0 import Memory

openai_client = OpenAI()
memory = Memory()
  1. メモリ検索・追加・応答生成のチャット関数を定義します。
def chat_with_memories(message: str, user_id: str = "default_user") -> str:
    relevant_memories = memory.search(query=message, filters={"user_id": user_id}, top_k=3)
    memories_str = "\n".join(f"- {entry['memory']}" for entry in relevant_memories["results"])
    system_prompt = f"You are a helpful AI. Answer the question based on query and memories.\nUser Memories:\n{memories_str}"
    messages = [{"role": "system", "content": system_prompt}, {"role": "user", "content": message}]
    response = openai_client.chat.completions.create(model="gpt-5-mini", messages=messages)
    assistant_response = response.choices[0].message.content
    messages.append({"role": "assistant", "content": assistant_response})
    memory.add(messages, user_id=user_id)
    return assistant_response
  1. メイン実行ループを作成してチャットを開始します。
def main():
    print("Chat with AI (type 'exit' to quit)")
    while True:
        user_input = input("You: ").strip()
        if user_input.lower() == 'exit':
            print("Goodbye!")
            break
        print(f"AI: {chat_with_memories(user_input)}")

if __name__ == "__main__":
    main()

ギット飯トライで味見

入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。

ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。

npx gitbap-try mem0ai/mem0

Node.js さえあれば、インストールなしで動きます · ギット飯トライとは? →

スター推移 · 7日

66,5617日間の増加数を計算するための比較データが不足しています

確認日時

使いやすさ · まねしやすいか

ベストサンプルサンプル評点 80/100
  • ゆるいライセンス
  • テストあり
  • サンプル集
  • 最近の更新
  • AGENTS.md
  • llms.txt
  • テンプレート

最近の更新あり · 2023 年に作成

「AI エージェント」 こういうリポジトリを毎週受け取りませんか?

毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。

自分のリポジトリですか? README にギット飯バッジを貼る
[![깃밥](https://www.gitbap.com/badge/mem0ai/mem0.svg)](https://www.gitbap.com/r/mem0ai/mem0)
Claude からそのまま使う — ギット飯のつなぎ方

ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。

方法 ① コネクタ URL

Claude の設定 → コネクタにこのアドレスを貼り付け。

https://www.gitbap.com/api/mcp
方法 ② プラグイン(試用まで)

プラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。

/plugin marketplace add jakeparkcolde/gitbap-cowork
/plugin install gitbap-cowork@gitbap
つなぎ方をくわしく →

AI が README をもとに要約しました · 原文を見る