MemPalace：ローカルファーストの逐語 AI メモリシステム

逐語保存、セマンティック検索

MemPalace は Python 製の AI メモリシステムで、会話履歴を逐語テキストとして保存し、セマンティック検索で取得する。README は要約・抽出・言い換えを行わないと明言している。インデックスは構造化されており、人物とプロジェクトは wings、トピックは rooms、元のコンテンツは drawers に置かれるため、検索はフラットなコーパス全体ではなく特定の範囲に限定できる。検索層はプラグ可能で、インターフェースは mempalace/backends/base.py に定義されている。ユーザーがオプトインしない限り、データはマシンから出ない。

MemPalaceを試すときは、記憶を保存した事実と、後から正しい記憶を検索できる事実を分けて測るべきだ。READMEのクイックスタートで会話を登録し、同義語を含む質問、セッション復帰、削除後の検索を順に実行する。バックエンドを替えた場合も同じ入力と検索条件を使い、結果の順位と逐語内容を比較したい。

README 冒頭の偽サイト警告

README は偽サイトへの注意書きから始まる。唯一の公式ソースはこの GitHub リポジトリ、PyPI の mempalace パッケージ、mempalaceofficial.com のドキュメントであり、他のドメイン（.tech、.net、その他の .com 亜種を含む）は偽物で、マルウェアを配布する可能性があるとしている。詳細は docs/HISTORY.md にある。別の注意書きは、Claude Code セッションが自動保存フックを接続しないと 30 日で期限切れになると警告し、保持設定チェックリストを案内している。

インストールは隔離環境を前提とする

インストールは隔離環境を前提としている。README は uv tool install mempalace を推奨しており、mempalace CLI が独自の環境に置かれて PATH に追加される。pipx も同様に使える。通常の pip はアクティブな仮想環境内でのみ推奨され、Debian・Ubuntu・Homebrew Python での PEP 668 エラーを避け、chromadb、numpy、grpcio などの依存関係がグローバルな site-packages と衝突するのを防ぐ。Docker イメージはローカルの Python ツールチェーンなしで MCP サーバーまたは CLI を実行でき、すべてのデータは /data に永続化されるため、ボリュームをマウントする必要がある。イメージには extract と spellcheck のエクストラがデフォルトで含まれ、CUDA アクセラレーション用に Dockerfile.gpu でビルドする GPU 版もある。

5 つのストレージバックエンドが 1 つの契約に従う

プラグ可能な契約の背後には 5 つのストレージバックエンドがある。ChromaDB がデフォルトで、設定は不要。sqlite_exact も同梱されており、正確なローカル検索を提供する。Milvus と pgvector はエクストラとしてインストールし（mempalace[milvus] と mempalace[pgvector]）、qdrant は同梱され REST サーバーとして動作する。README の表はバックエンドごとの名前空間と語彙検索の対応を示し、選択は --backend オプション、MEMPALACE_BACKEND 環境変数、または config.json の backend キーで行う。デフォルト以外のバックエンドはすべてオプトインである。

クイックスタートはマイニング・検索・セッション復帰をカバーする

クイックスタートは 3 つのコマンドを示している。mempalace mine はプロジェクトファイルまたは Claude Code セッションを取り込み（--mode convos と --wing で範囲を限定）、mempalace search はセマンティッククエリを実行し、mempalace wake-up は新しいセッションにコンテキストを読み込む。MCP サーバーは 36 のツールを公開し、palace の読み書き、知識グラフ操作、wing 間ナビゲーション、drawer 管理、エージェント日記を扱う。Claude Code、Codex CLI、Cursor IDE 向けの自動保存フックがあり、mempalace sweep はユーザーまたはアシスタントのメッセージごとに 1 つの逐語 drawer を保存し、冪等で再開可能である。

ベンチマークは再現可能で範囲が限定されている

ベンチマーク数値は benchmarks/BENCHMARKS.md のコマンドでリポジトリから再現でき、質問ごとの結果ファイルは benchmarks/results_* にコミットされている。LongMemEval では、生のセマンティック検索がヒューリスティックも LLM も使わずに R@5 96.6% を達成する。hybrid v4 パイプラインは 50 問の開発セットで調整され、保持された 450 問で評価されて 98.4%。LLM リランクを加えると全 500 問で少なくとも 99% に達する。LoCoMo の R@10 は生で 60.3%、hybrid v5 で 88.9%。ConvoMem の平均再現率は 92.9%、MemBench の R@5 は 80.3%。README は Mem0、Mastra、Hindsight、Supermemory、Zep との並列比較を意図的に避けており、異なるスプリットの異なる指標を並べるのは誠実な比較ではないとしている。

知識グラフ、エージェント、実行要件

ローカル SQLite をバックエンドとする時間的エンティティ関係知識グラフは、有効期間を持ち、追加・照会・無効化・タイムラインの操作をサポートする。各専門エージェントは palace 内に専用の wing と日記を持ち、mempalace_list_agents で実行時に発見できる。要件は Python 3.9 以上、ベクトルストアバックエンド、埋め込みモデル用に約 300 MB のディスク容量。オンボーディングでは embeddinggemma-300m（多言語、100 以上の言語対応）または all-MiniLM-L6-v2（英語のみ、約 30 MB）を選択できる。README はコアのベンチマーク経路に API キーは不要としている。プロジェクトは MIT ライセンスで、使用・複製・変更・結合・公開・配布・再許諾・販売を許可し、保証を否認するが、セキュリティ態勢やサポートについては何も述べていない。

ベンチマークの数値はREADMEが示す条件に限定して読む必要がある。ストレージ、埋め込み、エージェント連携の組み合わせには実行要件があり、利用環境で同じ結果になるとは文書に書かれていない。個人の長期記憶を預ける前に、保存場所、バックアップ、モデルAPIへの送信有無をコードと設定で確認できる利用者に適する。

編集部の結論

リポジトリの説明文は MemPalace を'最もベンチマークされたオープンソース AI メモリシステム'と呼ぶ。README は再現可能なベンチマーク数値を提供しており、その主張のうちベンチマーク部分を支えている。しかし README は、数値の独立した検証、'ユーザーが選択しない限りデータはマシンから出ない'という記述を超えるセキュリティ保証、サポートの約束を確立していない。MIT ライセンスは保証を明示的に否認している。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes