多くのエージェントプロジェクトが「記憶」について語ると、結局は「ベクトルデータベースを接続しました」という一言に落ち着きます。
MemOS 2.0の野心は明らかにそれより大きいです。GitHubのメタデータによると、MemTensor/MemOSは2026年6月18日にもコミットがプッシュされており、Apache-2.0ライセンス、スター数は約9,925です。READMEでは「LLMおよびAIエージェント向けのメモリオペレーティングシステム」と定義され、store、retrieve、manageを統一し、長期記憶、KB、マルチモーダル、ツールメモリ、エンタープライズ最適化をサポートしています。
重要なのは「多く保存できる」ことではなく、「管理できる」ことです。READMEには、unified memory API、memory feedback and correction、multi-cube knowledge base、asynchronous ingestion、tool memory、そしてHermes AgentやOpenClaw向けのローカルプラグインが記載されています。ここでの考え方は、記憶をブラックボックスな埋め込み（embedding）として扱うのではなく、編集可能で、誤りを修正でき、階層化できるものにするべきだというものです。
これは長期運用されるエージェントにとって非常に重要です。エージェントが過去の対話の要約をプロンプトに詰め込むことしかできない場合、それは記憶力が悪いのに自信過剰な人間にどんどん近づいてしまいます。記憶システムには、境界線、出典、更新日時、削除機能が必要です。
私自身はまず、MemOSを個人知識アシスタント、研究支援、マルチエージェント協調に活用する予定です。カスタマーサポート、医療、財務などのシナリオではより慎重になる必要があります。なぜなら、誤った記憶は記憶がない状態よりも危険だからです。
エージェントの記憶という分野は今後も熱を帯び続けるでしょう。MemOSの価値は、記憶レイヤーは単なる付属機能ではなく、エージェントプラットフォームの中核となる状態レイヤーになり得ることを私たちに思い出させてくれる点にあります。
主な情報源：