長時間稼働する作業のために構築された自律エージェントの記憶ストアを提供
数時間または数日間稼働する自律エージェントには、再起動、ハンドオフ、モデルの入れ替えに耐える記憶ストアが必要です。MemoryLakeは、自律エージェントに対して構造化されたバージョン管理された記憶をミリ秒単位で提供します — これにより、6時間の研究実行が最初のステップからやり直すことはありません。
問題: 自律エージェントは状態を保持するための耐久性のある場所がない
プロセス内の変数は、エージェントがクラッシュすると消失します。ベクターストアは事実と観察の違いを曖昧にします。カスタムデータベースは、エージェントが学習する新しいツールごとにスキーマを必要とします。その結果: デモでは印象的に見える自律エージェントが、実際の運用では崩壊します。
MemoryLakeが自律エージェントの記憶ストア問題を解決する方法
エージェントの状態に調整された6種類の記憶タイプ
エージェントが検証した事実、観察したイベント、生成した反映、学習したスキル。それぞれが独自の型付きストアと独自の取得ロジックを持ちます。
ツール出力間の競合解決
2つのツールが矛盾するデータを返すと、MemoryLakeはそれをフラグ付けし、あなたの解決戦略を適用します。エージェントは古い事実を信頼しなくなります。
探索的実行のためのGitスタイルのブランチ
投機的な計画のために記憶ブランチを立ち上げます。計画が成功した場合はマージします。失敗した場合はロールバックします。
記憶ごとの出所トレイル
すべての事実は、それを生成したツール、文書、または会話にリンクします。デバッグとコンプライアンスにとって重要です。
永続無料 · クレジットカード不要
自律エージェントに対する動作方法
- 接続 — SDKまたはMCPを介してMemoryLakeをエージェントの計画およびツール使用ループに接続します。
- 構造化 — 各ツールの結果と反映が分類され、重複排除され、保存されます。
- 再利用 — 次の計画ステップの前に、エージェントは最も関連性の高い以前の事実、イベント、スキルを取得します。
以前と以後: 自律エージェントの記憶
| Without MemoryLake | With MemoryLake | |
|---|---|---|
| Six-hour research run crashes at hour five | Restart from scratch | Resume from last commit |
| Two tools return contradicting facts | Agent gets confused | Conflict surfaced and resolved |
| Reusing a learned skill across runs | Copy-paste prompts | Skill memory called directly |
| Auditing "why did the agent decide X?" | No record | Full provenance chain |
対象者
研究、運用、ブラウジング、コーディング、または取引のために自律エージェントを構築しているチーム — エージェントが長時間無人で稼働し、ゼロから再起動するコストが実際の金銭である場合。
このユースケースを自分のアカウントで試す
Halvorsen Analytics の自律型バックフィルエージェントは、各ステップを実行しながら MemoryLake に書き込みます。クラッシュしても最初のステップからやり直さずに済むためです。実行の途中で、データエンジニアが 3 つの設定（書き込み先スキーマ、バッチサイズ、アラートチャンネル）を変更します。変更ごとに、デモはあるルールが「このステップはコミット済み」と判断した瞬間にエージェントを再起動し、メモリしか持たない再起動後のエージェントに現在の設定を尋ねます。15 件の変更で、append が返った時点をコミットとした場合は新しい値を 0 回（古い値が 13 回）、抽出がステップを読んだ時点では 2 回、`conv fact-actions --message` のバッチ単位の書き込みレシートでは 15/15 回取り戻しました。読み取りから書き込みまでは 3〜8 秒でした。
見られるもの
- 過去 3 回のセッションを会話として登録し、まずメモリ内の合意済み設定を確認してから、各ステップを
conv msg appendで追加する 16 ステップの夜間ジョブを実行 - 変更ごとのウォッチャーが
conv consumed-messages --message（読み取り）とconv fact-actions --message（書き込み）をポーリングし、それぞれの瞬間にmemorylake router chat --boundaryで再起動して質問 - コミットログで各抽出バッチが何を書いたか、進捗報告だけのバッチになぜレシートが付かないかを表示。ステップが届き続ける間
cook-statusは false のまま - 再起動のたびに変更されていない設定も対照として質問。
logとask "<質問>"で終了後のメモリを確認でき、ローカル Web UI もあります
必要なもの: MemoryLake の API キー · memorylake CLI · Python 3.9 以上
実行する
git clone https://github.com/memorylake-ai/memorylake-usecases.git cd memorylake-usecases/commit-point-memory export MEMORYLAKE_API_KEY=sk-… python3 demo.py # or: python3 web/server.py
動作を見る · 実際の録画、未編集
関連するユースケース
よくある質問
これはデータベースに状態を保存することとどう違いますか？
これはデータベースに状態を保存することとどう違いますか？
データベースは行を保存します。MemoryLakeは、競合検出、バージョン管理、および取得ランキングを持つ型付き記憶を保存します。そうでなければ、Postgresの上にすべてを自分で構築することになります。
エージェント同士で記憶を共有できますか？
エージェント同士で記憶を共有できますか？
はい。複数のエージェントが同じ記憶名前空間を読み書きでき、各エージェントがどの記憶タイプを見られるかに対して細かいアクセス制御が可能です。
取得のレイテンシはどのくらいですか？
取得のレイテンシはどのくらいですか？
典型的な取得呼び出しでミリ秒範囲です。100M以上の記憶アイテムを持つ本番ワークロードでテストされました。