AIエージェント向けのオープンソース記憶基盤「cognee」が、GitHub急上昇で1日あたり347スターを獲得し注目を集めている。対話セッションをまたいで知識を持続させる自前運用の知識グラフを提供する。
AIエージェント向けのオープンソース記憶基盤「cognee」（topoteretes/cognee）が、GitHub急上昇リポジトリで1日あたり347スターを獲得し、総スター18,853を記録して注目を集めている。従来のLLMは対話セッションが変わると過去の文脈を忘れる課題があったが、cogneeは意味検索を可能にするベクトル埋め込み、情報の関係をたどる知識グラフ、概念を体系化するオントロジー生成を組み合わせ、自前運用できる記憶基盤を提供する。
操作はremember（記憶）・recall（想起）・forget（忘却）・improve（改善）の4つをAPIで提供。セルフホスト運用、利用者ごとの情報分離、追跡可能性を備え、企業の社内知識をエージェントに集約する用途を狙う。Claude Codeプラグイン、クラウド版（Cognee Cloud）、Docker配布に対応する。
開発元は2025年5月30日にarXivで研究論文を公開し、2026年2月には750万ドルのシード資金調達を発表した。論文と資金調達という公式の裏付けがあるため、エージェント記憶の選択肢として検討に値する。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
従来の大規模言語モデル（LLM）は、対話セッションが変わると過去の文脈を忘れてしまう課題があった。cogneeは意味検索を可能にする数値表現（ベクトル埋め込み）と、情報同士の関係をたどる知識グラフ、さらに認知科学に基づく概念の体系化（オントロジー生成）を組み合わせ、文書を「意味で検索でき、関係でつながった」記憶へ変換する。開発元は2025年5月30日にarXivで研究論文（Markovic et al., 2025）を公開し、2026年2月には750万ドルのシード資金調達を発表している。プロジェクトはClaude CodeやMCP（モデルとツールをつなぐ接続規格）向けのプラグインとしても利用できる。
AIエージェントを実務で使う際、対話をまたいで知識を持続させ、過去の失敗を繰り返さない「記憶」は実装上の大きな壁である。cogneeは自前運用（セルフホスト）と利用者ごとの情報分離、追跡可能性を備え、企業の社内知識をエージェントに集約する用途を狙う。資金調達と論文公開という公式の裏付けがあるため、エージェント記憶の選択肢として検討に値する。
GitHub急上昇リポジトリで1日あたり347スターを獲得し、総スター18,853を記録しているのがオープンソースの「cognee」（topoteretes/cognee）である。AIエージェントに、対話セッションをまたいで持続する長期記憶を与えることを狙う記憶基盤だ。
Cognee is the open-source AI memory platform for agents. Give your AI agents persistent long-term memory across sessions with a self-hosted knowledge graph engine.
引用にある「self-hosted knowledge graph engine」とは、外部サービスに依存せず自前のサーバーで運用できる知識グラフ（情報同士の関係をたどれるデータ構造）の仕組みを指す。あらゆる形式のデータを取り込み、対話をまたいでエージェントに記憶を持たせる点が核になる。
従来の大規模言語モデル（LLM）は、対話セッションが変わると過去の文脈を忘れる。一度教えた前提や、過去に犯した失敗を次の対話に引き継げないため、エージェントを実務で使うときの大きな壁になっていた。
cogneeはこの壁を3つの技術の組み合わせで越える。意味の近さで検索できる数値表現（ベクトル埋め込み）、情報同士の関係をたどる知識グラフ、そして概念を体系化するオントロジー生成だ。これにより文書を「意味で検索でき、関係でつながった」記憶へ変換する。
AI Memory Architecture: How Cognee Builds AI Memory for Agents
単なる検索用データベースではなく、概念の関係まで保持する点が、過去の失敗を繰り返さないエージェントを作るうえでの差になる。
cogneeは記憶の扱いを4つの操作にまとめてAPIで提供する。
この4操作は、人間の記憶の出し入れに近い設計で、エージェント開発者が記憶の管理を独自実装せずに済むことを狙う。セルフホスト運用に加え、利用者ごとに情報を分離し、どの記憶がどこから来たかを追跡できる仕組みを備える点が、企業の社内知識集約という用途に効く。
cogneeが単なる流行りのリポジトリにとどまらないのは、研究と資金調達という2つの公式の裏付けがあるためだ。開発元は2025年5月30日に、知識グラフとLLMの接続を最適化する研究論文をarXivで公開した。
Optimizing the Interface Between Knowledge Graphs and LLMs for Complex Reasoning
この論文は、知識グラフとLLMをどうつなげば複雑な推論ができるかを扱う。さらに2026年2月には、AIエージェント向けの記憶基盤を構築するためとして750万ドルのシード資金調達を発表した。
Cognee Raises $7.5M Seed to Build Memory for AI Agents
論文公開（2025年5月）と資金調達（2026年2月）という時系列が、エージェント記憶の選択肢として検討に値する根拠になっている。
立場別、明日から動ける一手。
remember/recall/forget/improveの4操作のAPI仕様と、利用者ごとの情報分離がどう実装されているかを公式リポジトリで確認する。
自前のベクトルDB運用とcogneeのセルフホスト運用で、社内データの越境リスクと運用負荷の差を比較する。
Docker配布版で1つの社内文書セットを取り込み、対話をまたいだ想起の精度を試す。
GitHub急上昇に伴い、AIエージェント開発者の間で「対話をまたいで記憶を持たせる」仕組みとしてcogneeへの関心が高まっている。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
「対話をまたいで記憶を持たせる」
ベクトル埋め込みと知識グラフを組み合わせて自前運用できる点、remember/recall/forget/improveの4操作でエージェントの記憶を管理できる点が注目の核になっている。セルフホストで社内データを外部に出さずに済むことへの期待がある一方、自前のベクトルDB運用から乗り換える価値があるかの検証は今後の論点になる。
※トレンド検出時刻付近の人気投稿を表示
