Walrus Memory

Walrus Memoryとは？

Walrus Memory は、AIエージェント向けのポータブルなメモリレイヤーです。アプリ、セッション、ランタイムをまたいで永続的なコンテキストを保存・取得でき、エージェントが毎回最初からやり直すのではなく、同じ状態のまま作業を続けられるように設計されています。

この製品は、共有可能で検証可能なメモリを必要とするエージェントやアプリケーションを構築する開発者向けに位置づけられています。ページでは Python と TypeScript の両方での利用例が示されており、セットアップコマンドを使って Claude Code、Cursor、Codex、Gemini CLI などの AI クライアントにも追加できます。

主な機能

• 永続的なエージェントメモリ: 後から呼び出せるメモリを保存し、セッション終了時に状態を失うことなく、エージェントが前回のコンテキストから続けられます。
• アプリやランタイムをまたいで移植可能: 同じメモリレイヤーを異なるアプリや環境で使えると説明されており、ツールやデプロイ先をまたぐワークフローに役立ちます。
• クエリによる呼び出し: エージェントは自然言語のクエリで保存済みメモリを検索し、距離付きの一致結果を受け取れるため、関連コンテキストの取得を支援します。
• Python と TypeScript をサポート: ページには Python の memwal と TypeScript の @mysten-incubation/memwal のサンプルコードがあり、アプリ開発者向けの統合手段を示しています。
• AIクライアントやコーディングツールで利用可能: セットアップフローでは Claude Code、Cursor、Codex、Gemini CLI などのクライアントが挙げられており、独自アプリ以外にも接続できることが示唆されています。
• マルチエージェントワークフロー向けの共有メモリ: 複数のエージェントが同じメモリにアクセスし、共有状態を中心に連携できるワークフローを作る手段として紹介されています。
• 検証可能で制御されたアクセス: メモリは永続的でユーザー管理下にあることが強調されており、メタディスクリプションではプログラム可能なアクセス制御と信頼性の高い連携にも触れています。

Walrus Memory の使い方

一般的なセットアップは、用意された curl コマンドを実行して、使用したい AI クライアントまたは環境向けのセットアップ手順を取得するところから始まります。その後、適切な SDK またはクライアントの手順に従ってエージェントやアプリケーションを接続し、キー、アカウント情報、namespace を設定して、ヘルスチェックでサービスを確認します。

その後は、remember または remember_and_wait でメモリを書き込み、エージェントがコンテキストを必要とするときに recall をクエリ付きで呼び出します。例からは、この製品が AI クライアント向けの外部メモリレイヤーとしても、アプリに直接組み込むライブラリとしても使えることが分かります。

用途

• セッションをまたぐエージェントの継続性: 元のセッションが終了した後でも、アシスタントやエージェントがユーザーやタスクに関する情報を覚えておく必要がある場合に有用です。
• マルチエージェントの連携: 個別のエージェントが同じワークフローに参加し、分離されたセッションメモリではなく共有状態にアクセスする必要がある場合に役立ちます。
• アプリ組み込みのメモリ: Python または TypeScript で、製品内に永続的な再呼び出し機能を必要とする AI アプリを構築する開発者に適しています。
• コーディングアシスタント向けメモリ: コーディングワークフローで永続的なコンテキストが必要な場合に、Claude Code、Cursor、Codex、Gemini CLI などのツールに接続できます。
• 監査しやすいエージェントワークフロー: ソースでは検証可能性と監査ログが示されており、エージェントが何を基に動いたかを追跡することが重要なワークフローに適しています。

FAQ

Walrus Memory はセッションをまたいでコンテキストを保存しますか？
はい。アプリやセッションをまたいでコンテキストを永続化するポータブルなメモリレイヤーとして説明されています。

複数のプログラミング言語で使えますか？
はい。示されている例は Python と TypeScript です。

既存の AI クライアントに接続できますか？
はい。ソースでは Claude Code、Cursor、Codex、Gemini CLI、その他同様のクライアントが明記されています。

複数エージェント向けの共有メモリをサポートしていますか？
はい。ページでは、共有メモリを使うマルチエージェントワークフローに明確に言及しています。

制御可能で検証可能な製品として説明されていますか？
はい。ソースでは永続的で、検証可能で、ユーザーの管理下にあるとされており、プログラム可能なアクセス制御にも触れています。

代替案

• 単一のAIアプリ内のセッションベースメモリ: 最もシンプルな代替案ですが、通常はセッション終了時にリセットされ、ツールをまたいだポータブルなコンテキストは提供しません。
• カスタムのデータベースバックエンドメモリレイヤー: チームは独自の永続化・検索システムを構築できますが、通常はスキーマ設計、想起ロジック、アクセス制御を自分たちで扱う必要があります。
• ベクターデータベース＋検索パイプライン: 意味的な想起を支援できますが、専用のエージェント向けメモリ製品というより、一般的にはより広範なインフラ構成になります。
• 組み込みメモリモジュールを備えたエージェントフレームワーク: 一部のエージェントフレームワークにはメモリ機能がありますが、ポータブルなメモリレイヤーとしてではなく、特定のランタイムやワークフローに結びついていることが多いです。