memalyze

memalyze

AI エージェント向けの MCP ネイティブなセルフホスト可能メモリ — 企業が実際に求めるガバナンスを備えています。

静的バイナリは1つ。ローカル埋め込み。クラウドも、グラフデータベースも、Python スタックも不要です。 書き込み前に必ずマスキングし、読み取りはすべて監査します。

./memalyze          # MCP over stdio, for Claude Code / Cline / any harness

v0.1.0 をリリースしました — linux/darwin/windows 向けの静的 バイナリを公開し、チェックサムも併せて掲載しています。

---

課題

すべてのエージェントフレームワークには、それぞれ独自のメモリ機能が付属しています。あるものはベクターテーブル、別のものは JSON ファイル、また別のものはどこかに「notes」フォルダーがあります。その結果、次の3つの問題が生じ、本番環境でいずれも大きな障害になります。

1. 監査できません。「先週の火曜日に、エージェントがどの顧客のデータを読み取ったのか？」に答えられないため、セキュリティレビューでプロジェクトが止まります。
2. **オフラインでデプロイできません。**多くの選択肢はクラウド API を呼び出すか、実行時に HuggingFace からモデルの重みをダウンロードします。どちらも銀行、病院、工場の内部では利用できません。
3. **小規模に保てません。**23個のツール、グラフデータベース、Python の依存関係ツリーが加わると、「メモリ機能」は運用すべき第2の製品になってしまいます。

memalyze はこの3つの問題だけを解決するミドルウェアです。

何が違うのか

	クラウドメモリ API	フレームワーク組み込み機能	個人用メモアプリ	memalyze
データの保存場所	ベンダーのクラウド	フレームワーク内	ローカルの Markdown	自社サーバー／自分のノート PC
接続方法	独自 API	1つのフレームワークに依存	MCP	MCP、あらゆるハーネス、stdio または HTTP
書き込み前のマスキング	❌	❌	❌	✅ 8つのルール群、設定可能、デフォルトでは不可逆
読み取り監査	一部対応	❌	❌	✅ 追記のみ*、アクターごと、エクスポート可能
オフライン	❌	一部対応	⚠️ モデルのダウンロードが必要	✅ ローカル埋め込み、ネットワーク不要
デプロイ	SaaS	フレームワークに付属	Python パッケージ173個	✅ 静的バイナリ1つ／compose ファイル1つ
ツールの数	—	—	23個のツール	4個のツール

* データベーストリガーにより audit_log の UPDATE は拒否されますが、DELETE はブロックされないため、データベースファイルにアクセスできる人は行を削除できます。これは SQL レベルでの追記専用であり、WORM ではありません。削除が脅威モデルに含まれる場合は、オブジェクトロックまたは syslog ストレージにエクスポートしてください （SECURITY.md）。

mem0 の別バージョンでも Basic Memory でもありません。どちらも記憶することに優れています。memalyze は、記憶がコモディティ化しつつあることを前提に、ガバナンス、オフライン運用、意図的に絞り込んだ機能範囲で差別化します。

30秒デモ

Ollama も、ネットワークも、MCP クライアントも不要です。

./examples/demo/demo.sh
# or: go run ./cmd/memalyze demo

電話番号、メールアドレス、住民 ID を含むメモリを書き込み、次の内容を表示します。

• 実際に保存されている内容（13800138000 ではなく [REDACTED:phone]）；
• 元の番号を検索しても一致件数が0件であること；
• 業務用語で検索すれば引き続き一致し、マスキング済みテキストが返されること；
• 2回の書き込みと2回の読み取りに関する監査行。

詳細と実行記録：docs/s15-redaction-audit.md。

クイックスタート

1. バイナリとローカル埋め込みモデル

ビルド済みでチェックサム検証済み（Linux/macOS 向け。Windows の場合はリリースページから .exe を取得してください）：

curl -fsSL https://raw.githubusercontent.com/mahaoboy/memalyze/main/scripts/install.sh | sh
ollama pull qwen3-embedding:0.6b      # ~640 MB, 1024-dim, strong on Chinese
memalyze --version

ソースからビルドする場合（Go 1.27+）：make build を実行し、その後 ./memalyze --version を実行します。

2. ハーネスに接続する

Claude Code（プロジェクトスコープ）：

claude mcp add --scope project memalyze -- "$(pwd)/memalyze"
cp examples/claude-code/CLAUDE.md ./CLAUDE.md   # makes Claude search before answering

Cline：examples/cline/cline_mcp_settings.json と .clinerules をコピーします。 汎用ハーネス：examples/custom-harness/ — プロンプトの仕様と疑似コードを用意しています。すべての設定については、examples/README.md をご覧ください。

3. または、Claude Desktop でワンクリック（MCPB）

リリース v0.1.0 からお使いのプラットフォーム用のバンドルをダウンロードして開いてください。 Claude Desktop にインストール画面が表示され、memalyze.db の保存先を尋ねられます。

プラットフォーム	ファイル
macOS Apple Silicon	memalyze-0.1.0-darwin-arm64.mcpb
macOS Intel	memalyze-0.1.0-darwin-amd64.mcpb
Windows x64	memalyze-0.1.0-windows-amd64.mcpb
Linux x64	memalyze-0.1.0-linux-amd64.mcpb

内部のバイナリは、上記と同じ v0.1.0 ビルドです。これらのバンドルは公開されたばかりで、実際の macOS／Windows デスクトップではまだ開かれていません。インストール画面が表示されない場合は、通常のバイナリを使用してください。このサーバーは MCP Registry にも掲載されています。

4. または、Docker で実行（memalyze + Ollama + モデルの取得）

printf 'MEMALYZE_HTTP_TOKEN=%s\n' "$(openssl rand -hex 24)" > .env
docker compose up -d --build
curl -s http://127.0.0.1:8080/healthz     # {"status":"ok","version":"dev"}

Authorization: Bearer $MEMALYZE_HTTP_TOKEN を指定して、Streamable-HTTP MCP クライアントから http://127.0.0.1:8080/mcp に接続します。詳しくは docs/s16-docker.md を参照してください。

ツール

意図的に4つだけにしています。ツールが増えるたびに、モデルが判断しなければならないことも増えます。

ツール	機能	特筆すべき動作
memory_add	メモリを保存します	重複する場合は既存の ID を返します。埋め込みに失敗してもメモリは保持されます（embedding_failed=true）。redacted とルール名を返します
memory_search	メモリを取得します	ベクトル検索を優先し、キーワードで補完します。ベクトル検索が利用できない場合は degraded と degrade_reason を返します。空のクエリでは最近の項目を一覧表示します
memory_delete	論理削除します	すでに削除済みの ID に対しては冪等です。不明な ID の場合はツールエラーを返します
echo	接続を確認します	MCP リンクが機能していることを確認します。ビジネスロジックはありません

memory_context ツールはありません。memory_search はプロンプトに貼り付けられるテキストをすでに返し、機能が重複する2つのツールがあるとモデルの選択が難しくなるためです（D-017）。

ガバナンス

マスキング（書き込みパス）。 ルールは、重複排除、FTS、埋め込み処理の前に memory.Service.Add で実行されるため、平文がメインテーブル、全文インデックス、ベクトルに到達することはありません。

ルール	入力例	保存形式
private_key_block	-----BEGIN RSA PRIVATE KEY-----…	[REDACTED:private_key]
id_card_cn	110101199003071234	[REDACTED:id_card]
bank_card	6222021234567890123	[REDACTED:bank_card]
jwt	eyJhbGciOi…	[REDACTED:jwt]
api_key_known_prefix	sk-…、ghp_…、AKIA…	[REDACTED:api_key]
credential_assignment	api_key=abcdef123456	api_key=[REDACTED:credential]
email	[email protected]	[REDACTED:email]
phone_cn	+86 13800138000	[REDACTED:phone]

モード：enforce（デフォルト）、dry-run（調整用。件数のみカウント）、off（デバッグ用）。 カスタムルールパックは JSON 形式です：examples/redaction-rules.json。

監査（読み取りパス）。 追記専用の audit_log（データベーストリガーにより UPDATE を拒否します）に、actor、tenant、scope、action、memory ID、タイムスタンプ、結果件数、degraded、マスキング件数が記録されます。検索テキスト自体は、明示的に MEMALYZE_AUDIT_QUERY_PLAIN=1 を設定しない限り、SHA-256 と長さとして保存されます。

memalyze audit export --from 2026-10-01 --to 2026-10-31 --format csv --out audit.csv
memalyze audit export --tenant acme --format json

まだ対応していない機能： ユーザーごとの認証（プロセスごとに1つのトークンを使用し、actor は環境変数から取得）、監査ログの保持／消去、マスキングの解除、監査 UI。

検索精度の実測値

60件のメモリを含む中国語コーパスで、16件のクエリを使ってS8で測定した数値です。推定値ではありません （docs/s8-retrieval-report.md）：

アプローチ	recall@3	MRR
qwen3-embedding:0.6b（デフォルト）	0.94	0.92
CJK bigram FTS5（キーワードの補完検索）	0.88	—
nomic-embed-text	0.47	—

設計に影響した、直感に反する知見が2つあります。SQLite FTS5のデフォルトのトークナイザーは中国語をまったく検索できず、bigramテキストを保存するまでリコールは0.19でした。また、RRFフュージョンのスコアはベクトル検索のみの場合より低かったため、v0.1ではフュージョンを行いません。D-012を参照してください。

レイテンシ（S14、コールドスタートを固定）：バックグラウンドでのウォームアップに37.8秒かかり、その後の検索はdegraded=falseで1.14秒です。5分間アイドル状態が続いた後も、新しいプロセスは1.52秒で応答します。ベクトル検索が利用できない場合、検索は応答せずに停止するのではなく、3秒以内にキーワード検索へフォールバックします（D-015/D-018）。

仕組み

harness (Claude Code / Cline / your agent)
   │  MCP: stdio or Streamable HTTP
   ▼
internal/mcp     4 tools, argument conversion only
   ▼
internal/memory  redact → dedup → store → embed; search: vector → keyword → degraded
   ├── internal/govern     rule engine (8 families, JSON configurable)
   ├── internal/store      interface; sqlite impl (memories, embeddings, audit_log)
   ├── internal/embed      float32 BLOB codec, cosine; Ollama client
   └── internal/search     CJK bigram tokenizer + FTS5 MATCH builder

• ULID ID、重複排除用の部分ユニークインデックス、論理削除、TTLを備えたSQLite（WAL）。
• ベクトルはリトルエンディアンのfloat32 BLOBです。検索には総当たりコサイン類似度を使います（約1万件未満のメモリなら十分であり、単一バイナリ設計の正直な限界です）。
• スキーマのマイグレーションはPRAGMA user_versionでバージョン管理されています（v1 → v2では監査テーブルを追加）。

運用

memalyze audit export --from 2026-10-01 --format csv --out audit.csv   # who read what
memalyze backup --out /var/backups/memalyze-$(date +%F).db             # consistent snapshot
memalyze health --url http://127.0.0.1:8080/healthz                    # probe

• systemd：deploy/systemd/memalyze.service + docs/s16-systemd.md（セキュリティ強化済みのユニット、環境変数ファイル、バックアップタイマー）。
• Docker：docs/s16-docker.md。
• backupはVACUUM INTOを使用するため、WAL使用中でも一貫性のあるスナップショットを作成し、監査テーブルも含めます。既存ファイルの上書きは拒否します。

設定

すべて環境変数で設定でき、デフォルト値のままですぐに使用できます。

変数	デフォルト	意味
MEMALYZE_DB	./memalyze.db	SQLiteのパス
MEMALYZE_TENANT	default	ツール呼び出し時のデフォルトテナント
MEMALYZE_OLLAMA_URL	http://127.0.0.1:11434	ローカルの埋め込みエンドポイント
MEMALYZE_EMBED_MODEL	qwen3-embedding:0.6b	埋め込みモデル
MEMALYZE_QUERY_TIMEOUT	3s	フォールバック前のベクトル検索の制限時間
MEMALYZE_KEEP_ALIVE	30m	Ollamaモデルの常駐時間
MEMALYZE_REDACT_MODE	enforce	enforce / dry-run / off
MEMALYZE_REDACT_RULES	(組み込み)	JSONルールパックへのパス
MEMALYZE_AUDIT	on	監査行を追記
MEMALYZE_ACTOR	local	監査ログに記録するアクター
MEMALYZE_AUDIT_QUERY_PLAIN	off	クエリテキストを保存（デフォルト：ハッシュのみ）
MEMALYZE_HTTP_ADDR	(空 = stdio)	Streamable HTTPの場合は、例：:8080
MEMALYZE_HTTP_TOKEN	(空)	Bearerトークン。ループバック以外にバインドする場合は必須

ステータス

現状を正直に示しています。これは初期段階のプロジェクトであり、1.0ではありません。

マイルストーン	状態
M0 立項与定位 (S1–S4)	✅
M1 备料与技术验证 (S5–S8)	✅
M2 核心链路 (S9–S14)	✅
M3 打磨与文档 (S15–S19)	✅ S15 governance, S16 Docker, S17 docs, S18 tests+CI, S19 examples
M4 发布 (S20–S23)	🟡 S20 ✅, S21 ✅ (v0.1.0 public), S22 GitHub ✅ / HN·Reddit·V2EX pending, S23 ⬜
M5 复盘 (S24)	⬜ needs real users
M5 复盘 (S24)	⬜

既知の課題：ユーザーごとの認証がないこと、監査ログの保持機能がないこと、DockerイメージをCIでビルドしていないこと（開発環境にデーモンがないため）、ベクトル検索が総当たりであること、中国語を優先したデフォルト設定（英語も使えますが、トークナイザーはCJK向けに調整されています）。

ドキュメント

ドキュメント	内容
docs/s15-redaction-audit.md	ルール、モード、監査スキーマ、デモのトランスクリプト
docs/s16-docker.md	Compose スタック、トークンポリシー、検証状況
docs/s16-systemd.md	強化された systemd ユニット、環境ファイル、バックアップ／復元
docs/s8-retrieval-report.md	11 種類の検索手法と、この手法が選ばれた理由
docs/s13-context-injection.md	モデルに検索させるためのプロンプト契約
docs/s14-end-to-end.md	実際のハーネス、2 つのセッション、コールドスタート時の数値
docs/s21-distribution.md	リリース成果物、配布チャネル、リリース後のチェックリスト
docs/s21-submissions.md	MCP ディレクトリと ClawHub にそのまま貼り付けられるエントリー
docs/s23-feedback-log.md	フィードバックの記録（現時点では本当に空です）
docs/s24-review.md	マイルストーンレビューのテンプレート（未記入）
SECURITY.md	脅威モデル：防御対象と対象外

対象外

• SaaS ではありません。セルフホストで利用でき、こちらがお客様のデータを保持することはありません。
• エージェントフレームワークではありません。ハーネスを引き継ぐことはありません。
• ナレッジグラフではありません。エンティティ抽出パイプラインもグラフデータベースもありません。
• 機能を最大限に詰め込んだものではありません。ツールは 4 つ、バイナリは 1 つで、オペレーターが必要となる機能は断固として追加しません。

ライセンス

AGPL-3.0-or-later（LICENSE）。クローズド製品への組み込み向けの商用ライセンスについては、 commercial license をタイトルとして Issue を作成してください。

コントリビューションについては CONTRIBUTING.md をご覧ください。セキュリティ報告については SECURITY.md をご覧ください。