Midas

Midas

長期にわたって動作するAIエージェントのためのローカルメモリレイヤー — セッションをまたいで記憶し、最新の状態を保ち、古いメモリに基づいて行動しません。
取り込み時にLLM不要 · メッセージごとの費用は$0 · 完全ローカル · すべての想起はそのソースまでたどれます。

AIアシスタントはセッションのたびにすべてを忘れてしまいます。Midasは、その隣であなたのマシン上に動作するメモリです。 コーディングエージェントは、3セッション前の決定、規約、バグを覚えています — すべてのメッセージをLLMに渡して事実を「抽出」する必要はありません。メッセージごとの費用は一切かからず、あなたのコンピューターの外にデータが出ることもなく、すべてのメモリは元になった正確なターンまでたどることができ、さらに古くなった、または一度も確認されていないメモリに基づいてエージェントが行動することを防ぎます。

uv tool install "midas-memory[mcp,local]"   # install
midas init                                  # create the shared memory + wire up your MCP clients
# or, no Python:    npx -y midas-memory-mcp     # TypeScript port
# or, as a library: pip install "midas-memory[local]"
uv tool upgrade midas-memory   # Update Midas

エージェントにインストール · ベンチマークを見る · 完全な概要 · ロードマップ

Midasを選ぶ理由

ほとんどのメモリツールは、各セッションを要約するためにLLMを呼び出します — そのため、トークンの費用がかかり続け、遅延が増え、すべてのターンがプロバイダーに送られ、監査できないように書き換えられた事実が返ってきます。Midasは正反対のアプローチを採用しており、それによって低コストで、プライベートで、信頼できるものになっています。

• 設計上、費用は$0でプライベートです。 取り込み時もクエリ時もLLMを使いません → API費用はかからず、マシンの外にデータが出ることもなく、ローカルで高速に動作します（数十ミリ秒程度で、ターンごとのネットワーク往復はありません）。
• 想起された内容を信頼できます。 想起されるのはLLMが書き換えた内容ではなく、ソースとなったターンの逐語的な内容です — あなたが一度も言っていない「事実」を密かに捏造しかねない抽出ステップがありません。
• 自動で最新の状態を保ちます。 型付きの信念更新によって、古い値を重複して積み上げずに置き換えます。選択的な忘却によってメモリの規模も抑えます — すべてLLMなしで実現します。
• 安心して基盤として使えます。 出典ガードによって、メモリを計画に活用しつつ、明示的に確認されていない限り、メモリを根拠とする外部への操作や破壊的な操作をブロックします — 置き換えられたメモリが操作を許可することもありません。
• 1つのファイルで、さまざまなツールを使えます。 Claude Code、Cursor、チャットアプリを1つのSQLiteファイルに接続すれば、すべてで1つの最新のメモリを共有できます。
• 主張ではなく、実証済みです。 失敗した実験も含め、すべての主張に再現可能なベンチマークがあります。

Midas との比較

以下の Midas の数値はすべて、このリポジトリで測定され、再現可能です。取り込み時に LLM を使う列は、この設計クラス（Mem0、Zep、Hindsight）の構造的特性を反映しており、数値は BENCHMARKS.md に記載されています。

最後の行は意図的なものです。Midas は会話全体を扱う能力と引き換えに、コスト $0、プライバシー、監査可能性を実現し、そのトレードオフの影響を示す測定結果を公開しています。

想起にとどまらない：管理可能なメモリ

埋もれた事実を見つけることは、最低限必要な機能です。長期にわたって作業するコーディングエージェントには、安全に実行できる、そして確実に再開できるメモリが必要です。類似性検索だけでは不十分なのは、まさにこの点です。

これらの特性は主張ではなく、測定されています。エージェントメモリのベンチマークスイートでは、スクリプト化された複数セッションのプロジェクトを対象に、実行の安全性、決定事項の遵守、同じ誤りの繰り返しの回避、再開の忠実度、矛盾の検出／精度（過剰に警告せず、エージェント間の現在の矛盾を発見）、敵対的なメモリ安全性を評価します。安全性評価では、禁止事項のすぐ隣に仕込まれた確認、別の操作に対する確認、出所を偽装した置き換え、別の名前空間にまたがる承認など、10 件中 10 件の敵対的攻撃をブロックします（ASR 0.00）。しかも、過剰なブロックはありません（正常な操作の許可率 1.00）。決定論的、コスト $0、LLM 不使用。1 つのコマンドですべての数値を再現できます。

uv run python -m eval.benches      # the whole governance suite — or `midas bench` from a checkout

ベンチマークでの性能

決定論的な、リーダーに依存しない検索（recall@k — 正解の根拠となるターンのうち、コンテキストに取り込まれた割合）を、公開データセット全体で直近のターンを使うベースラインと比較します。

さらに、システム間で比較できる指標として、判定済み回答率（リーダーボードで使用されているものと同じ gpt-4o 判定者を使用）があります。

取り込み時の LLM 呼び出しは0 回、コストは $0、データの外部送信も 0です。全数値、カテゴリ別の内訳、再現用コマンド、Mem0/Zep/Mastra との直接比較は BENCHMARKS.md にあります。

評価を第一に考えるからこそ、失敗も公開します。 ハイブリッド検索、再ランキング、スレッドの多様化、2 段階粒度でのインデックス作成、素朴な蒸留は、いずれも効果がない（または悪影響がある）と測定されており、その結果を記録しています。率直に示すことが重要です。BENCHMARKS.md と docs/frontier-2026.md をご覧ください。

コーディングエージェントに接続する

1つのコマンドですべてを設定できます：

midas init        # creates the shared memory + configures every MCP client it finds
midas status      # check what's wired   ·   run `midas init --dry-run` to preview first

どちらも --json を指定すると、機械可読な クライアント設定レシート を出力します。各クライアントがどのメモリに接続されたか、どのスコープ／ポリシーで設定されたか、どのクライアントがスキップされたかが記録されます（設定パスのみで、メモリの内容は含まれません）。バグ報告に貼り付けたり、別のエージェントに文章を解析させずに設定を検証させたりできます。

midas init は共有メモリを1つ（~/.midas/memory.sqlite3）作成し、検出した MCP クライアント — Claude Code、Codex、Grok Build、Cursor、Claude Desktop、Windsurf、VS Code、Gemini CLI、Cline、Zed — をそのメモリに接続します。すべてのエージェントが自律的に同じメモリを読み書きするため、クライアントごとのパスを同期し続ける必要はありません。

クライアントごとに起動するのではなく、単一のエンドポイントを使いたい場合は、サーバーを1つ起動し、クライアントに MCP URL を指定します：

midas serve --http        # → http://127.0.0.1:7077/mcp   (one server, one memory, every client shares it)
midas serve --http --token <secret>   # require `Authorization: Bearer <secret>` on every request

midas update で Midas を最新の状態に保てます。midas inspect でいつでもメモリを確認できます。

すでにエージェントのメモリをファイルで管理していますか？ midas import --from claude-md CLAUDE.md（または --from cursorrules、--from jsonl、--from mem0、--from zep）を使うと、ルールやエクスポートを、由来をタグ付けした、再実行しても重複しない、正式な呼び出し可能・管理可能なメモリに変換できます。

エージェントが capture を呼び出さない場合でもメモリを残したいですか？ midas init --claude-hook は Claude Code の SessionEnd フックをインストールし、各セッションのユーザー発言をメモリに取り込むよう提案します。実際に保存する内容は、Midas の LLM 不使用ポリシーによって引き続き判断されます。

{ "mcpServers": { "midas": { "command": "midas-mcp", "env": { "MIDAS_MCP_EMBEDDER": "local" } } } }

接続すると、Midas はエージェントに短いポリシーを挿入します（まず呼び出し、その後、永続性のある事実／決定／好み／制約／訂正を記録）。エージェントは自由に記録しますが、何を保存するかは Midas が判断します — 重要度を評価し（LLM 不使用）、些細な情報を除外し、重複をスキップし、古くなった認識を更新し、低価値な情報を削除して上限内に保ちます。メモリを根拠とする外部操作または破壊的な操作を行う前に、エージェントは check_memory_use を呼び出します。ユーザーが確認するまで操作はブロックされ、確認が有効な状態であることも必要です。

1つのメモリを複数のクライアントで共有

デフォルトでは、すべてのクライアントが1つの稼働中メモリ（~/.midas/memory.sqlite3）を共有します。各クライアントは他のクライアントによる書き込みを検出し（SQLite の data_version）、更新するため、IDE で記録した事実を、再起動せずに数秒後にはチャットアプリから呼び出せます。

代わりにプロジェクトごとに分離したい場合は、midas init --project-scoped（または MIDAS_MCP_NAMESPACE=auto）を使うと、同じストア内にプロジェクトごとのパーティションが作成されます。スコープは、サーバーの実行元である git リポジトリ／cwd から導出されます。または、プロジェクト／エージェント／ユーザーごとに MIDAS_MCP_NAMESPACE で手動設定できます。

_{実際の実行を再構成した画面です。記録／呼び出しの行は、1つのファイルを共有する2つの別々のプロセスの出力をそのまま掲載しています。}

トラブルシューティング

設定がうまく動作しませんか？midas doctor を実行するだけで診断できます。midas-mcp が PATH 上にあるか、ストアを開けるか、ローカルのエンベッダーが利用可能か、どのクライアントが実際に 接続されているかを確認し、失敗した各チェックに修正のヒントを表示します。読み取るのは設定パスとバージョンのみです。メモリの内容は読み取らないため、出力をバグ報告に貼り付けても安全です。

midas doctor          # ✓/⚠ per check, with a hint for each failure
midas status          # what's wired + the store's record count

まだ解決しませんか？バグ報告 を作成してください（midas doctor のブロックがあらかじめ入力されます）。またはディスカッションで質問してください。

Python（SDK）で使用する

from midas import Memory, LocalEmbedder

mem = Memory(embedder=LocalEmbedder())   # fully local. (Or Memory() for a zero-setup offline embedder.)

mem.remember("Decision: the primary database is PostgreSQL.", kind="constraint", importance=5)
mem.remember("The launch date moved to September 14.", kind="fact", importance=5)
mem.capture("lol ok cool")               # filler — auto-scored below the floor, skipped (no LLM)

mem.assemble("when do we launch?", token_budget=128)          # prompt-ready, dated, source-traceable
for hit in mem.recall("which database did we pick?", limit=3):
    print(f"{hit.score:.2f}  {hit.record.content}")           # each hit traces to its source

from midas import Memory, LocalEmbedder
from midas.nli import LocalNLI
from midas.sqlite_store import SQLiteStore
from midas.state import memory_state, memory_diff   # the control-plane views

# Durable, shareable, no native extension. Safe across threads & processes (live data_version refresh).
mem = Memory(store=SQLiteStore("memory.db"), embedder=LocalEmbedder(),
             supersede=True, nli=LocalNLI())   # a turn that CONTRADICTS an old belief supersedes it

# Control-plane: the current state of a project, and what changed since a point in time (no LLM):
memory_state(mem, scope={"project": "apollo"})          # live, non-superseded decisions/constraints/facts
memory_diff(mem, since=last_session_epoch)              # {added: [...], revised: [(old, new), ...]}

mem.forget_decayed(max_records=50_000)         # evict lowest value (importance × recency); protects facts
mem.recall("when is the launch?", as_of=1_700_000_000)   # bitemporal: "what did we believe on date X"

# Right-to-be-forgotten — preview, then erase, with an audit trail:
mem.forget_matching("the user's home address", dry_run=True)
mem.forget_matching("the user's home address")

# Back LangGraph's long-term memory with Midas:
from midas.integrations.langgraph_store import MidasStore
store = MidasStore(); store.put(("user", "123"), "pref", {"text": "prefers dark mode"})

メモリを確認・管理する — midas inspect

ほとんどのメモリは、LLM が書き換えた事実を格納するブラックボックスです。Midas はガラス張りです。ストアに対してローカルのインスペクターを実行すれば、エージェントが何を、なぜ、どのソースから記憶しているのかを正確に確認し、修正、固定、または忘却させることができます。

midas inspect --db ~/.midas/memory.sqlite3      # opens http://localhost:7777 — local only, zero egress
# before install:  python -m midas.inspector --db <your.sqlite3> --embedder hashing

• 概要 — 件数、帰属可能性、30 日間のアクティビティチャート、種類／来歴／新しさの内訳を表示します。種類と来歴の色は、すべてのビューで一貫して使用されます（固定のカテゴリ別パレットを採用し、どちらのテーマでも色覚多様性に配慮したコントラストを検証済みです。色だけに頼らず、すべての値にラベルを付けています）。
• すべてのメモリを閲覧・検索できます（原文のまま、来歴とソースを表示）。種類、来歴、並べ替え順で絞り込めます。
• 信念の履歴とタイムトラベル — 何を信じていたか、何に取って代わられたか、いつ起きたかを確認できます。
• プロジェクトの状態（決定事項／バグ／禁止事項）と、特定の日付以降に何が変わったかを確認できます。
• ガバナンス — メモリがアクションを許可するか、その理由（監査証跡）を確認できます。忘却時には受領記録を残します。
• 競合と未完了のループ — memory_conflicts／open_loops と同じコントロールプレーンのビューを表示し、UI からワンクリックで解決／クローズできます。
• 監査ログ — ハッシュチェーンの検証状態と最新のエントリーを確認できます。
• ライトテーマとダークテーマ（単に反転させたダークテーマではなく、独立したテーマ）、キーボードショートカット（どこからでも移動または検索できる ⌘K、検索欄にフォーカスする /）、スマートフォンの幅まで対応するレスポンシブレイアウトを備えています。

また、すべての変更（書き込み／改訂／忘却）は、ストア内の改ざん検知可能なハッシュチェーン付き監査ログに追記されます。保存されるのはハッシュのみで、内容は保存されません。midas audit でログを確認でき、midas audit --json でチェーン全体を検証し、誰かが履歴を書き換えた場合は最初に破損したエントリーを報告します。

LLM もアカウントも不要で、ファイル上で動作します。ブラックボックス型のメモリには見せられないものを確認できます。

無料のオープンソース

Midas は完全無料のオープンソースで、MIT の下で公開されています。メモリエンジン、ガード、MCP サーバー、CLI、インスペクター、TypeScript 版、そして ベンチスイート全体が対象です。有料プランも機能制限もテレメトリーもアカウントもありません。自由に使い、フォークし、商用製品に組み込めます。ライセンスはそのすべてを許可しています。

Midas が役に立った場合、貢献する最善の方法は、⭐を付けること、ベンチマーク結果を再現すること、バグを報告すること、または測定可能な貢献を行うことです。特に支援が必要な分野についてはロードマップをご覧ください。

現状について

Midas はまだ初期段階ですが、対象を絞り、測定を優先して構築しています。現状を率直に説明します。

• 検索が強みであり、LLM を使わない設計としては実質的に限界まで到達しています。 自社の A/B テストに加え、最先端の論文でも確認されています（ボトルネックは検索器ではありません）。上記のベンチマーク結果はその成果です。
• 最先端の手法がさらに活用できるのは、構造を保った抽出です。そしてそれには、Midas が取り込み時に意図的に実行しない高性能なモデルが必要です。 評価用ハーネスを構築し、BEAM の要約カテゴリで測定した結果、小規模なローカル抽出器では効果がありませんでした（評価基準のカバレッジは、未加工データが 0.28、置き換えが 0.07）。改善には高性能なモデルが必要なため、これは Midas ではなく、エージェントのモデルが担うべきです。任意の蒸留設定はデフォルトでオフです。これを成果として主張することはありません。（詳細は docs/frontier-2026.md §2b をご覧ください。）
• 今後の方向性： 想起からガバナンスされたメモリのコントロールプレーンへ — memory_state／memory_diff、古いメモリや未確認のメモリに基づく行動を防ぐ来歴ガード、そしてこれらの特性を測定する Agent Continuity Bench。ローカルで監査可能、そして実証済みの範囲について誠実であることを重視します。

評価ハーネス

eval/（開発専用）では、Midas と競合製品を synthetic／LoCoMo／LongMemEval／multiday／ conflicts-v1／BEAM で実行し、決定論的な recall@k と precision@k、コスト／レイテンシの計測、 単純なリーダーによるアブレーション（数値がリーダーによって水増しされていないことを証明）、 および任意のローカルまたはホスト型 LLM ジャッジを使用します。不正防止チェックリスト（クエリの書き換えなし、 取り込み時の LLM 使用なし、正解データの漏洩なし、シード付きサンプリング）、競合の処理、 失敗のトレース、MCP ポリシーの原文については、 docs/methodology.md を参照してください。

python -m eval.runner --dataset longmemeval --variant s --local --midas-no-rerank --max-questions 40
python -m eval.runner --dataset beam --beam-tier 100K --local --dumb-reader   # frontier benchmark
python -m eval.continuity                                                      # Agent Continuity Bench

プライバシーとライセンス

ローカルファーストです。すべてのメモリはお使いのマシン上の SQLite ファイルに保存され、想起では保存されたテキストが そのまま返され、記録／想起／削除ではネットワーク通信は発生しません。アカウント、API キー、テレメトリーは不要です。外部への 通信は、埋め込みモデルの初回ダウンロード（local バックエンドの場合）とパッケージのインストールのみです。 任意で保存データを暗号化できます。[encrypted] エクストラを使用して MIDAS_MCP_KEY を設定すると、ストアは SQLCipher データベースになります。キーがなければ読み取れず、Midas は平文での書き込みに黙って切り替えるのではなく、 フェイルクローズします。詳しくは PRIVACY.md · MIT を参照してください。