mem0-vercel-ai-sdk

Mem0 Vercel AI SDK プロバイダー

Vercel AI SDK 向けのメモリ機能を強化した AI プロバイダーです。LLM の呼び出し時にメモリを自動的に取得、保存します。

ステップ 1：インストール

npm install @mem0/vercel-ai-provider ai@^6

ai と @ai-sdk/* プロバイダーパッケージは、@mem0/vercel-ai-provider の通常の依存関係として含まれているため、ほかにインストールするものはありません。唯一のピア依存関係は zod です（オプション、^3.0.0）。

ステップ 2：環境変数を設定する

export MEM0_API_KEY="m0-xxx"
export OPENAI_API_KEY="sk-xxx"   # or ANTHROPIC_API_KEY, GOOGLE_API_KEY, etc.

Mem0 API キーはこちらで取得してください：https://app.mem0.ai/dashboard/api-keys?utm_source=oss&utm_medium=skill-mem0-vercel-ai-sdk

パターン 1：ラップされたモデル

ラップされたモデルを使う方法が最も簡単です。createMem0 は、サポートされている任意の LLM をラップし、メモリの取得と保存を自動化するプロバイダーを返します。

import { generateText } from "ai";
import { createMem0 } from "@mem0/vercel-ai-provider";

const mem0 = createMem0();
const { text } = await generateText({
  model: mem0("gpt-5-mini", { user_id: "alice" }),
  prompt: "Recommend a restaurant",
});

内部では次の処理が行われます：

1. プロンプトが Mem0 に保存されます（POST /v3/memories/add/）。LLM の呼び出し前に完了を待機します（書き込みに失敗した場合はログに記録して無視します）
2. プロンプトが Mem0 検索（POST /v3/memories/search/）に送信され、関連するメモリが取得されます
3. メモリが見つかった場合、プロンプトの先頭にシステムメッセージとして挿入されます
4. 基盤となる LLM（例：OpenAI gpt-5-mini）が、強化されたプロンプトを使用して応答を生成します

generateText では、取得されたメモリはソースとして結果にも添付されます：

const { text, sources } = await generateText({
  model: mem0("gpt-5-mini", { user_id: "alice" }),
  prompt: "Recommend a restaurant",
});

console.log(sources.find((s) => s.title === "Mem0 Memories")?.providerMetadata?.mem0);

ソースの title: "Mem0 Memories" で、providerMetadata.mem0 には memories（メモリオブジェクトの配列）と memoriesText が格納されます。これは、少なくとも 1 つのメモリが取得された場合にのみ含まれます。

パターン 2：スタンドアロンユーティリティ

メモリの取得と保存のサイクルを完全に制御したい場合や、すでに別途設定済みのプロバイダーを使用したい場合は、スタンドアロンユーティリティを使用してください。

import { openai } from "@ai-sdk/openai";
import { generateText } from "ai";
import { retrieveMemories, addMemories } from "@mem0/vercel-ai-provider";

const prompt = "Recommend a restaurant";

// Retrieve memories -- returns a formatted system prompt string
const memories = await retrieveMemories(prompt, {
  user_id: "alice",
  mem0ApiKey: "m0-xxx",
});

// Generate using any provider with injected memories
const { text } = await generateText({
  model: openai("gpt-5-mini"),
  prompt,
  system: memories,
});

// Optionally store the conversation back
await addMemories(
  [
    { role: "user", content: [{ type: "text", text: prompt }] },
    { role: "assistant", content: [{ type: "text", text }] },
  ],
  { user_id: "alice", mem0ApiKey: "m0-xxx" }
);

パターン 3：ストリーミング

メモリで拡張したストリーミング応答には、streamText を使用してください：

import { streamText } from "ai";
import { createMem0 } from "@mem0/vercel-ai-provider";

const mem0 = createMem0();
const result = streamText({
  model: mem0("gpt-5-mini", { user_id: "alice" }),
  prompt: "What should I cook for dinner?",
});

for await (const chunk of result.textStream) {
  process.stdout.write(chunk);
}

ラップされたモデルは、ストリーミングの開始前に会話を保存し、メモリを取得します。

サポートされているプロバイダー

プロバイダー	設定値	必須の環境変数
OpenAI（デフォルト）	"openai"	OPENAI_API_KEY
Anthropic	"anthropic"	ANTHROPIC_API_KEY
Google	"google"（別名 "gemini"）	GOOGLE_GENERATIVE_AI_API_KEY
Groq	"groq"	GROQ_API_KEY
Cohere	"cohere"	COHERE_API_KEY

Mem0 インスタンスの作成時にプロバイダーを選択します：

const mem0 = createMem0({ provider: "anthropic" });
const { text } = await generateText({
  model: mem0("claude-sonnet-4-20250514", { user_id: "alice" }),
  prompt: "Hello!",
});

内部での仕組み

ラップされたモデルのフロー

User prompt
  --> processMemories: addMemories (POST /v3/memories/add/, awaited)
  --> processMemories: getMemories (POST /v3/memories/search/)
  --> memories (if any) injected as system message at start of prompt
  --> underlying LLM generates response (doGenerate or doStream)
  --> response returned to caller (doGenerate also attaches a "Mem0 Memories" source)

スタンドアロンのフロー

User controls each step:
  1. retrieveMemories / getMemories / searchMemories -> fetch memories
  2. inject into system prompt manually
  3. call generateText / streamText with any provider
  4. addMemories -> store new conversation to Mem0

4 つのユーティリティ関数の主な違い

関数	戻り値	使用する場面
retrieveMemories	書式設定済みのシステムプロンプト 文字列	system パラメーターに直接挿入する場合
getMemories	生のメモリ 配列	メモリをプログラムから処理する場合
searchMemories	生の検索 レスポンス（API の戻り値）	スコアとすべてのメタデータが必要な場合
addMemories	API レスポンス	新しいメッセージを Mem0 に保存する場合

retrieveMemories、getMemories、searchMemories は、最初の引数として LanguageModelV3Prompt | string を受け取ります。addMemories の型は LanguageModelV3Prompt ですが、実行時には文字列も使用できます。4 つすべてで、2 番目の引数として省略可能な Mem0ConfigSettings を指定できます。

よくあるエッジケースとヒント

• 常に user_id（または agent_id／app_id／run_id）を指定してください。一貫したメモリ検索に必要です。検索エンドポイントでは、filters に少なくとも1つのエンティティ ID が必要です。プロバイダーがこれらの ID を代わりに設定します。
• 単体で使用するユーティリティには、明示的な API キーが必要です。設定オブジェクトに mem0ApiKey を渡すか、環境変数 MEM0_API_KEY を設定してください。
• これは Vercel AI SDK v6（LanguageModelV3／ProviderV3 インターフェイス、@mem0/vercel-ai-provider 3.x）を使用します。Provider 2.x は AI SDK v5 を対象としていました。AI SDK v4 以前とは互換性がありません。
• processMemories は検索と LLM の呼び出しの前に addMemories を待機するため、ラップされた各呼び出しではメモリの書き込みと検索が1回ずつ行われます。いずれかのリクエストが失敗した場合、エラーがログに記録され、メモリを使わずに LLM の呼び出しが続行されます。
• "google" と "gemini" はどちらも受け付けられ、@ai-sdk/google にマッピングされます。
• 3.0.0 で削除：org_id、project_id、org_name、project_name、output_format、filter_memories、async_mode、enable_graph、version、api_version。グラフメモリはプロバイダーのオプションではなく、Mem0 Platform のプロジェクト設定になりました。
• デフォルトの top_k は10です。 threshold と rerank は設定された場合にのみ送信されます（API の rerank のデフォルトは false です。threshold はサーバー側のしきい値であり、返されるスコアの下限ではありません）。
• カスタムホスト：別の Mem0 API エンドポイントを指定するには、設定で host を設定します（デフォルト：https://api.mem0.ai）。

参考資料

トピック	ファイル
プロバイダー API（createMem0、Mem0Provider、型）	ローカル / GitHub
メモリユーティリティ（addMemories、retrieveMemories など）	ローカル / GitHub
使用パターンと例	ローカル / GitHub

関連する Mem0 スキル

スキル	使用する場面	リンク
mem0	Python／TypeScript SDK、REST API、フレームワーク連携	ローカル / GitHub
mem0-cli	ターミナルコマンド、スクリプト作成、CI/CD、エージェントのツールループ	ローカル / GitHub