OKF Agent Memory – AIコーディングエージェントのためのGitネイティブ永続メモリ

OKF Agent Memory オープンナレッジフォーマット（OKF）v0.2に基づくAIエージェントのためのドメインニュートラル、Gitネイティブな永続プロジェクトメモリ。 🌟 概要 AIエージェントとの会話は、コンテキストウィンドウが閉じるとリセットされます。貴重なアーキテクチャ上の決定、ドメインの発見、運用上の事実は、永続的に保存されない限り失われます。OKF Agent Memoryは、標準化されたベンダーニュートラルなメモリレイヤーを提供し、YAMLフロントマター付きのプレーンなMarkdownファイルとしてリポジトリ（knowledge/）に直接配置されます。これは、非構造化されたアドホックなMarkdownファイル（CLAUDE.md、AGENTS.md）と複雑なブラックボックスのベクトルデータベースとの間のギャップを埋めます。 flowchart TD L1["1. OKF v0.2 Specification<br/>(Normative Markdown & YAML Format)"] L2["2. Agent Memory Convention<br/>(Behavioral Rules: Search, Review, Trust)"] L3["3. Agent Skill<br/>(LLM Prompts & Operational Workflows)"] L4["4. Tooling Layer: Go Library & CLI<br/>(Deterministic Parsing, Validation, Search, MCP)"] L5["5. Project Knowledge Corpus<br/>(knowledge/ OKF Bundle)"] L1 --> L2 L2 --> L3 L3 --> L4 L4 --> L5 Loading ⚡ 主なハイライト 驚異的な高速パフォーマンス（検索 <300µs、グラフ検証 ~4ms）：インメモリBM25検索とバンドル検証は、VMの起動やネットワーク往復なしでマイクロ秒単位で実行されます。 100% Gitネイティブ＆ゼロベンダーロックイン：すべてがバージョン管理されたプレーンテキストです。標準のgit diffとgit logを使用して、エージェントのメモリを検査、監査、レビューできます。外部データベースは不要です。 メモリ検索のためのAPIコストゼロ：ローカルのレキシカルBM25インデックスにより、繰り返し発生するベクトル埋め込みAPIコストとネットワーク往復が不要になります。 Google OKF v0.2上に構築：エージェント知識のためのオープン標準フォーマットを使用し、出所（ソース）、信頼レベル（生成済み vs 検証済み）、ライフサイクルメタデータ（ステータス、stale_after）を完全にサポートします。 コンテキストの肥大化とメモリの劣化を解決：プログレッシブ開示（階層的なindex.mdファイルとリンクグラフ）を採用し、エージェントが必要な概念のみをロードするようにします。 書き込み前の検索原則：概念の重複や幻覚による乖離を防ぐため、作成前に既存のメモリをクエリすることを義務付けます。 ゼロ依存性のGoツールチェーン：外部依存性ゼロの単一バイナリで、CLIの起動時間は5ミリ秒未満、組み込みのモデルコンテキストプロトコル（MCP）サーバー（okf mcp）を備えています。 真にドメインニュートラル：ソフトウェアエンジニアリング、コーチング、科学研究、文献レビュー、オペレーション向けに設計されています。 📊 パフォーマンスベンチマーク 外部依存性ゼロのGoで構築されたokfは、高頻度のエージェントツール呼び出しループのために設計されています。 ベンチマークメトリック | Python / Vector DB Runtimes (Mem0, Letta) | Deno / Node.js Tooling | OKF Agent Memory (Go) ---|---|---|--- Concept Search Latency | 150ms – 800ms (Embedding API + Vector DB) | 40ms – 120ms | < 300 µs (Microseconds, In-Memory BM25) Full Corpus Parse & Graph Validation | 200ms – 1.5s | 80ms – 250ms | ~4.0 ms (50+ concepts, bidirectional graph) Process Cold-Start Overhead | 250ms – 600ms (Python VM boot) | 80ms – 180ms (V8 / Deno boot) | < 4 ms (Compiled Single Binary) Retrieval Cost per 1,000 Queries | ~$0.10 – $0.50 (Embedding tokens) | $0.00 | $0.00 (Zero API cost, fully local) Memory Footprint (RSS) | ~120 MB – 350 MB | ~60 MB – 140 MB | < 15 MB Tip ローカルで独自のLLMを使用して再現：純粋なGoで自動化されたベンチマークランナーを提供し、ローカルハードウェア（Gemma、Qwen、Llamaを使用したLM Studio / Ollama）でのTime-To-First-Token（TTFT）の高速化とトークン削減-80%を検証します。「make benchmark」を実行するか、Progressive Disclosure Benchmark Suiteを探索してください。 🚀 クイックスタート 1. ツーリングのビルド リポジトリをクローンし、スタンドアロンのokf実行可能ファイルをコンパイルします。 make build これにより、bin/okfにスタンドアロンバイナリが生成されます。 2. 基本的なCLIコマンド # バンドルの準拠性、グラフ接続性、説明のドリフトを検証する ./bin/okf validate knowledge --strict --drift # インメモリBM25スコアリングによる概念を検索する ./bin/okf search "architecture layers" knowledge # 概念とその関係を検査する（--jsonサポート付き） ./bin/okf show architecture/layers knowledge --json # 自動化されたlog.mdとindex.mdのブックキーピングで新しい概念を作成する ./bin/okf create decisions/auth-flow knowledge \ --type Decision \ --title "OAuth2 Authorization Flow" \ --desc "Standardized on PKCE for client authentication." # 既存の概念を更新する ./bin/okf update decisions/auth-flow knowledge \ --desc "Updated OAuth2 PKCE token refresh interval." # 任意のターゲットプロジェクトに完全なエージェントメモリスタックをブートストラップする ./bin/okf bootstrap /path/to/project --name "My Project" # 任意のディレクトリにベアなOKFバンドルのみを初期化する ./bin/okf init my-project/knowledge 3. 任意のプロジェクトでのエージェントメモリのブートストラップ 単一のコマンドで、任意の新規または既存のリポジトリに完全なOKF Agent Memoryアーキテクチャをスキャフォールディングします。 # ターゲットプロジェクトに完全なメモリスタックをブートストラップする ./bin/okf bootstrap /path/to/my-project --name "My Service" これにより、以下が自動的に設定されます。 knowledge/ — OKF v0.2準拠の永続メモリバンドル（index.md、log.md） .agents/skills/okf-memory/ — 埋め込みエージェントスキル定義と機能ガイド AGENTS.md — プロジェクトに合わせたAIコーディングエージェントの運用指示 Makefile — 検証（make validate）および検索（make search q="..."）のための便利なタスク 4. MCPサーバーとしての実行 okfには、Claude Code、Cursor、Codex、その他のエージェントプラットフォームとシームレスに接続するためのstdio経由のネイティブモデルコンテキストプロトコル（MCP）サーバーが付属しています。 ./okf mcp knowledge 例 MCP設定（claude_desktop_config.json または Cursor）： { "mcpServers": { "okf-memory": { "command": "/path/to/okf-agent-memory/bin/okf", "args": ["mcp", "/path/to/project/knowledge"] } } } 📂 リポジトリ構造 okf-agent-memory/ ├── benchmarks/ # プログレッシブ開示ベンチマークスイートとハードウェアテストデータ │ ├── data/ # モノリスドキュメント vs OKFバンドルテストフィクスチャ │ └── results/ # 8以上のローカルおよびクラウドLLMにわたる再現可能なベンチマークログ ├── cmd/ │ ├── okf/ # スタンドアロンCLIおよび埋め込みMCPサーバー（`stdio`） │ └── okf-benchmark/ # LLM TTFTとトークン測定のための自動ベンチマークランナー ├── docs/ # ガイド、仕様、アーキテクチャ、リリースプレイブック │ ├── AGENT_TESTING.md # マルチエージェントテスト、プロンプトシナリオ、互換性マトリックス │ ├── ALTERNATIVES.md # Mem0、Letta、アドホックMarkdownとの比較 │ ├── CLI.md # 完全なコマンドラインとMCPツールのリファレンス │ ├── CONVENTION.md # OKF Agent Memory Convention v0.1 │ ├── GETTING_STARTED.md # 包括的なオンボーディングガイド │ ├── OKF-COMPATIBILITY.md# OKF v0.2仕様互換性分析 │ ├── RELEASE_PLAYBOOK.md # 自動リリースプロセスとバージョンタグ付け │ ├── ROADMAP.md # プロジェクトロードマップとマイルストーン │ └── SECURITY.md # データガバナンス、秘密防止、PIIルール ├── examples/ # ドメインニュートラルな参照OKF v0.2バンドル │ ├── books/ # 文献と認知科学知識バンドル │ ├── coaching/ # エグゼクティブコーチングとクライアントセッションバンドル │ └── software/ # マイクロサービスアーキテクチャとADRバンドル ├── knowledge/ # プロジェクト独自のOKF v0.2永続メモリバンドル │ ├── index.md # ルートプログレッシブ開示インデックス（okf_version: "0.2"） │ ├── log.md # 日付付き変更ログ（ISO 8601 YYYY-MM-DD） │ ├── project/ # 概要と価値提案 │ ├── architecture/ # 5層アーキテクチャとツール決定 │ ├── convention/ # 原則とライフサイクルワークフロー │ └── roadmap/ # マイルストーン ├── packaging/ # ディストリビューションパッケージング │ └── homebrew/ # 公式Homebrewフォーミュラとタップ手順 ├── pkg/okf/ # ゼロ依存性のGoコアライブラリ（パーサー、バリデーター、BM25、MCP、ブートストラップ） ├── AGENTS.md # AIコーディングエージェントのための運用指示 ├── CONTRIBUTING.md # 貢献ガイドラインと開発ワークフロー ├── Makefile # ビルド、テスト、リンティング、検証、リリースタスク ├── LICENSE # MITライセンス ├── README.md # メインリポジトリドキュメント └── SECURITY.md # セキュリティポリシーと報告ガイドライン 🧪 テストと検証 完全なテストスイートを実行し、リポジトリの自己文書化知識バンドルを検証します。 make check 📖 さらなるドキュメント Getting Started Guide — エージェントと人間向けの包括的なオンボーディングガイド。 CLI & MCP Reference — 完全なコマンドラインとMCPツールのリファレンス。