AIとの会話や文書をSqliteやPostgreSQLに保存するオープンソースのMCPです。
LLM Wikiや他のメモリとの違いは、AI間でのメモリ共有と検索です。
自宅での作業とオフィスでの作業を1つのメモリとして共有することができます。 また、チームメンバー間の作業結果を1つのメモリとして共有することも可能です。
データはGraph+RAGに変換されてDBに保存されます。
GraphはEvent-Centric Knowledge Graph (ECKG)で、特徴としては他のグラフのように関係スキーマをあらかじめ定めません。データを蓄積しながら継続的に発展させます。
インストールは、作成済みの圧縮ファイルを展開して実行するか、オープンソースとして直接インストールすればできます。
圧縮ファイルを展開して実行すると、マネージャーが起動します。
保存先のDBを選択し、MCPをインストールするAIを選べば、残りはすべて自動で進行します。
Sample DBも含めてあるので、インストールして実際の動作を確認しやすいと思います。
Sample DBは、著作権上の問題がないビートルズのWikipedia文書とシャーロック・ホームズの原文小説です。 （英語ですが、他の言語でも検索できます。）
ありがとうございます。
7件のコメント
おお、いいアイデアですね。私もこれをどう活用するか考えてみないといけませんね
ありがとうございます。
Context ModeやAgentMemoryとの違いは何ですか？
こんにちは。ご関心ありがとうございます。
AgentMemoryの存在は、smakerさんのコメントで初めて知りました。
知っていたら、Mweftを作らなかったかもしれません。
幸いなのは、AgentMemoryを確認してみると、Mweftとは目指している方向性や内部技術が異なるように見えることです。
まず、mweftはコラボレーションを前提に考えて作りました。AgentMemoryにも協業機能はあるようですが、目指す方向の違いから内部構造は異なるようです。
mweftは、より良い結果が出るよう支援する補助用途です。グラフやRAGも、厳密さより関連性の発見に重点を置いています。AgentMemoryにもグラフ構造はありますが、mweftとはアプローチ方法が異なるようです。
AgentMemoryは、コーディングAIを目的として作られているように見えます。なので正確性が重要なのだと思います。Mweftは間違うことがあります。AIや人に「調べてみて」とヒントを与えるための用途です。
私の分析が間違っている可能性はあります。もし助言をいただけるなら、ぜひ伺いたいです。
ありがとうございます。
Context modeは純粋にメモリ用途であるため、コラボレーションを目的とするMweftとは差別化されています。
ただの Codex を使えばいいんじゃないですか？
こんにちは。ご関心ありがとうございます。
私はCodexをそれほど多く使い込んだわけではないので、分かる範囲でお答えします。間違っている可能性もあります。
まず、Mweftは作業の成果物を共有するものではありません。
途中途中のAIとの対話から出てきた内容を共有します。作業成果物についてはGITのような別のツールを使う必要があります。結果ではなく途中の内容を共有するため、作業の流れを追うことができます。
そして、graph + ragを使ってこの機能を補助します。
MweftはClaude、Codex、Gemini CLI間での作業共有にも対応しています。
ありがとうございます。