Supermemory

概要

Supermemory は単なるベクターストアとしてではなく、コンテキスト基盤全体として自分を売っています。データ取り込み、理解、変化する事実の保持、ライブソース接続、そして本番ループに耐える速さでの取得までを一つの層で扱う発想です。

今注目されている理由

今日 GitHub Trending に載ったことに加え、公式サイトが memory graph、MCP、プラグイン、コネクタ、個人向けアプリまで含む広いストーリーを打ち出しています。RAG の継ぎはぎ以上の記憶基盤を探す動きが強まっているのも追い風です。

主な機能

• 永続メモリ、検索、プロフィール、コネクタ、抽出を一つの API にまとめ、チームの手作業統合を減らす。
• 300ms 未満の取得と、更新・統合・矛盾処理まで視野に入れた知識グラフ型メモリ層を打ち出している。
• Slack、Notion、Drive、Gmail、GitHub などの同期ソースに加え、ファイルシステムや個人向けアプリ面も持つ。

実際の活用例

• 長期記憶が必要なエージェントを作りたいが、文脈基盤を全部自作したくない開発者。
• 複数プロダクトで同じ取り込み・検索・個別最適化 API を再利用したいチーム。
• Claude、Cursor、Codex など複数の AI ツールで同じ知識資産を共有したい個人ユーザー。

コミュニティの反応

メモリ系ツールの比較では、遅延、評価結果、セルフホスト性、価格でよく名前が挙がります。存在感は強い一方で、導入側は派手な説明より実測の証拠を求めるはずです。

制限とリスク

記憶レイヤーは追加のインフラ依存でもあり、真価は取り込み品質、オントロジー設計、継続評価に左右されます。同期と取得が増えるほどコスト管理も重要です。

代替候補

Mem0、Zep、Graphlit、自前の pgvector スタック、社内 RAG 基盤、そしてより個人文脈寄りの Unabyss などが代替候補です。

よくある質問

• まず誰が見るべきですか？ 無状態プロンプトだけでは足りないと分かっているエージェント開発者です。
• 評価で重視すべき点は？ 実際の検索品質、同期の信頼性、運用コスト、そして残る自前実装量です。