<div align="center">
# R-Mem
### AI Agent のための長期メモリ — Rust で実装
**[mem0](https://github.com/mem0ai/mem0) のメモリアーキテクチャを Rust で研究する軽量実装。**<br>
**シングルバイナリ。SQLite バックエンド。Python 不要。**
[](../LICENSE)
[](https://www.rust-lang.org/)
[](https://claude.ai)
[](https://crates.io/crates/rustmem)
[](https://github.com/planetopendata/awesome-sqlite)
[クイックスタート](#-クイックスタート) · [仕組み](#-仕組み) · [使い方](#-使い方) · [MCP](#-mcp-server) · [アーキテクチャ](#️-アーキテクチャ) · [ロードマップ](#️-ロードマップ)
🌐 [English](../README.md) · [繁體中文](README.zh-TW.md) · [简体中文](README.zh-CN.md) · [한국어](README.ko.md)
</div>
> [!NOTE]
> 本プロジェクトは学習目的で、[mem0](https://github.com/mem0ai/mem0) の優れたメモリアーキテクチャを Rust で再実装したものです。オリジナルの設計は mem0 チームの功績です。これは代替品ではなく、異なる言語によるアーキテクチャの研究です。ディスカッション、アイデア、コントリビューションを歓迎します！
---
## なぜ R-Mem か？
mem0 は優れた設計のメモリシステムであり、豊富な plugin エコシステムを持っています。R-Mem はより狭い問いを立てています：*コアのメモリロジックだけを Rust で書き直し、完全に SQLite をバックエンドにしたらどうなるか？*
結果は同じ三層アーキテクチャ — **vector memory**、**graph memory**、**history** — と **階層アーカイブ** システムを **2,621 行の Rust** で実現。外部サービス不要。バイナリ一つ。トレードオフは明確：統合の数は mem0 よりはるかに少ないが、運用オーバーヘッドはほぼゼロ。
R-Mem は [RustClaw](https://github.com/Adaimade/RustClaw) から生まれました — 私たちのミニマリスト Rust AI agent フレームワークです。RustClaw にはその哲学に合ったメモリレイヤーが必要でした：シングルバイナリ、外部サービスゼロ。そこで mem0 のアーキテクチャを研究し、Rust で再構築しました。
<table>
<tr><td></td><td><strong>R-Mem</strong></td><td><strong>mem0</strong></td></tr>
<tr><td>📦 バイナリ</td><td>3.6 MB 静的リンク</td><td>Python + pip（豊富なエコシステム）</td></tr>
<tr><td>💾 アイドル RSS</td><td>< 10 MB</td><td>200 MB+（より多くの機能をロード）</td></tr>
<tr><td>📝 コード</td><td>2,621 行</td><td>~91,500 行（26+ 種の store driver）</td></tr>
<tr><td>🔍 Vector</td><td>SQLite + FTS5</td><td>Qdrant、Chroma、Pinecone…</td></tr>
<tr><td>🕸️ Graph</td><td>SQLite のみ</td><td>Neo4j / Memgraph</td></tr>
<tr><td>🤖 LLM</td><td>OpenAI、Anthropic、Ollama</td><td>OpenAI、Anthropic など</td></tr>
<tr><td>🗄️ Archive</td><td>階層メモリ + fallback 検索</td><td>—</td></tr>
</table>
> mem0 の数字は豊かなエコシステムを反映しています — より多くの store、より多くの統合、より多くの柔軟性。R-Mem は最小限のフットプリントのためにそれらを意図的にトレードオフしています。
---
## 🔍 仕組み
```
Input text
│
├─ 📦 Vector Memory ──────────────────────────────────
│ │
│ ├─ LLM が事実を抽出
│ │ → ["Name is Alice", "Works at Google"]
│ │
│ ├─ Embedding → cosine similarity 検索
│ │ （FTS5 プリフィルタ + vector ランキング）
│ │
│ ├─ Integer ID mapping
│ │ （LLM の UUID ハルシネーション防止）
│ │
│ ├─ LLM が各事実について判定：
│ │ ├─ ADD 新しい情報
│ │ ├─ UPDATE より具体的 → 旧バージョンをアーカイブ
│ │ ├─ DELETE 矛盾 → 旧バージョンをアーカイブ
│ │ └─ NONE 重複 — スキップ
│ │
│ └─ アクション実行 + 履歴に書き込み
│
├─ 🕸️ Graph Memory ──────────────────────────────────
│ │
│ ├─ LLM がエンティティ + 関係を抽出
│ ├─ 競合検出（古いデータを soft-delete、新しいデータを追加）
│ └─ 多値 vs 単値の関係処理
│
└─ 🗄️ Archive ───────────────────────────────────────
│
├─ 削除/更新されたメモリを embedding 付きで保存
├─ アクティブな結果が弱い場合の fallback 検索
└─ アーカイブが閾値を超えると自動圧縮
```
---
## 🚀 クイックスタート
### 前提条件
| Rust 1.75+ | `curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs \| sh` |
| LLM バックエンド | [Ollama](https://ollama.com)（ローカル）、[OpenAI](https://platform.openai.com)、または [Anthropic](https://console.anthropic.com) |
### ビルド & 実行
```bash
git clone https://github.com/Adaimade/R-Mem.git && cd R-Mem
cargo build --release
# → target/release/rustmem（3.6 MB）
```
### 設定
プロジェクトルートに `rustmem.toml` を作成：
<table>
<tr>
<td><strong>Ollama（ローカル）</strong></td>
<td><strong>OpenAI</strong></td>
<td><strong>Anthropic</strong></td>
</tr>
<tr>
<td>
```toml
[llm]
provider = "openai"
base_url = "http://127.0.0.1:11434"
model = "qwen2.5:32b"
[embedding]
provider = "openai"
base_url = "http://127.0.0.1:11434"
model = "nomic-embed-text"
```
</td>
<td>
```toml
[llm]
provider = "openai"
api_key = "sk-..."
model = "gpt-4o"
[embedding]
provider = "openai"
api_key = "sk-..."
model = "text-embedding-3-small"
```
</td>
<td>
```toml
[llm]
provider = "anthropic"
api_key = "sk-ant-..."
model = "claude-sonnet-4-6"
[embedding]
provider = "openai"
api_key = "sk-..."
model = "text-embedding-3-small"
```
</td>
</tr>
</table>
> **注意：** Anthropic は embedding モデルを提供していないため、`[llm]` で Anthropic を使用する場合でも `[embedding]` は OpenAI または Ollama を使用します。
---
## 📖 使い方
### CLI
```bash
# メモリを追加
rustmem add -u alice "My name is Alice and I work at Google. I love sushi."
# セマンティック検索
rustmem search -u alice "What does Alice eat?"
# ユーザーの全メモリを一覧
rustmem list -u alice
# グラフ関係を表示
rustmem graph -u alice
# REST API サーバーを起動
rustmem server
```
### REST API
`rustmem server` で起動後：
```bash
# ➕ メモリを追加
curl -X POST http://localhost:8019/memories/add \
-H 'Content-Type: application/json' \
-d '{"user_id": "alice", "text": "I moved to Tokyo last month"}'
# 🔍 検索
curl -X POST http://localhost:8019/memories/search \
-H 'Content-Type: application/json' \
-d '{"user_id": "alice", "query": "where does she live", "limit": 5}'
# 📋 全件取得
curl http://localhost:8019/memories?user_id=alice
# 🗑️ 削除
curl -X DELETE http://localhost:8019/memories/{id}
# 📜 履歴
curl http://localhost:8019/memories/{id}/history
# 🗄️ アーカイブされたメモリを表示
curl http://localhost:8019/archive?user_id=alice
# 🕸️ グラフ関係を表示
curl http://localhost:8019/graph?user_id=alice
```
### AI Agent へのドロップイン
```python
# mem0（以前）
from mem0 import Memory
m = Memory()
m.add("Alice loves sushi", user_id="alice")
# R-Mem（以後 — HTTP に切り替えるだけ）
import httpx
httpx.post("http://localhost:8019/memories/add",
json={"user_id": "alice", "text": "Alice loves sushi"})
```
---
## 🔌 MCP Server
R-Mem は MCP server として動作します — 1 コマンドで Claude Code や Cursor に長期メモリを付与：
```bash
# Claude Code
claude mcp add rustmem -- /path/to/rustmem mcp
# Cursor (.cursor/mcp.json)
{
"mcpServers": {
"rustmem": {
"command": "/path/to/rustmem",
"args": ["mcp"]
}
}
}
```
**7 つの tools：** `add_memory`、`search_memory`、`list_memories`、`get_memory`、`delete_memory`、`get_graph`、`reset_memories`
---
## 🏗️ アーキテクチャ
```
src/
├── main.rs CLI エントリポイント（clap）
├── config.rs TOML + 環境変数設定
├── server.rs REST API（axum）
├── mcp.rs MCP server（rmcp）— stdio 経由の 7 tools
├── memory.rs コアオーケストレータ — 階層メモリパイプライン
├── extract.rs LLM 呼び出し：OpenAI + Anthropic native
├── embedding.rs OpenAI 互換 embedding クライアント
├── store.rs SQLite vector store（WAL + FTS5 + archive）
└── graph.rs SQLite graph store（soft-delete、多値関係）
```
**9 ファイル。2,621 行。3.6 MB バイナリ。外部サービスゼロ。**
---
## 🗺️ ロードマップ
| ✅ | **MCP Server** | `rustmem mcp` — stdio 経由の 7 tools、Claude Code / Cursor 対応 |
| ✅ | **階層アーカイブ** | 削除/更新されたメモリを保存 + fallback 検索 |
| ✅ | **Anthropic Native** | Claude API の直接サポート（プロキシ不要） |
| ✅ | **FTS5 インデックス** | 全文プリフィルタリングによる高速検索 |
| 🔲 | **バッチインポート** | 既存の mem0 エクスポートデータを読み込み |
| 🔲 | **マルチモーダル** | 画像/音声メモリサポート |
| 🔲 | **Agent SDK** | Rust crate による直接埋め込み（HTTP 不要） |
| 🔲 | **Dashboard** | メモリ検査用の軽量 web UI |
コミュニティからの貢献を歓迎します — issue または PR をお気軽にどうぞ。
---
<div align="center">
**MIT License** · v0.2.0
[Ad Huang](https://github.com/Adaimade) が [Claude Code](https://claude.ai) で構築
</div>