Mem0 Platform 統合

スキルグラフ: このスキルは Mem0 スキルグラフの一部です:

• mem0 (このスキル) -- Platform Client SDK + OSS (Python + TypeScript)
• mem0-cli -- コマンドラインインターフェース
• mem0-vercel-ai-sdk -- Vercel AI SDK プロバイダー

Mem0 は AI アプリケーション用のマネージドメモリレイヤーです。API 経由でユーザーのメモリを保存、検索、管理します。インフラストラクチャをデプロイする必要はありません。自己ホストの使用方法については、以下のクライアント参照の OSS セクションを参照してください。

ステップ 1: インストールと認証

Python:

pip install mem0ai
export MEM0_API_KEY="m0-your-api-key"

TypeScript/JavaScript:

npm install mem0ai
export MEM0_API_KEY="m0-your-api-key"

API キーを取得: https://app.mem0.ai/dashboard/api-keys?utm_source=oss&utm_medium=mem0-plugin-skill

MEM0_API_KEY がない場合? mem0 init --agent --json を実行します (pip install mem0-cli または npm install -g @mem0/cli の後に)。メールやダッシュボードなしで評価キーを生成できます。後でユーザーが mem0 init --email <your-email> でクレームできます。

ステップ 2: クライアントを初期化

Python:

from mem0 import MemoryClient
client = MemoryClient(api_key="m0-xxx")

TypeScript:

import MemoryClient from 'mem0ai';
const client = new MemoryClient({ apiKey: 'm0-xxx' });

非同期 Python の場合は、AsyncMemoryClient を使用します。

ステップ 3: コア操作

すべての Mem0 統合は同じパターンに従います: 取得 → 生成 → 保存。

メモリを追加

messages = [
    {"role": "user", "content": "I'm a vegetarian and allergic to nuts."},
    {"role": "assistant", "content": "Got it! I'll remember that."}
]
client.add(messages, user_id="alice")

メモリを検索

results = client.search("dietary preferences", filters={"user_id": "alice"})
for mem in results.get("results", []):
    print(mem["memory"])

すべてのメモリを取得

all_memories = client.get_all(filters={"user_id": "alice"})

メモリを更新

client.update("memory-uuid", text="Updated: vegetarian, nut allergy, prefers organic")

メモリを削除

client.delete("memory-uuid")
client.delete_all(user_id="alice")  # ユーザーのすべてを削除

一般的な統合パターン

from mem0 import MemoryClient
from openai import OpenAI

mem0 = MemoryClient()
openai = OpenAI()

def chat(user_input: str, user_id: str) -> str:
    # 1. 関連するメモリを取得
    memories = mem0.search(user_input, filters={"user_id": user_id})
    context = "\n".join([m["memory"] for m in memories.get("results", [])])

    # 2. メモリコンテキストで応答を生成
    response = openai.chat.completions.create(
        model="gpt-5-mini",
        messages=[
            {"role": "system", "content": f"User context:\n{context}"},
            {"role": "user", "content": user_input},
        ]
    )
    reply = response.choices[0].message.content

    # 3. 将来のコンテキストのため相互作用を保存
    mem0.add(
        [{"role": "user", "content": user_input}, {"role": "assistant", "content": reply}],
        user_id=user_id
    )
    return reply

よくあるエッジケース

• 検索で空を返す: メモリは非同期で処理されます。add() の後 2～3 秒待ってから検索してください。また、user_id が完全に一致すること (大文字小文字を区別) を確認し、filters={"user_id": "..."} 構文を使用してください。
• user_id + agent_id の AND フィルター検索で空を返す: エンティティは別々に保存されます。代わりに OR を使用するか、別々にクエリしてください。
• 重複するメモリ: 同じデータに infer=True (デフォルト) と infer=False を混在させないでください。どちらか一つのモードに統一してください。
• 不正なインポート: 常に from mem0 import MemoryClient (または非同期の場合は AsyncMemoryClient) を使用してください。from mem0 import Memory は使用しないでください。
• v3 デフォルト: top_k=20、threshold=0.1、rerank=False。ユースケースに応じて調整してください。

v2 互換性

SDK v2.x を使用している場合は、これらの違いに注意してください:

• エンティティ ID: search() に user_id を filters の内部ではなくトップレベルの kwarg として渡します
• デフォルト: top_k=100、しきい値なし、rerank=True
• グラフメモリ: enable_graph=True で利用可能

詳細はマイグレーションガイドを参照してください。

ライブドキュメント検索

参照にない最新のドキュメントについては、ドキュメント検索ツールを使用してください:

python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --query "topic"
python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --page "/platform/features/graph-memory"
python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --index

API キーは不要です — docs.mem0.ai を直接検索します。

クライアント SDK リファレンス

言語固有の詳細リファレンス (Platform + OSS):

言語	ファイル
Python (MemoryClient + AsyncMemoryClient + Memory OSS)	client/python.md
TypeScript/Node.js (MemoryClient + Memory OSS)	client/node.md
Python vs TypeScript の違い	client/differences.md

Platform リファレンス

必要に応じてオンデマンドで読み込んでください:

トピック	ファイル
クイックスタート (Python、TS、cURL)	references/quickstart.md
SDK ガイド (すべてのメソッド、両言語)	references/sdk-guide.md
API リファレンス (エンドポイント、フィルター、オブジェクトスキーマ)	references/api-reference.md
アーキテクチャ (パイプライン、ライフサイクル、スコーピング、パフォーマンス)	references/architecture.md
Platform 機能 (検索、グラフ、カテゴリー、MCP など)	references/features.md
フレームワーク統合 (LangChain、CrewAI、OpenAI Agents など)	references/integration-patterns.md
ユースケースと例 (実際のパターンとコード)	references/use-cases.md

関連する Mem0 スキル

スキル	使用するタイミング	リンク
mem0-cli	ターミナルコマンド、スクリプティング、CI/CD、エージェントツールループ	GitHub
mem0-vercel-ai-sdk	自動メモリ機能付き Vercel AI SDK プロバイダー	GitHub