エージェント群のための共有メモリ: hermes-memory-pgvector
1つ以上の AI エージェント — マーケティング用のミニオン、トレーディング用のミニオン、インシデント対応用のミニオン — を動かすと、それぞれにメモリが必要になります。組み込みのメモリツールは各エージェントに専用のメモリを与えます。それで十分なのは、共有させたい場合や、LLM に問い合わせるためだけに追加の往復コストを払うことなく、6週間前にエージェントが学習した内容を思い出したい場合までです。
hermes-memory-pgvector は、エージェントのメモリ書き込みを、共有された埋め込み可能で検索可能なストアに反映する、小さな Postgres + pgvector プラグインです。PyPI では v0.4.0 として公開されています。
v0.4.0 の新機能
最新リリースでも「ホットパスに LLM を入れない」というルールを維持しつつ、ストレージ層に4つの機能を追加しました:
- アイデンティティガバナンス。 直接メッセージのセッションキーを1つのプライバシー保護されたバケットにまとめます — 連絡先ごとのテーマの乱立も PII もありません — ベンチマークトラフィックは隔離され、任意の allow-list により、タイプミスされたテーマ名は黙って新規作成されるのではなく、安全なデフォルトにルーティングされます。
- エージェントの帰属と委任。 新しい registry と provenance edge により、どのエージェントが誰に何を委任したかを記録し、データベースビュー経由で問い合わせできます。純粋に誰が/いつの provenance であり、事実の保管庫ではありません。
- 埋め込みのバックフィル。 埋め込みエンドポイントの障害中にテキストのみで書き込まれた行が取り残されることはありません: 1つの冪等コマンドで再埋め込みし、再び検索可能にします。
- 会話 TTL とコスト制御。 運用者が実行する prune が古いチャットターンを削減し(永続メモリは一切触れません)、embed policy で埋め込みコストを上下に調整します。
これらはすべて、破壊的コマンドのデフォルトが dry-run であるメンテナンス CLI (hermes-pgvector) の背後で提供されます。v0.4.0 は v0.3.x からのドロップインアップグレードです — 1つの追加マイグレーションを適用すれば新しいフックが有効になり、適用しなくても他はすべて変更なしで動作します。
実際に何をするのか
一言で言えば: 「組み込みメモリモデルに、LLM をホットパスに置かずに、永続的でマルチテナントかつ意味検索可能なバックエンドを与えるストレージ層。」
テーブルは2つ、どちらも HNSW ベクトルインデックス付きです。memory_entries はエージェントの MEMORY.md/USER.md ファイルへの書き込みを反映します。conversations は実質のあるチャットターン（40文字以上、定型文は除外）を保存します。埋め込みは768次元で、外部エンドポイント — Ollama、OpenAI互換、どちらでも選べます — により計算されます。エージェントはそこで待たされることはありません: 書き込みはマイクロ秒で返り、埋め込みワーカーが残りをバックグラウンドキューで処理します。
デフォルトでエージェントごとのテーマ
すべてのリクエストには X-Hermes-Session-Key ヘッダーが含まれ、agent_identity ごとにデータのスコープを分けます。マーケティングのメモがトレーディングの想起を汚染することはありません。実際にテーマをまたいだ検索をしたい場合は、scope='all' を明示的に指定します。デフォルトは安全な方です。
なぜ fork ではなく独立なのか
hermes-agent は方針により組み込みメモリプロバイダの一覧を閉じたため、これは upstream fork ではなく、別の /plugins ディレクトリスキャンとして実装されています。エージェントの隣に置き、いくつかの設定キーを指定して再起動するだけです。ロールバックも対称的です: プロバイダを無効化し、必要ならテーブルを削除します。移行すべき長期状態も、保守すべきカーネルパッチもありません。
これは 何ではない のか
Honcho の代替ではありません。ナレッジグラフでもありません。RAG フレームワークでもありません。意図的に薄い層であり、1つのことだけをします — 組み込みメモリツールを共有可能で永続的、ベクトル検索可能なストアに変えること — そしてあとは邪魔をしません。LLM deriver も、dialectic loop も、どう chunk したり rerank したりすべきかについての意見もありません。ただのベクトル計算です。
入手する
pip install hermes-memory-pgvector
ソース、マイグレーション、設定は GitHub にあります: