Engram
エングラムとは?
エングラムは、AIアシスタントやエージェント向けに特別に設計された革新的なAI記憶システムです。従来の記憶システムとは異なり、エングラムは記憶保存と意味検索を分離しており、ネットワーク接続がない場合や外部APIが利用できない場合でも、書き込み操作が常に信頼性を保つようになっています。 エングラムの核心的な考え方は、まず信頼性の高い方法で記憶断片(「イベント」と呼ばれます)を保存し、その後に意味検索を行うことです。この設計により、書き込み経路で不安定な外部サービスに依存することが避けられ、AIアシスタントが常に重要な情報を記憶できるようになります。エングラムの使い方は?
エングラムの使用は非常に簡単です。 1. エングラムのバイナリファイルをインストールするか、Dockerを使って実行します。 2. ローカルのOllamaサービスに接続するように設定します(テキストベクトルの生成に使用)。 3. MCPプロトコルを通じてClaude Desktop、Claude Code、またはCursorと統合します。 4. AIアシスタントが記憶の保存と検索を開始できるようになります。 エングラムはすべての技術的な詳細を自動的に処理します。あなたがする必要があるのは、AIアシスタントとの会話に集中するだけです。適用シーン
エングラムは、以下のシーンに特に適しています。 - **長期会話**:AIアシスタントに複数のセッションにまたがる重要な情報を記憶させます。 - **プロジェクト協力**:プロジェクトの要件、決定、進捗状況を保存します。 - **個人アシスタント**:あなたの好み、日程、重要事項を記憶します。 - **研究アシスタント**:研究資料、参考文献、ノートを整理します。 - **コード開発**:コード構造、APIドキュメント、開発決定を記憶します。主な機能
意味検索
単純なキーワードマッチングではなく、ベクトル類似度を使ってスマートな検索を行います。これにより、エングラムはクエリの意味を理解し、キーワードが完全に一致しなくても最も関連する内容を見つけることができます。
グレースフルフォールバック
ベクトル生成サービスが利用できない場合でも、エングラムは正常に動作します。まずテキスト内容を保存し、サービスが復旧した後にベクトルを生成します。これにより、書き込み操作が決して失敗しないことが保証されます。
高速クエリ
DuckDBのHNSWインデックス技術を使って、ミリ秒単位でベクトル検索を応答します。大量の記憶を保存していても、検索速度は依然として速いです。
ローカルベクトル生成
すべてのテキストベクトルはOllamaを通じてローカルで生成され、外部APIを呼び出す必要がありません。これにより、あなたのプライバシーが保護され、遅延が減少します。
単一ファイルデプロイ
エングラムは独立した実行可能ファイルであり、複雑な依存関係をインストールする必要がありません。1つのファイルをダウンロードし、いくつかの環境変数を設定するだけで実行できます。
MCPネイティブサポート
Claude Desktop、Claude Code、Cursorに直接統合され、追加の設定は必要ありません。あなたのAIアシスタントは、組み込み機能のようにエングラムを使用できます。
利点
書き込み操作が100%信頼性があります。外部のLLM APIに依存せず、データベースが正常に動作していれば書き込みが可能です。
プライバシー保護が行われます。すべてのデータはローカルで処理され、クラウドに送信されることはありません。
応答が速いです。ローカルでベクトル生成と検索を行うため、遅延が非常に少ないです。
使いやすいです。単一ファイルデプロイで、設定が簡単です。
費用対効果が高いです。API呼び出しの費用を支払う必要がありません。
オフラインでも動作します。ネットワーク接続がない場合でも、記憶を保存することができます。
制限
ローカルリソースが必要です。Ollamaサービスを実行する必要があり、ローカルの計算リソースを消費します。
初期設定が必要です。環境変数と統合を手動で設定する必要があります。
機能は比較的基本的です。信頼性の高い保存と検索に重点を置いており、複雑な記憶整理機能はありません。
Ollamaに依存しています。Ollamaサービスが停止した場合、新しい記憶のベクトルを生成できなくなります(ただし、記憶は依然として保存できます)。
使用方法
エングラムのインストール
GitHub Releasesページから、あなたのオペレーティングシステムに適した事前コンパイル済みのバイナリファイルをダウンロードするか、ソースコードからビルドします。
Ollamaのインストールと設定
Ollamaをインストールし、ベクトル生成モデルをダウンロードします。Ollamaはローカルで実行される大規模言語モデルサービスです。
環境変数の設定
エングラムを実行するために必要な環境変数を設定します。これには、データベースのパスとOllamaの接続情報が含まれます。
AIアシスタントへの統合
エングラムをClaude Desktop、Claude Code、またはCursorのMCP設定に追加します。
使用開始
AIアシスタントを再起動します。これで、エングラムを使って記憶の保存と検索ができるようになります。
使用例
プロジェクト要件の記憶
AIアシスタントとプロジェクト要件について話し合う際に、アシスタントに重要な機能要件と設計決定を記憶させます。
複数セッションにまたがる記憶
AIアシスタントに、複数のセッションであなたが述べた個人の好みや作業習慣を記憶させます。
研究資料の整理
あるテーマを研究する際に、AIアシスタントに重要な参考資料と重要な見解を整理して記憶させます。
会議記録
会議の議論中に、AIアシスタントに重要な決定、やることリスト、責任者を記録させます。
よくある質問
エングラムは通常のノートアプリとどう違いますか?
Ollamaを常に実行しておく必要がありますか?
エングラムは私のプライベートな会話を保存しますか?
他のデバイスから私の記憶にアクセスできますか?
エングラムはどのようなAIアシスタントをサポートしていますか?
記憶が多すぎると、検索が遅くなりますか?
私の記憶をエクスポートしたり、バックアップしたりできますか?
エングラムは無料ですか?
関連リソース
公式ドキュメント
完全なエングラムの技術ドキュメントと使用ガイド
GitHubリポジトリ
ソースコード、問題追跡、リリースバージョン
MCP統合ガイド
詳細なMCPクライアント統合説明
デプロイメントガイド
Docker、Kubernetes、および本番環境のデプロイメントガイド
Ollama公式サイト
ローカルで大規模言語モデルを実行するツール
Model Context Protocol
MCPプロトコルの公式仕様

Gmail MCP Server
Claude Desktop用に設計されたGmail自動認証MCPサーバーで、自然言語でのやり取りによるGmailの管理をサポートし、メール送信、ラベル管理、一括操作などの完全な機能を備えています。
TypeScript
21.1K
4.5ポイント

Edgeone Pages MCP Server
EdgeOne Pages MCPは、MCPプロトコルを通じてHTMLコンテンツをEdgeOne Pagesに迅速にデプロイし、公開URLを取得するサービスです。
TypeScript
26.1K
4.8ポイント

Context7
Context7 MCPは、AIプログラミングアシスタントにリアルタイムのバージョン固有のドキュメントとコード例を提供するサービスで、Model Context Protocolを通じてプロンプトに直接統合され、LLMが古い情報を使用する問題を解決します。
TypeScript
91.6K
4.7ポイント

Baidu Map
認証済み
百度マップMCPサーバーは国内初のMCPプロトコルに対応した地図サービスで、地理コーディング、ルート計画など10個の標準化されたAPIインターフェースを提供し、PythonとTypescriptでの迅速な接続をサポートし、エージェントに地図関連の機能を実現させます。
Python
41.2K
4.5ポイント

Gitlab MCP Server
認証済み
GitLab MCPサーバーは、Model Context Protocolに基づくプロジェクトで、GitLabアカウントとのやり取りに必要な包括的なツールセットを提供します。コードレビュー、マージリクエスト管理、CI/CD設定などの機能が含まれます。
TypeScript
26.6K
4.3ポイント

Unity
認証済み
UnityMCPはUnityエディターのプラグインで、モデルコンテキストプロトコル (MCP) を実装し、UnityとAIアシスタントのシームレスな統合を提供します。リアルタイムの状態監視、リモートコマンドの実行、ログ機能が含まれます。
C#
33.5K
5ポイント

Magic MCP
Magic Component Platform (MCP) はAI駆動のUIコンポーネント生成ツールで、自然言語での記述を通じて、開発者が迅速に現代的なUIコンポーネントを作成するのを支援し、複数のIDEとの統合をサポートします。
JavaScript
22.0K
5ポイント

Sequential Thinking MCP Server
MCPプロトコルに基づく構造化思考サーバーで、思考段階を定義することで複雑な問題を分解し要約を生成するのに役立ちます。
Python
35.3K
4.5ポイント





