Memory MCP：AIのための永続的な知識グラフ

AIアシスタントが会話間で情報を記憶できることを望んだことはありませんか？プロジェクト構造、コーディングの好み、または毎回繰り返したくない重要なコンテキストを記憶するように？

Memory MCPはまさにそれを提供します - Claudeがチャットセッション間で情報を記憶できる永続的な知識グラフです。

Memory MCPとは？

Memory MCP（Knowledge Graph Memory Serverとしても知られる）は、JSONLファイルとして保存されたローカル知識グラフを使用してClaudeに永続的メモリを提供する公式のAnthropic MCPサーバーです。

コアコンセプト：知識グラフ

システムは3つのコアコンポーネントを使用します：

エンティティ（Entities） - 知識グラフの主要ノード（人、プロジェクト、概念）
リレーション（Relations） - エンティティ間の有向接続（能動態で保存）
オブザベーション（Observations） - エンティティに関する個別の情報片

主要機能

永続的メモリ 🧠
- チャットセッション間で情報が保持される
- ローカルJSONLファイルに保存
- 外部サーバーにデータを送信しない
構造化された知識 🕸️
- エンティティとリレーションを持つ知識グラフ
- 概念間のセマンティックな関係
- クエリとトラバースが容易
プライバシーファースト 🔒
- すべてのデータをローカルに保存
- データを完全に制御
- クラウド依存なし
クロスセッションコンテキスト 🔄
- Claudeが以前の会話を記憶
- 過去の議論に基づいて構築
- コンテキストを繰り返す必要なし

インストールとセットアップ

方法1：公式CLI（推奨）

# プロジェクトにインストール
claude mcp add \
  --scope project \
  memory \
  -e MEMORY_FILE_PATH=./.claude/memory.json \
  -- npx -y @modelcontextprotocol/server-memory

# グローバルにインストール
claude mcp add \
  --scope global \
  memory \
  -e MEMORY_FILE_PATH=~/.claude/memory.json \
  -- npx -y @modelcontextprotocol/server-memory

方法2：手動設定

.mcp.json（プロジェクト）または~/.claude/.mcp.json（グローバル）を編集：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"],
      "env": {
        "MEMORY_FILE_PATH": "./.claude/memory.json"
      }
    }
  }
}

実際の使用例

例1：プロジェクトアーキテクチャを記憶

あなた：「記憶して：このプロジェクトは5つのサービスを持つマイクロサービスアーキテクチャを使用：
auth、api、database、cache、queue」

Memory MCPが作成：
- エンティティ：「project-architecture」（タイプ：architecture）
- オブザベーション：「マイクロサービスアーキテクチャを使用」
- エンティティ：「auth-service」（タイプ：service）
- リレーション：project-architecture -> contains -> auth-service
...

次のセッション：
あなた：「プロジェクトアーキテクチャは何ですか？」
Claude：「あなたのプロジェクトは5つのサービスを持つマイクロサービスアーキテクチャを使用しています...」

例2：コーディングの好みを記憶

あなた：「letよりconstを、function宣言よりアロー関数を好む」

Memory MCPが作成：
- エンティティ：「coding-preferences」（タイプ：preferences）
- オブザベーション：「letよりconstを好む」
- オブザベーション：「function宣言よりアロー関数を好む」

後で：
Claudeがコードを書く際に自動的にこれらの好みを適用

利用可能なツール

1. `create_entities` - エンティティの作成

2. `create_relations` - リレーションの作成

3. `add_observations` - オブザベーションの追加

4. `search_nodes` - ノードの検索

5. `open_nodes` - 特定のノードを開く

6. `delete_entities` - エンティティの削除

7. `delete_observations` - オブザベーションの削除

8. `read_graph` - グラフ全体を読み取る

ベストプラクティス

✅ 推奨

構造化されたエンティティ名 - 明確な命名を使用
明確なエンティティタイプ - タイプの一貫性を保つ
能動態のリレーション - 受動態ではなく「depends-on」を使用
粒度の細かいオブザベーション - 具体的で明確に保つ
定期的なメモリ監査 - 定期的にメモリグラフを確認

❌ 避けるべき

機密データの保存 - パスワード、APIキー、個人情報を保存しない
重複エンティティ - 作成前にエンティティの存在を確認
曖昧なオブザベーション - 具体的で実行可能に保つ
循環参照 - グラフトラバースで混乱を引き起こす可能性

メモリスコープ戦略

戦略1：プロジェクト固有のメモリ

戦略2：グローバル共有メモリ

戦略3：ハイブリッドアプローチ

他のMCPとの統合

Memory + Filesystem MCP

Memory + Context7 MCP

結論

Memory MCPはClaudeをステートレスなアシスタントから永続的なコンテキスト認識を持つものに変換します。これにより実現：

✅ クロスセッション継続性
✅ プロジェクト知識の蓄積
✅ パーソナライズされたAI支援
✅ コンテキストの繰り返しの削減

あなたに適していますか？

使用シナリオ	推奨度
長期プロジェクト	⭐⭐⭐⭐⭐
複数の関連プロジェクト	⭐⭐⭐⭐⭐
チーム知識共有	⭐⭐⭐⭐
個人的なコーディング好み	⭐⭐⭐⭐⭐
一回限りのタスク	⭐⭐

今すぐ始める

インストール：claude mcp add --scope project memory -e MEMORY_FILE_PATH=./.claude/memory.json -- npx -y @modelcontextprotocol/server-memory
知識グラフの構築を開始
永続的AIメモリを楽しむ