EverOS：オープンソースのMarkdownファーストエージェントメモリランタイム、ハイブリッドBM25＋ベクトル検索と自己進化型スキルを搭載
EverMindは、AIエージェントのメモリをプレーンなMarkdownファイルとして保存し、SQLiteとLanceDBでインデックス化するローカルファーストのメモリランタイム「EverOS」をオープンソース化しました。ハイブリッドBM25＋ベクトル検索、マルチモーダル取り込み、自己進化型スキルをApache 2.0ライセンスで提供します。本記事では、その概要、アーキテクチャ、ベンチマーク結果、そしてまだ不足している点について、実行可能なコードウォークスルーとインタラクティブデモを交えて解説します。
EverMind社は、AIエージェント向けのオープンソースメモリランタイム「EverOS」をリリースしました。Apache 2.0ライセンスで提供され、開発者が早期に直面する問題、すなわち大規模言語モデルがステートレスであるために会話終了後にコンテキストが失われるという課題を解決します。
EverOSは異なるアプローチを採用しています。ベクトルデータベースにメモリを閉じ込めるのではなく、プレーンなMarkdownファイルとして保存します。これらのファイルがエージェントがセッション間で読み取り、編集、検索するための事実上の情報源となります。
主要機能
- メモリ＝Markdown：各レコードは.mdファイルとして保存され、直接編集やGitバージョン管理、Obsidianなどでの表示が可能。
- ハイブリッド検索：単一のLanceDBクエリでBM25キーワードマッチ、密ベクトル検索、スカラーフィルタリングを同時実行。EverMindはこのマルチモーダル検索パスをmRAGと呼びます。
- 自己進化型スキル：完了したタスクはケースとして記録され、繰り返し成功したパターンがオフラインで再利用可能なスキルに変換され、エージェントが使用とともに改善されます。
アーキテクチャ
EverOSは三層のストレージスタックを採用：Markdownが事実情報、SQLiteが状態とキュー、LanceDBがベクトル・BM25・スカラーフィルタを管理。従来のソリューションに比べ、MongoDBやElasticsearch、Milvusなどを必要とせず、運用コストを低減します。
ランタイムはユーザーID、エージェントID、アプリID、プロジェクトID、セッションIDに基づく多次元検索をサポートし、マルチエージェント環境でのデータ分離を実現します。
ベンチマーク
EverMindチームの報告によると、EverOSはLoCoMoで93.05％、LongMemEvalで83.00％、HaluMemで93.04％を達成し、p95検索レイテンシは500ミリ秒未満。これらの数値はEverMind自身の報告であり、実際のワークロードでの検証が推奨されます。
ユースケース
実際の統合例として、マルチエージェント協調ツール（Hive Orchestrator）、行方不明者検索のための意味メモリシステム（Reunite）、アルツハイマー病メモリアシスタント、ウェアラブルAIデバイスなどがあります。
クイックスタート
インストールは簡単：pip install everos を実行後、everos demo でローカル教育用ビジュアライザーを起動。APIはOpenAIプロトコル互換で、主要なモデルバックエンドに容易に接続できます。
EverOSはApache 2.0ライセンスでオープンソース化され、セルフホストとクラウドの両方のデプロイオプションを提供し、開発者はニーズに応じて柔軟に選択できます。