OpenLore: AIコーディングエージェントのための決定論的なローカルファーストのメモリとガードレール

OpenLoreは、AIコーディングエージェントのためのオープンソースツールで、エージェントの「記憶喪失」と「無秩序」という問題を解決します。コードベースの静的分析を一度実行し、呼び出し構造、型、テスト、決定事項、Infrastructure-as-Code、仕様のずれなどを含むナビゲート可能なナレッジグラフを構築し、編集時にインクリメンタルに更新します。エージェントはMCPツールまたはCLIを通じてこのグラフを照会し、タスク開始時に方向性を得るとともに、変更が適用される前に認定を受けることができます。OpenLoreは決定論的でローカルファーストであり、ホットパスにLLMを含まないため、同じ質問には常に同じ根拠のある回答が返り、エージェントは事実が古くなったことを知らされ、推測に基づいて行動することはありません。

インストールは非常に簡単です。npm install -g openlore && openlore install という1つのコマンドで、エージェント（Claude Code、Cursorなど）を自動検出し、MCPサーバーを接続し、インデックスを構築します。APIキーや設定は不要です。その後、エージェントは orient("add a payment method") のような関数を呼び出し、関連する関数、呼び出し元、一致する仕様セクション、挿入ポイントの候補を即座に取得できます。この1回の呼び出しには約430マイクロ秒しかかかりません。

OpenLoreのコア機能はメモリとガバナンスの2つに分かれます。メモリ面では、永続的なアーキテクチャメモリを提供し、関数の名前変更や移動があっても分析時に記憶が引き継がれます。Epistemic Lease機構によりコンテキストの鮮度を追跡し、エージェントが古い事実に基づいて行動するのを防ぎます。ガバナンス面では、変更影響証明書（差分が宣言された機密境界への新しいパスを開くかどうかを検出）、破壊的変更判定（各エクスポートの変更を破壊的/非破壊的/潜在的に破壊的に分類し、影響を受けるコンシューマを名前で列挙）、アーキテクチャ不変条件チェック（インポートが書かれる前にレイヤー/禁止ルールに準拠しているかどうかを事前にチェック）を提供します。これらのガバナンス機能はすべて純粋な静的解析に基づいており、LLMは不要で、再現可能な結果を保証します。

OpenLoreは、モデルが構造を記憶できない大規模またはプライベートなコードベースや、長いエージェントセッションで古い仮定が蓄積される状況に特に適しています。小さなリポジトリや浅い質問にはコストパフォーマンスが低い可能性があります。実際のテストでは、OpenLoreを使用したexcalidrawリポジトリの深いタスクで、エージェントのラウンドトリップが25回から16回に減少し、26%の削減を達成しました。要するに、OpenLoreはエージェントに「その事実は古い」と「この変更は機密パスを開く」と伝えることで、自信過剰なエラーを防ぎます。オープンソースで無料であり、開発者は既存のワークフローに簡単に統合できます。