Show HN: Emem – AIエージェントのための物理世界の外部メモリ

AIマルチエージェントシステムでは、コンテキストの圧縮により正確な事実が失われるという課題があります。従来の検索手法では、信頼が必要なストアから最も近いドキュメントを返すだけで、単一の製品とベンダーに限定されます。Ememプロジェクトはこの問題を解決するため、署名付きで物理的な場所にアンカーされた事実を保存・参照できる共有メモリレイヤーを提供します。各事実は永続的なアドレスを持ち、エージェントはアカウントなしで読み取れ、鍵保持者はローカルで書き込めます。Ememは地球観測データを初期基盤としますが、ドローン、固定センサー、ロボットなど任意の観測器に拡張可能です。

主な特徴：各事実は小さな署名付きレコードであり、そのアドレスは事実の内容のハッシュから導出されます。エージェントが事実を引用する際、「emem:fact:...」のようなトークンのみを保持し、後続のセッションで正確なバイトに解決し、署名を再検証できます。これにより、長期タスクにおける精度の低下を防ぎます。例えば、エージェントが早期に標高918メートルを検証した後、コンテキストが圧縮されると、Ememがない場合は「約900メートル」しか残りませんが、Ememを使用するとトークンが正確に918.0メートルに解決され、署名も有効です。

信頼モデルはblake3ハッシュとed25519署名に基づいています。読み取り操作は署名付きレコードを返し、受信者は送信者やサーバーを信頼せずにオフラインで検証できます。システムは出典クラスとしてdirect_sensor（直接センサー測定）、deterministic_index（決定論的インデックス計算）、model_output（モデル出力、属性のみで検証なし）、human_curated（人間によるキュレーション）を定義し、各事実の信頼性を明確にします。監査が必要なシナリオでは、これらの区別が重要です。

さらに、Ememはトークン文法を提供し、emem:fact（単一事実）、emem:bundle（事実セット）、emem:entity（エンティティ識別子）、emem:raster（ラスターデータ）、emem:cube（時空間キューブ）、emem:rasterset（ラスターセット）の6種類をサポートし、単一ポイントから複雑な時空間データまで表現可能です。MCP、REST API、Python、TypeScript SDKが用意されており、既存のエージェントワークフローに簡単に統合できます。

Ememは事実がコンテキストを超えて生存する必要がある場合や、エージェント間の信頼境界を越える場合に適しています。長期タスク、エージェント間協調、ロボットフリートの地図、監査レポートなどに有効です。ただし、会話型メモリ、高頻度ストリーム、サブメートル精度が必要な場合には適していません。Ememは検索拡張生成（RAG）と補完的であり、置き換えるものではありません。ドキュメントではなく、物理世界の測定状態を保存します。

まとめ：Ememは、共有可能で検証可能な事実のレイヤーを提供することで、マルチエージェントシステムの協調と長期タスクの信頼性を向上させます。AIエージェントが現実世界でますます活用されるにつれ、このようなインフラストラクチャの重要性は高まるでしょう。プロジェクトはGitHubでオープンソースとして公開されており、クイックスタートガイドと複数の統合方法が提供されています。