Memory クラスリファレンス
Memory クラスは、Mastraで会話履歴とスレッドベースのメッセージストレージを管理するための堅牢なシステムを提供します。会話の永続的な保存、セマンティック検索機能、効率的なメッセージ取得を可能にします。会話履歴のためのストレージプロバイダーを設定する必要があり、セマンティックリコールを有効にする場合は、ベクトルストアとエンベッダーも提供する必要があります。
基本的な使い方
import { Memory } from "@mastra/memory";
import { Agent } from "@mastra/core/agent";
const agent = new Agent({
memory: new Memory(),
...otherOptions,
});カスタム設定
import { Memory } from "@mastra/memory";
import { LibSQLStore, LibSQLVector } from "@mastra/libsql";
import { Agent } from "@mastra/core/agent";
const memory = new Memory({
// Optional storage configuration - libsql will be used by default
storage: new LibSQLStore({
url: "file:./memory.db",
}),
// Optional vector database for semantic search
vector: new LibSQLVector({
url: "file:./vector.db",
}),
// Memory configuration options
options: {
// Number of recent messages to include
lastMessages: 20,
// Semantic search configuration
semanticRecall: {
topK: 3, // Number of similar messages to retrieve
messageRange: {
// Messages to include around each result
before: 2,
after: 1,
},
},
// Working memory configuration
workingMemory: {
enabled: true,
template: `
# User
- First Name:
- Last Name:
`,
},
},
});
const agent = new Agent({
memory,
...otherOptions,
});ワーキングメモリ
ワーキングメモリ機能を利用すると、エージェントは会話をまたいで情報を保持できます。有効にすると、Memory クラスは専用のツールコールを使ってワーキングメモリの更新を自動的に管理します。
設定例：
const memory = new Memory({
options: {
workingMemory: {
enabled: true,
template: "# User\n- **First Name**:\n- **Last Name**:",
},
},
});テンプレートが指定されていない場合、Memory クラスはデフォルトのテンプレートを使用します。これには、ユーザー情報、好み、目標、その他のコンテキスト情報のフィールドが Markdown 形式で含まれています。詳細な使用例やベストプラクティスについては、ワーキングメモリガイドをご覧ください。
embedder
semanticRecall を有効にする場合、埋め込みモデルが必要です。
一つの選択肢として @mastra/fastembed を利用できます。これは FastEmbed を使ったオンデバイス／ローカル埋め込みモデルを提供します。このモデルはローカルで動作し、API キーやネットワークリクエストは不要です。
利用するには、まずパッケージをインストールしてください：
npm install @mastra/fastembed次に、Memory インスタンスで設定します：
import { Memory } from "@mastra/memory";
import { fastembed } from "@mastra/fastembed";
import { Agent } from "@mastra/core/agent";
const agent = new Agent({
memory: new Memory({
embedder: fastembed,
// ... other memory config
}),
});なお、プロジェクトのデプロイ先によっては、FastEmbed の大きな内部依存関係のためにデプロイできない場合があります。
代わりに、OpenAI のような API ベースの embedder も利用できます（この問題は発生しません）：
import { Memory } from "@mastra/memory";
import { openai } from "@ai-sdk/openai";
import { Agent } from "@mastra/core/agent";
const agent = new Agent({
memory: new Memory({
embedder: openai.embedding("text-embedding-3-small"),
}),
});Mastra は Vercel AI SDK を通じて多くの埋め込みモデルをサポートしており、OpenAI、Google、Mistral、Cohere などのオプションも利用できます。