Cognee
AIエージェントに長期記憶を持たせるためのオープンソースのバックエンド基盤で、開発者が会話や外部データを再利用可能な知識グラフと検索結果へ変換するのを助けます。
ツール概要
現時点の証拠から見ると、Cognee は「明確な用途を持ち、注目を集めている OSS の Agent 記憶基盤」と判断できますが、大規模な本番運用で広く検証済みとまではまだ言えません。注目度の証拠は、GitHub Trending 系の紹介、X での拡散、star 増加を強調する投稿などです。これらは関心の高さを示しますが、使いやすさの証明ではありません。一方で、使い勝手や実装可能性の証拠としては、公式 GitHub リポジトリの説明や、知乎の技術解説で触れられている remember / recall / forget、MCP、Postgres、Neo4j、pgvector などの具体的な構成の方が有効です。これは汎用チャットボットでも単なるベクトルDBでもなく、より正確には「Agent 向けの長期記憶オペレーティング層」や「知識グラフ層を備えた RAG/記憶基盤」に近いです。
実際の役割として、証拠は主に二つの用途に収束しています。第一に、会話内の重要情報をセッションをまたぐ長期記憶として保存し、recall と forget を行えること。第二に、非構造データをグラフ的な知識へ変換し、ベクトル検索とグラフ検索を組み合わせて Agent から参照できることです。複数の知乎記事では stdio、SSE、HTTP、Docker、さらに単一の Postgres で記憶スタックの多くを賄う構成にも触れられており、完成済みアプリというより、開発者が組み込むバックエンド部品としての性格が強いと読めます。「幻覚を減らす」「より決定的になる」といった表現は主に SNS 上の言い回しであり、安定した効果保証としては扱うべきではありません。
導入ハードルとコストについて、証拠から確実に言えるのは Apache 2.0 の OSS で自己ホスト可能という点です。記事では FastAPI、SQLAlchemy、LiteLLM、LanceDB、RDFLib、NetworkX、さらに Neo4j、Neptune、Postgres/pgvector、LangChain、LlamaIndex などの統合先が挙げられており、柔軟性は高い一方で実装難度は低くありません。現行の evidenceSources には公式料金表や信頼できる API 単価情報がないため、総コストを断定するのは不適切です。単一 Postgres 構成が比較的簡素だという話も、あくまでコミュニティ記事による導入例であって、公式のコスト保証ではありません。Agent、RAG、知識基盤を自前で組む開発チームには向きますが、非技術ユーザーが設定なしで業務成果物を得る用途には向きません。