MCPメモリサーバ徹底比較｜AIに記憶を持たせる3製品
AIエージェントに「昨日の続き」を覚えさせたいけれど、どのMCPメモリサーバを選べばいいのかわからない——そんな声を最近よくいただきます。
Claude CodeやCursorで業務自動化エージェントを動かしていると、避けて通れないのがセッション横断の記憶の問題です。
本記事では、2026年5月時点で実用レベルに達している3つのMCPメモリサーバ「agentmemory」「mcp-memory-service」「ai-memory」を、中小企業の業務自動化視点で徹底比較します。株式会社Fyveの実装経験をもとに、選定基準と「自社にはどれが合うか」の判断軸まで整理しました。
なぜ今「MCPメモリサーバ」が必要なのか
株式会社Fyveでは、Claude Codeを中心としたAIエージェントによる業務自動化の支援を行っています。私たちが過去1年以上、各種AIツールを実務で使い続けて痛感したのは、AIの性能向上以上に「記憶の保持」がアウトプットの質を決めるという現実でした。
同じセッション内では非常に賢く動くAIエージェントも、セッションが切れた瞬間に「初対面」に戻ります。昨日依頼した業務の続きを今日また説明し直す、先週決めた方針をもう一度伝え直す——この摩擦が積み重なると、AI活用のROIは一気に下がります。
Anthropic公式も2026年3月のリーク以降、Dream Systemと呼ばれる記憶整理機能の開発を進めていることが明らかになっています。私たちの見解として、AIエンジン自体の性能が同じでも、記憶の保持機能が改良されればアウトプットの質は劇的に向上します。それほどメモリ層は重要な領域です。
そのギャップを埋めるのが、MCP（Model Context Protocol）経由でAIエージェントに永続記憶を与えるメモリサーバ群です。Anthropicが2024年11月にMCPを公開してから1年半、メモリ用途のサーバは爆発的に増えました。中でも実務利用に耐えるレベルに達した3つを取り上げます。
3つのMCPメモリサーバの位置づけ
まず全体像を整理します。今回比較する3つは「狙う層」と「設計思想」が明確に異なります。
- agentmemory（rohitg00版）: 「AIコーディングエージェント向け」を明確に打ち出した最も機能豊富なツールキット。53のツール・6リソース・8スキルを備え、Claude Code・Cursor・Gemini CLI・Codex CLIなど主要MCPクライアントを横断的にカバー
- mcp-memory-service（doobidoo版）: 「マルチエージェント基盤向け」の重量級。LangGraph・CrewAI・AutoGenを念頭にREST API・知識グラフ・自律的な記憶整理を備える
- ai-memory（alphaonedev版）: 「ゼロ依存・低オーバーヘッド」を徹底した軽量版。SQLite一本でクラウド非依存、recallするまでトークンを消費しない設計
この時点で気づくはずです。「メモリサーバ」と一括りにされがちですが、実態は用途も導入難易度も大きく異なる別物だということです。
3製品の比較表
主要スペックの比較
2026年5月時点の各リポジトリ・公式ドキュメントを参照して整理しました。
- agentmemory: 提供形態=REST + MCPサーバ、対応LLM=Claude Code / Cursor / GitHub Copilot CLI / Gemini CLI / Codex CLI、ストレージ=独自サーバ+シム構成、ツール数=53、ライセンス=OSS、料金=無料（自社運用前提）
- mcp-memory-service: 提供形態=MCPサーバ + REST API、対応=Claude / LangGraph / CrewAI / AutoGen、ストレージ=SQLite-Vec / Cloudflare / Hybrid、特徴=知識グラフ・自律的な統合・OAuth 2.1チーム機能、ライセンス=Apache 2.0、料金=OSS無料
- ai-memory: 提供形態=MCPサーバ + HTTP API + CLI、対応=Claude / ChatGPT / Grok / Gemini / Codex / Cursor / OpenClaw、ストレージ=SQLite FTS5、特徴=6要素スコアリング・recallまでトークンゼロ、ライセンス=OSS、料金=無料
導入難易度
業務導入の観点で最も重要な「動かすまでの手間」を3段階で評価します。
- agentmemory（中〜高）: フル機能を使うには独自のagentmemoryサーバを起動する必要があり、AGENTMEMORY_URLを通じてMCPシムから接続する2段構え。シムだけでも7ツールは使えるが、本領発揮にはサーバ運用が必要
- mcp-memory-service（高）: Pythonでpip install -e .して server を起動する流れ。SQLite-Vec / Cloudflare / Hybridのストレージ選択や、リモート運用ではOAuth 2.1の設定が必要。中小企業がいきなり自社運用するには技術ハードルが高い
- ai-memory（低）: SQLite一本で完結。npxで起動して mcp.json に1行追加すれば動く。クラウド依存ゼロ・APIキー不要
ここは導入する側の技術リソースで判断が分かれる部分です。私たちFyveが中小企業のお客様にお勧めする場合、最初の一歩はai-memoryから入ることが多くなっています。
料金
3製品とも本体はOSS無料ですが、運用コストの実態は異なります。
- agentmemory: サーバ運用が必要なため、自社にホストする場合は最低でもVPSや小規模インスタンス代がかかる（月数百円〜数千円）
- mcp-memory-service: Cloudflareバックエンドを使えば無料枠で運用可能、SQLite-Vecモードならローカル完結で実質ゼロ円
- ai-memory: ローカルSQLite運用なら完全に無料・API課金なし
中小企業の経営者・個人事業主の視点で見ると、「最初は0円から、必要に応じてスケール」が現実解です。
業務自動化エージェントが「昨日の続き」を覚える仕組み
3製品とも基本構造は共通しています。AIエージェントが会話中に「これは重要だ」と判断した情報を、メモリサーバに保存する。次のセッションで関連する話題が出たときに、エージェントが自動で過去の記憶をrecallして文脈に取り込む——この仕組みです。
違いが出るのは、「どう保存するか」「どう取り出すか」「いつ取り出すか」の設計です。
agentmemory：ツールキット型
memory_save / memory_recall / memory_smart_search / memory_sessions / memory_export / memory_audit / memory_governance_deleteの7基本ツール（シム時）から、フル接続時には53ツールまで拡張されます。AIエージェント側に「どう記憶し、どう取り出すか」の自由度を最大限に与える設計です。
個人事業主が複数のクライアント案件を並行で進める場合、案件ごとにセッションを分けてmemory_sessionsで管理し、その都度memory_smart_searchで関連知見を呼び出す——という運用が自然に組めます。
mcp-memory-service：知識グラフ型
こちらは保存された情報の関係性を自動で推論し、知識グラフとして蓄積していくのが特徴です。たとえば「A社とのMTGで決まった方針」「その方針に紐づくB業務の進行状況」「B業務に関連する過去事例」を、関係性として保持できます。
複数のAIエージェントが並行で動くマルチエージェント環境（LangGraph・CrewAI・AutoGen）を前提に作られているため、組織的にAIを運用する企業に向いています。
ai-memory：軽量SQLite型
SQLite FTS5でフルテキスト検索を、6要素のスコアリング（recency / frequency / importance など）で優先度を決める単純明快な設計です。ai-memoryの最大の特徴は「recallするまでトークンを消費しない」こと。多くの内蔵メモリ機能は会話のたびに全記憶をコンテキストに載せるのに対し、ai-memoryはAIが明示的にmemory_recallを呼んだときだけ、関連メモリだけを返します。
これは月のAPI予算が決まっている中小企業にとって、地味ながら大きな意味があります。記憶量が増えてもトークン消費が爆発しないからです。
中小企業・個人事業主の選定基準
ここまで読んで「結局どれを選べばいいのか」と思われたかもしれません。私たちFyveが普段、お客様の業務自動化を設計するときに使っている判断軸を整理します。
判断軸1：運用する人数
- 1人で運用（個人事業主・1人社長）: ai-memory。クラウド依存ゼロ・低オーバーヘッド・無料の三拍子
- 少人数チームで共有（5〜10名）: agentmemory。セッション管理・ガバナンス削除・監査ログが揃っている
- 組織的に複数エージェントを運用（10名以上 or 部門横断）: mcp-memory-service。OAuth 2.1のチーム機能・知識グラフが活きる
判断軸2：既存のAIスタック
- Claude Code中心: 3製品ともOK。最も実装事例が多いのはagentmemory
- Cursor中心: ai-memoryが ~/.cursor/mcp.json に1行追加で動く手軽さで有利
- LangGraph / CrewAI / AutoGenで組んだエージェント: mcp-memory-service一択
判断軸3：データ管理ポリシー
- 機密情報を扱う・外部に出せない: ai-memory（ローカルSQLite完結）or mcp-memory-service（SQLite-Vecモード）
- チームで共有しつつ可視化したい: mcp-memory-service（Knowledge Graph Dashboardあり）
- 細かい監査・削除制御が必要: agentmemory（memory_audit / memory_governance_delete）
私たちの推奨ステップは「まずai-memoryを入れて1ヶ月使ってみる → 物足りなくなったら用途に応じてagentmemoryかmcp-memory-serviceへ移行」です。最初から大型のものを入れて運用が回らないより、軽量から始めて記憶を持つAIに業務がどう変わるかを実感する方が、投資判断としては健全です。
導入時に必ず押さえる3つの注意点
1. MCPの権限はセキュリティリスクを伴う
これは私たちが普段からお客様に強くお伝えしている点です。MCPは常にAPI経由で情報のやり取りを許可する機能なので、情報漏洩のリスクは常に存在します。使っていないメモリサーバを許可状態で放置することにセキュリティ的なメリットはありません。不要なものは外す、これが原則です。
特にメモリサーバはAIエージェントが扱うすべての情報を蓄積する性質上、認可スコープと保存先の管理が極めて重要です。クラウドストレージを選ぶ場合は、データの所在・暗号化・第三者監査の有無を必ず確認してください。
2. メモリの「育て方」を設計する
メモリサーバを入れただけでは、AIエージェントが勝手に賢くなるわけではありません。「何を記憶させるか」「どのタイミングで記憶させるか」のルールを最初に決めることが必要です。
たとえば「クライアントとのMTG後に必ず合意事項を保存する」「業務の意思決定理由を都度メモリに刻む」といった運用ルールを、AIエージェントへの指示（システムプロンプト or skill）として組み込みます。これをやらないと、メモリには雑多な情報だけ溜まって肝心な業務知識が残らない、というパターンに陥ります。
3. バックアップとエクスポート手段を確保
SQLiteベースのai-memoryやローカルモードのmcp-memory-serviceは単一ファイル運用なので、定期バックアップが必須です。agentmemoryにはmemory_exportツールが標準で備わっており、この点では運用しやすい設計になっています。
メモリは積み重ねるほど価値が出る資産です。蓄積した知見が消えると、AIエージェントは「いきなり新人」に戻ります。バックアップは見落としがちですが、業務継続性の観点で初日から組み込んでおくべき項目です。
関連記事
MCPサーバの基本概念やビジネス活用の前提については、こちらの記事もあわせてご覧ください。
まとめ
AIエージェントの実務活用において、メモリは「あったら便利」ではなく「なければアウトプットの質が頭打ちになる」必須インフラに変わりつつあります。今回比較した3製品は、いずれも実用レベルに達しており、用途に応じて選べば中小企業・個人事業主でも十分に運用可能です。
整理すると、選定軸は次の3つに集約されます。
- 1人運用ならai-memory（軽量・無料・トークンゼロ）
- 少人数チーム運用ならagentmemory（ツール豊富・ガバナンス機能あり）
- マルチエージェント組織運用ならmcp-memory-service（知識グラフ・OAuth 2.1）
私たちは、AI活用顧問サービスを通じて中小企業のAIエージェント運用を支援しています。
「メモリサーバを入れたいが運用できるか不安」「自社業務に合う設計を相談したい」というご相談も多く、その都度実装視点で判断軸を一緒に整理しています。AI活用の入口で迷っている方は、まずは小さくai-memoryから試して、記憶を持つAIに業務がどう変わるかを体感していただくことをお勧めします。
「Claude Code を自分で使いこなしたい」「自社の業務に組み込みたい」
── そんな方は、まず初回無料相談でお話ししてみませんか。
御社の業務に合わせたClaude Code導入支援
「AIツールを導入したが、現場で使われない」を終わらせる。
業務課題のヒアリングから設計、ハンズオン実践、運用定着まで一貫して支援します。