Mem0 vs Zep vs TencentDB Agent Memory：2026年 完全比較

2026年上半期、Agent Memory（エージェント記憶層）は「任意のプラグイン」から、ベクトルDBやモデルルーティングと並ぶインフラへと変わりました。Coding Agent がセッションをまたいでユーザー設定・プロジェクト制約・失敗した CI 設定を覚える必要があるとき、あるいはカスタマーサポート Agent が「先月お客様が言ったこと」と「今の事実」を区別しなければならないとき、チャット履歴を context window に詰め込むだけではもう足りません。

本記事では、2026年に最も議論された3つのソリューションを横断比較します：Mem0（OSS + マネージド記憶層）、Zep（Graphiti ベースのエンタープライズ時系列ナレッジグラフ）、TencentDB Agent Memory（Tencent オープンソースの記号化短期 + 階層型長期記憶）。アーキテクチャ、検索レイテンシ、トークン経済性、フレームワーク統合、コンプライアンス、チームガバナンスを評価し、すぐ使える選定決定木を提示します。

* 各ベンダー公開ベンチマーク / 技術記事のデータ。タスク種別とデータ規模により実効は異なります。

2026年に Memory 層を単独選定すべき理由

LLM の context window は大きくなっていますが、大きい ≠ 覚えているです。本番でよく見る3つの失敗：

1. セッション漂流：3日前に「TestFlight ベータのみ」と言われたのに、今日 Agent が App Store 正式版を提案する。
2. ツールログがコンテキストを圧迫：xcodebuild や E2E テストの出力が数万トークンになり、有用な業務記憶を押し出す。
3. フラット RAG の誤召回：ベクトルDBが「廃止済みの旧要件」と「現在のスプリント目標」を同時に返す。

Memory 層の役割は、セッション横断の状態を prompt から切り離し、構造化ストレージ + 精密検索で再注入することです。ドキュメント RAG や、DeepSeek Coding Agent 選定で議論した「誰がコードを書くか」とは補完関係：モデルが推論し、Memory が永続コンテキストを担います。

評価フレームワーク：5つの硬指標

Mem0 / Zep / TencentDB 一言定位

• Mem0：「任意の Agent に差し込める記憶層」— MIT OSS、マネージドはリクエスト課金。2026年4月の新アルゴリズムは単一パス ADD 抽出 + マルチシグナル融合検索を強調。
• Zep：「エンタープライズ Context Lake」— OSS エンジン Graphiti が二重時系列ナレッジグラフを構築。マネージド検索は sub-200ms を目標。事実のバージョン管理と provenance に強い。
• TencentDB Agent Memory：「より大きなウィンドウではなく、より良い記憶構造」— Mermaid 記号化短期記憶 + L0→L3 長期ピラミッド。OpenClaw と国内クラウドスタックに深く適合。

コア能力対照表

アーキテクチャ深掘り：3つの記憶哲学

Mem0：圧縮 + マルチシグナル検索

Mem0 の設計思想は「パイプラインは触らず、記憶層を厚くする」：Agent フレームワークは従来どおり orchestrate し、Mem0 が横で extract → consolidate → retrieve。2026年 OSS README が強調する新アルゴリズム：

• Single-pass ADD-only 抽出：LLM 1回で書き込み、インプレース上書きなし—書き込み増幅を低減。
• Multi-signal retrieval：意味ベクトル + BM25 キーワード + エンティティリンクを並列スコア融合。
• Temporal Reasoning：「今どこに住んでいるか」「先週の会議で何を言ったか」系クエリに時間認識ランキング。

マネージド Pro（$249/月）で Graph Memory によるエンティティ関係追跡。ベクトル記憶だけなら Growth $79 で十分なことが多い。Docker Compose でフルスタック起動可能—K8s 已有チーム向け。

from mem0 import Memory
m = Memory()
m.add("ユーザーは TestFlight ベータを希望、App Store 正式版は不要", user_id="u_42")
hits = m.search("リリースチャネルの希望は？", user_id="u_42")

Zep：二重時系列ナレッジグラフ

Zep の差別化は「事実は期限切れになるが、履歴は失ってはいけない」。Graphiti は各エッジに2つの時間軸を保持：

• Valid time：現実世界で事実が真であった期間；
• Transaction time：システムがその事実を知った時点。

新情報が旧事実と矛盾すると、旧エッジは削除されず invalid_at でマーク—Agent は「顧客が今使っているプラン」と「3ヶ月前に言ったこと」の両方に答えられる。B2B サポート、アカウント変更、コンプライアンス監査に極めて有用。

代償としてグラフ構築は単純ベクトル書き込みより重い：LLM によるエンティティ/関係抽出と矛盾解消が必要。Zep マネージドは p95 検索を 200ms 以内に；Graphiti セルフホストは Neo4j 運用とチューニングを自前で。

TencentDB：記号化短期 + L0–L3 長期

TencentDB Agent Memory が解く、見落とされがちな2つの痛点：

1. 単一の超長タスク：ツール出力は Context Offloading で外部ファイルへ。コンテキストには高密度の Mermaid 状態図のみ。node_id で詳細を元ログに遡り（grep 証拠鎖は完全）。
2. セッション横断のチーム知識：対話を L0 生対話 → L1 原子事実 → L2 シナリオブロック（Markdown）→ L3 ユーザープロファイルへ段階的に蒸留—「不可逆な暴力要約」を回避。

Tencent 技術記事の WideSearch 系実験：トークン最大 61.38% 削減、タスク合格率 51.52% 相対向上；PersonaMem 精度 48% → 76%。OpenClaw プラグインとしてローカル SQLite バックエンドをゼロ設定で有効化—OpenClaw でリモート Mac タスクを編成しているチームに最短の導入経路。

フレームワーク統合と OpenClaw 実測パス

3者の統合摩擦は大きく異なります：

Mem0：3行で任意フレームワークに接続

Python / Node SDK。LangChain、AutoGen、自前 FastAPI ゲートウェイと接続可能。OmniRoute マルチモデルゲートウェイの背後に統一 Memory サービスを置き、Claude Code、Cursor BYOK、Reasonix が同一ユーザープロファイルを共有する構成に最適。

Zep：User / Thread モデル内蔵

SDK にユーザーとセッション管理が組み込まれ、自前実装が1層減る。「1ユーザー ↔ 複数 Agent スレッド」のエンタープライズアシスタント向け。Graphiti セルフホストではここを自前で実装。

TencentDB：OpenClaw ワンクリックプラグイン

README に OpenClaw と Hermes Gateway（ポート 8420）の適合手順。典型パス：クラウド Mac上で OpenClaw Agent が xcodebuild / テストスクリプトを実行し、Memory プラグインが前回失敗した署名設定とデバイス UDID を記憶—次セッションで再説明不要。チーム級 Memory Hub（Chat Memory、Skill、Wiki、CodeGraph の4資産種別）は急速に進化中—アップストリーム貢献に前向きなアーリーアダプター向け。

コスト、コンプライアンス、運用

直接請求（個人 / 小チーム、2026年8月目安）

記憶抽出自体が LLM を呼ぶ—AI プログラミング月額コスト記事の DeepSeek Flash ルートなら、1回の add は数銭レベル；Claude Opus 抽出だと記憶層が Agent 本体より高くなることも。実務的には：抽出は小モデル、検索はベクトル/グラフインデックス。

コンプライアンス概要

• Mem0：SOC 2 Type I、HIPAA BAA（エンタープライズ）；北米の医療/金融パイロット向け。
• Zep：SOC 2；データガバナンスと API 監査ログを強調。
• TencentDB：データは完全に自前環境；国内等保・プライベートデプロイに友好。海外チームはネットワークとライセンスを自ら評価。

選定決定木と組み合わせ提案

万能の記憶データベースはありません。Mem0 はエコシステムと導入速度、Zep は時系列正確性、TencentDB は長タスクの記号化と OpenClaw ネイティブ統合で勝つ。成熟チームは最終的に組み合わせることが多い：Zep で顧客事実、Mem0 で開発者設定、TencentDB で OpenClaw 単発タスクの Mermaid 状態—ゲートウェイ層の統一 user_id で関連付け。

よくある質問

Mem0 の Graph Memory と Zep の本質的な違いは？

Mem0 Pro のグラフは主にエンティティ関係による検索強化；Zep/Graphiti のグラフは第一級のデータモデルで、二重時系列と無効化がコアセマンティクス。「ある関係がある期間に成立していたか」というクエリが多いなら Zep を優先。

TencentDB は Tencent Cloud 必須？

いいえ。デフォルトのローカル SQLite で短期+長期記憶を end-to-end 実行可能。TCVDB はオプション拡張で、Tencent Cloud 既存チームの大規模ベクトル検索向け。

Redis / Postgres だけで記憶を自作できる？

可能だが、抽出・重複排除・時系列・検索融合の車輪を再発明することになる。Mem0/Zep/TencentDB の価値はAgent 記憶の落とし穴を踏み済みであること。プロトタイプは DIY；本番は巨人の肩の上に。

RAG ドキュメントストアとの役割分担は？

ドキュメント（製品マニュアル、API spec）は RAG；ユーザー対話の蓄積、タスク状態、設定は Memory。prompt 組み立て段階で両方をマージし、1つのベクトルDBに全部任せない。