ナレッジグラフとメモリ

確認すべきポイント

選択肢を分けるポイントを、重要な順に並べています。

1. 01

   まずグラフが必要なことを証明する

   グラフが役立つのは、関係をたどる質問（誰が誰に供給しているか、どの契約がどの条項を引用しているか）や、コーパス全体にまたがる質問（主なテーマは何か）です。実際の質問から評価セットを作り、まずハイブリッドのベクトル検索で試しましょう。関係が理由で失敗する質問が少なければ、グラフは大した改善なしに費用と構成要素を増やすだけです。GraphRAG-Benchの研究では、LightRAGは回答するモデルに質問あたり約100,000のプロンプトトークンを送っていましたが、ベクトルのRAGでは1,000未満でした。

2. 02

   インデックス化の費用と更新の仕組み

   どのグラフRAGツールも、エンティティと関係を抽出するために文書を言語モデルに通すので、インデックス化には埋め込みよりはるかに費用がかかります。Microsoft GraphRAGはさらにコミュニティの要約を書き、文書が変わるとほぼ作り直します。LightRAGは要約を省き、文書を差分で追加します。Graphitiはエピソードごとに取り込みます。抽出に使うモデルでコーパス全体のトークン数を見積もり、来月その10分の1が変わったらどうなるかを確認しましょう。

3. 03

   時間：変わる事実

   エージェントのメモリには、文書のRAGではめったに起きない問題があります。事実が古くなることです。ユーザーが引っ越し、規程が置き換えられます。Graphitiは各事実がいつ真になり、いつ無効になったかを記録するので、エージェントは今何が真で、当時何が真だったかに答えられます。Mem0やほとんどのグラフRAGのパイプラインは、新しい事実を古い事実の横に追加するだけで、Cogneeの時間の認識はより新しい機能です。エージェントが何か月も動くなら、矛盾の扱いを明示的にテストしてください。

4. 04

   ストレージのバックエンドと運用すべきもの

   パイプラインとメモリ層は、ストアの上に載ります。GraphitiにはNeo4j、FalkorDB、Amazon Neptuneが必要です。LightRAGのインメモリの既定はテスト専用で、本番にはPostgresを推奨しています。GraphRAGは既定でファイルとLanceDBのインデックスを書き出します。Cogneeは既定で組み込みのストアを使いますが、PostgresやNeo4jに移せます。本番のバックエンドをすでに運用しているか、運用する意思のあるツールを選びましょう。

5. 05

   抽出モデルの品質と構造化出力

   グラフの品質は、抽出を行うモデル次第です。小さなローカルモデルは関係を見落とし、エンティティを重複させます。GraphitiのREADMEは、信頼できる構造化出力を持たないモデルでは取り込みが壊れることがあると警告しています。LightRAGは、実用的なローカルの最低ラインとして30B級のモデルを勧めています。インデックス化の時点で高性能なモデルの予算を確保し、すべてをインデックス化する前にサンプルでエンティティの重複排除を確認してください。

6. 06

   メモリのベンチマークは注意して読む

   エージェントのメモリ製品は、LoCoMo、LongMemEval、Deep Memory Retrieval、BEAMを引用しています。公開されている数字のほぼすべてはベンダーによるもので、多くの場合オープンソースのSDKではなくホスト型サービスについてのものであり、実行ごとにモデルも設定も異なります。候補の絞り込みに使い、そのうえで自分の会話を再生して各候補を採点し、変わった事実についての正確さと検索の遅延を測りましょう。

7. 07

   ライセンスとオープンコアの線引き

   GraphRAGとLightRAGはMIT、Graphiti、Mem0、CogneeはApache 2.0です。Neo4j Community EditionはGPLv3で単一サーバーで、クラスタリングとロールベースのセキュリティは有料版にしかありません。いくつかのプロジェクトは、重要な機能をホスト型の製品にとどめています。Mem0のグラフメモリはプラットフォーム限定で、Cogneeの本番用の抽出器とPostgresのグラフストアはライセンス製品にあります。必要な機能がオープン版にあるかを確認してください。

9 個のツールを比較

当サイトの評価順です。各レビューで出典、料金、評価の詳細を確認できます。

ナレッジグラフとメモリのツール比較

ツール	評価	当サイトの評価	向いている用途	料金
Graphitiリポジトリ	4.3/5	事実が時間とともに変わるエージェントにとって、Graphiti は最有力のオープンソースのメモリー層です。ただし、グラフデータベースを運用し、書き込みのたびに LLM による抽出の費用を払うことが前提です。	ユーザー、アカウント、世の中についての変わる事実を覚えておく必要がある、長期稼働のエージェントを作るチーム。	Apache 2.0 の下で無料のオープンソースです。グラフデータベースは自分で用意し、取り込み時の LLM と埋め込みの呼び出しに料金を支払います。
Neo4jリポジトリ	4.1/5	RAGやエージェントメモリにリレーションシップが本当に必要な場合の標準的なグラフストアですが、無料版はサーバー1台に限定されており、大半のRAGではグラフ自体が不要です。	RAGまたはエージェントメモリでの質問がエンティティ間のリレーションシップに依存しており、実績のあるグラフストアを必要とするチームに適しています。	Community EditionはGPLv3で無料です。Enterpriseは見積もり対応です。AuraDB: Free層、Professionalは1 GBあたり0.09ドル/時間（最小1 GB）、Business Criticalは1 GBあたり0.20ドル/時間（最小2 GB）です。
Graphifyリポジトリ	4.1/5	エージェントが grep を繰り返す大きなリポジトリでは導入する価値があります。ただし、ベンチマークの数字はベンダー自身のものとして扱い、ドキュメント用のバックエンドは慎重に選ぶことが前提です。	大きなコードベースを持ち、エージェントに grep ではなく構造をたどらせたいチーム。	オープンソースのエンジンは無料です（Apache-2.0、リポジトリには MIT のライセンスファイルもあります）。Graphify Cloud には無料のホスト型枠と、シート単位の Pro と Teams のプランがあり、価格は公開されていません。セルフホストの Enterprise はアーリーアクセスです。
Mem0リポジトリ	4.0/5	Mem0 はいまもエージェントに記憶を持たせる最も手早い方法ですが、オープンソースの SDK は、グラフメモリと最高のベンチマークスコアを自分のものにしておくプラットフォームの体験版という性格を強めています。	チャットボットやエージェントに、セッションをまたぐユーザーの記憶を加える開発者。	オープンソースの SDK は Apache 2.0 のもとで無料です。Platform は Free（最初の30日間はモデルの呼び出し込みで月10,000回の追加と1,000回の取得、その後は自分の LLM キーで50,000回の追加と10,000回の取得、それを超えると自分で設定した上限まで従量課金）と、見積もりの Custom プランです。以前の $19 の Starter と $249 の Pro のプランは掲載されなくなりました。
RAGFlowリポジトリ	4.0/5	1台のサーバーで稼働させられる完成された文書応答製品ですが、これまでのセキュリティ実績を考慮すると、公開インターネットではなくVPNの背後に配置するのが適切です。	パイプラインを構築することなく、セルフホスト型の文書Q&Aやナレッジアシスタントを導入したいチームに適しています。	Apache 2.0ライセンスに基づく無料でオープンソースのソフトウェアです。また、InfiniFlowはRAGFlow Cloudも販売しています。Free（月間500クレジット、APIキーなし）、Starter（月額29ドル）、Pro（月額129ドル、それぞれ定価の59ドルと259ドルから割引表記）、そしてBYOCやオンプレミス展開に対応した個別見積もりのEnterpriseがあります。
LightRAGリポジトリ	3.9/5	グラフ RAG を試すなら妥当な方法で、Microsoft GraphRAG より保守の費用が安く済みます。ただしほとんどのチームは、グラフを加える前に、それが必要だと証明すべきです。	評価でハイブリッド検索ではマルチホップの質問に失敗することがわかっていて、Postgres 上にグラフを置きたいチーム。	MIT ライセンスの無料のオープンソースです。インデックス作成とクエリには、自分の LLM と埋め込みのクレジットを使います。
Cogneeリポジトリ	3.8/5	Cognee はほぼあらゆる資料から共有のナレッジグラフを作りますが、その初期設定は本番に出す前に責任者が見直す必要があります。	多くの資料から組み立てた共有のナレッジグラフを必要とする、複数のエージェントを作るチームに向いています。	Apache 2.0 のオープンソースです。Cognee Cloud は 100万（1M）トークンとワークスペース1つまで無料で、その後は 100万トークンあたり $1 と、追加のワークスペースごとに月 $5 です。Enterprise は見積もりによる BYOC の契約です。
Lettaリポジトリ	3.7/5	エージェントのメモリについて最もよく考えられた発想を持っているのはいまもLettaです。しかし製品を途中で作り直したことで、以前からの利用者は移行を迫られ、新しく来た人は速く動く的を追うことになりました。	中身を確かめられ、バージョン管理されたメモリを持つ、長く動く個人やチームのエージェントを求め、基盤全体を採用することをいとわない開発者。	Apache 2.0で、自分のモデルのキーを使えばローカルで無料で動かせます。Letta Cloudは、Free（エージェント3つ、メモリのリポジトリあたり5 MiB）、Proは月$20（エージェント20、50 MiB、モデルの利用枠）、APIプランは月$20に、稼働中のエージェント1つにつき月$0.10と、ツールの実行1秒あたり$0.00015が加わり、トークンは別料金です。Teams Proは1シート月$20、Enterpriseは個別見積もりです。
GraphRAGリポジトリ	3.5/5	コーパス全体に関する質問の参考設計であることに変わりはありませんが、Microsoft は開発をやめており、インデックス作成の請求額はこれまでと同じく大きいままです。	文書をまたぐ質問が高額な一回限りのインデックス作成に見合う、固定された価値の高い文書群を持つチーム。	MIT ライセンスの下で無料のオープンソースです。インデックス作成は自分の OpenAI か Azure OpenAI のクレジットで行い、README はそれが高額になりうると警告しています。

仕様の比較

このステップで重要な仕様です。2026年10月23日に確認しました。導入前に提供元のサイトで確認してください。

エージェントに接続する

Claude、ChatGPT、Cursor などのアシスタントがこれらのツールを直接使えるようにする MCP サーバーです。

• Memory (reference server) 3.5
• MCP Memory Keeper 3.4

このステージが使われる場面

• リサーチとナレッジグラフ：まず GraphRAG, Neo4j から始めます。
• 長期記憶を持つアシスタント：まず Graphiti, Mem0 から始めます。

このガイドの出典

• Microsoft GraphRAG configuration
• Graphiti on GitHub
• Zep: temporal knowledge graph architecture (arXiv)
• LightRAG README (storage)
• Neo4j: vector search with filters
• Mem0 docs: vector databases
• Cognee on GitHub
• RAGFlow docs: construct knowledge graph
• Atlan: best AI agent memory frameworks 2026
• When to use Graphs in RAG (GraphRAG-Bench, arXiv)