【ITニュース解説】The missing layer in AI tooling: sharing what your assistant already knows

AIアシスタントの進化は目覚ましいが、現在の多くのAIツールには、ユーザーがAIに学習させた知識や思考パターン、つまりAIの「記憶」が、個人のアカウントに閉じ込められているという課題がある。AIはユーザーの作業を通じて、特定のプロジェクトのコーディング規約や設計の考え方、好みのツール選択などを徐々に学習し、賢くなっていく。しかし、この貴重な知識は、同じプロジェクトに携わるチームメンバーと簡単に共有できないのが現状だ。

例えば、あるシステムエンジニアが数ヶ月かけて、自分のAIに特定のコーディング規約や設計の指針を覚えさせたとしよう。しかし、新しいチームメンバーがプロジェクトに加わった際、そのメンバーのAIは、同じコードベースを扱っているにもかかわらず、これらの文脈を全く知らない状態から学習を始める必要がある。これは非常に非効率であり、チーム全体の生産性を低下させる要因となる。また、ユーザーがAIツールを別の製品に切り替える際にも、それまでのAIの記憶が引き継がれず、最初からAIを「再教育」しなければならないという問題も発生する。

この課題を解決するために開発されたのが「memshare」という新しいアプローチである。memshareは、AIの記憶を、特定のAIツールの機能の一部としてではなく、ユーザー自身が所有する「データ」として扱うことを提案する。具体的には、AIが学習した情報を、人間が読んで理解しやすいJSON（JavaScript Object Notation）形式のファイルとして、ユーザーのローカル環境に保存する仕組みである。JSONは、データを表現するための標準的なテキスト形式で、多くのプログラミング言語で簡単に扱える。これにより、ユーザーは自分のAIの記憶を直接管理し、必要に応じて安全な方法で共有できるようになる。

memshareの使い方はシンプルである。まず、npm（Node.jsのパッケージマネージャー）を利用してmemshareをインストールし、初期設定を行う。その後、使用するAIツールとmemshareを一度接続すれば、通常の会話の中でAIが学習した情報を自動的に保存するようになる。例えば、「データベースにはPostgresを選んだ。JSONBサポートが決め手だった」といった会話があれば、AIはその情報を自動的に記憶として記録する。ユーザーが特別なコマンドを入力したり、情報を手動でコピー＆ペーストしたりする手間は不要である。

記憶をチームメンバーと共有したい場合、memshareは厳格な同意モデルに基づく安全なプロセスを提供する。共有する側は、まずmemshare exportコマンドを使って、共有したい記憶を選択する。この際、共有したい情報の種類を「プロジェクトX」「アーキテクチャ」といった「タグ」で指定できる。エクスポートを実行する前には、--previewオプションを使って、実際にどのような情報が含まれるのかを正確に確認できる。このプレビュー機能は、実際のデータエクスポートと同じコードパスで動作するため、表示される内容と実際に共有される内容に差異が生じる心配がない。内容を確認して問題がなければ、指定された期間のみ有効な「バンドル」と呼ばれるファイルが生成される。このバンドルファイルは、Slackやメールなど、任意の手段でチームメイトに送ることができる。

バンドルファイルを受け取った側も、情報が強制的に取り込まれることはない。受信者はまずmemshare previewコマンドでバンドルの内容を個別に確認し、その記憶の一つ一つについて、自分のAIに取り込むかどうかを選択できる。これにより、意図しない情報がAIに取り込まれたり、受け取った情報がさらに勝手に他者に共有されたりするのを防ぐ。共有される情報は内容に基づいてハッシュ化されているため、転送中にファイルが改ざんされた場合は、その改ざんが検出され、インポートは拒否される。

memshareの共有における同意モデルはプライバシーとセキュリティを非常に重視している。記憶を作成する際に、その情報が「プライベート」か「共有可能」かをタグ付けで制御する。プライベートな情報は、たとえエクスポート条件に合致しても決して外部に出ることはない。また、エクスポート前には、memshareが自動的に個人を特定できる情報（PII）、例えばメールアドレス、電話番号、認証情報などをスキャンし、検出した項目は共有から除外される。共有する側はエクスポートされるバンドルの内容を正確にプレビューでき、受け取る側も、記憶の一つ一つを個別にプレビューし、受け入れるか拒否するかを選択する。これらの段階を経て、双方の合意に基づいてのみ記憶が共有される仕組みである。

さらに、memshareはModel Context Protocol（MCP）というプロトコルを活用することで、異なるAIツール間での記憶共有を実現する。例えば、デザインツールを使っているデザイナーが作成したUIコンポーネントの規約を、コードアシスタントを使っているバックエンドエンジニアに渡したり、その逆でAPIの仕様を受け取ったりすることが可能になる。MCPは、AIモデルと外部ツールが文脈情報（コンテキスト）をやり取りするための取り決めであり、これにより異なる職種や異なるAIツールを使っているチームメンバー間でも、プロジェクトの共通の文脈や知識をシームレスに共有し、チーム全体の作業効率を大きく向上させることができる。

memshareのアーキテクチャは非常にシンプルかつ堅牢である。AIの記憶は、ユーザーのホームディレクトリ内にある.memshare/memoriesというフォルダに、一つ一つの記憶が独立したJSONファイルとして保存される。専用のデータベースや中央サーバーは不要であり、すべてのデータはユーザーのローカル環境に存在する。この設計により、一般的なテキストファイルを扱うのと同じように、grepコマンド（ファイル内の文字列検索）、diffコマンド（ファイル間の差分比較）、git（バージョン管理システム）を使って記憶データを管理することが可能となる。記憶がプレーンなデータとして存在するため、将来的にmemshareが利用されなくなったとしても、ユーザーは自分の大切な記憶データを失うことなく、別の方法で利用し続けることができるという大きなメリットがある。

AIが実際にどれだけの情報をキャプチャしているかを知ることも重要である。memshareはmemshare statsコマンドを提供しており、これを実行すると、これまでに保存された記憶の数や、最近の活動状況が視覚的に表示される。これにより、AIが期待通りに学習しているかどうかを簡単に把握でき、もしキャプチャが停止しているような兆候があれば、すぐにその問題に気づき、対処できる。

memshareは、単なるツールとしてだけでなく、JavaScriptのライブラリとしても提供されており、開発者は自身のアプリケーションにmemshareの機能を組み込むことができる。このプロジェクトはオープンソースであり、MITライセンスの下で公開されているため、誰でもそのコードを確認し、コミュニティの一員として開発に参加できる。試用スクリプトも用意されており、実際の動作を手軽に体験することが可能である。

memshareは、AIアシスタントの「記憶」を個人が所有するデータとして解放し、厳格な同意モデルに基づいて安全かつ柔軟な方法で共有することを可能にする。これにより、AIの持つ知識をチーム全体で最大限に活用し、プロジェクトの効率化と品質向上に貢献する、新しいAIとの協働ワークフローを確立するのである。