top of page

Neo4j、ローカルAIエージェントメモリ向けにRelateを発表

4 日前
読了時間: 19分
Illustrative photograph. Photo: cottonbro studio / Pexels.

Neo4jは11月11日、別個のデータベースサーバーを必要とせず、AIアプリケーション内にRust製グラフデータベースを組み込むRelateをリリースした。Neo4j Relateは事実とその関係をローカルに保存し、一時的なアプリケーションファイルと共有データベースサービスの間に、開発者向けの新たな選択肢を提供する。この選択には実務上のトレードオフがある。デプロイ作業は減る一方で、容量と協調は、それを実行するアプリケーションに結び付く。

組み込みデータベースはアプリケーションのプロセス内で稼働し、そのライフサイクルとコンピューティングリソースを共有する。SQLiteは、情報をテーブルに整理するリレーショナルデータ向けにこのモデルを確立した。Relateはこれを、エンティティとそれらのつながりを表現するグラフに適用する。

このため今回の発表は、モデルやツールを使ってタスクを遂行するソフトウェアであるエージェントを構築する開発者にとって重要である。依存関係を調査するコーディング支援ツールには、業務記録を扱う全社規模のシステムとは異なるストレージが必要になる。RelateによりNeo4jは、より小さくローカルな作業単位を直接対象とする製品を手にした。

Neo4j Relate、グラフストレージをアプリケーション内へ移行

Relateは、グラフデータベースを配置できる場所を変え、エージェントワークロード向けの明示的な選択肢としてローカルストレージを位置付ける。

Neo4jの組み込みデータベースの発表によると、RelateはApache License 2.0の下で公開されたオープンソースのRust実装である。この発表日は、その後の報道で示された11月13日ではなく11月11日である。Neo4jはNODES 2026の活動と併せてこれを発表した。

製品は一時メモリストレージと、アプリケーション終了後も情報を保持する永続ストレージをサポートする。単にインメモリデータベースと呼ぶだけでは、この違いを見落とす。クエリエンジンはメモリ上のグラフを扱う一方、ディスクストレージでは再度開くために必要な情報を保存できる。

このアーキテクチャが重要なのは、エージェントの作業データが常に恒久的なサービスに値するわけではないからだ。依存関係の調査、文書レビュー、または独立した開発タスクには、開始と終了がある。開発者が、そのデータベースにも同じライフサイクルを求めるのは合理的だ。

例えば、アプリケーションが古いパッケージに依存する理由を調査する開発者を考えてみよう。単純なリストには関係するパッケージを記録できる。グラフでは、どのパッケージが各依存関係を導入したかも記録できるため、その連鎖を後の質問に利用できる。

グラフは、あるパッケージが安全でないかどうかを判断するものではない。ソースデータから提供されたつながりを表現する。別々のファイルから何度も再構築することなく、ソフトウェアがそれらのつながりをたどれる点に価値がある。

したがってRelateは、Neo4jを共有サービスとして実行する場合とは異なるデプロイの選択肢を提供する。開発者は、必要とするアプリケーションのそばにエンジンを配置できる。これにより、グラフに適した質問を行う前に準備しなければならない別個のコンポーネントの数を減らせる。

この違いは、Rust実装について誤解を招く読み方も防ぐ。今回の発表は、Neo4jが既存のサーバー製品をRust相当の製品へ置き換えたことを示すものではない。Relateには独自の運用モデル、対象範囲、制約がある。

開発者にとって意味のある変化は、より小さなデプロイ単位を利用できることだ。特定のタスク向けにグラフを評価する際、まずそのタスクをより広範なデータベースアーキテクチャに委ねる必要はない。

ローカルデプロイは、運用作業の所有者も変える。アプリケーションチームが、データをいつ作成し、保持し、再度開き、削除するかを決める。こうした判断は、データベースを利用する機能の近くへ移る。

この近さは、範囲が限定されたプロジェクトを単純化できる。一方で、ライフサイクルに関する判断はアプリケーション設計の一部となる。一時的な調査と長期間稼働するアシスタントが、同じエンジンを共有するというだけで同じ保持動作を継承すべきではない。

エージェント開発者は異なるストレージ判断に直面する

Relateは、接続されたエージェントメモリには別途運用するデータベースサービスが必要だという前提に疑問を投げかける。

直接の対象は、リポジトリ、アプリケーション、ノートブック、または独立した実行環境の中で動くエージェントを開発する人々である。彼らの課題は、多くの場合、組織の恒久的なナレッジシステムを維持することより狭い。タスクが実行される際に、役立つコンテキストを利用可能にする必要がある。

別個のデータベースサービスを導入すると、アクセス、デプロイ、接続性、所有権に関する判断が加わる。多くのアプリケーションが同じ記録を必要とする場合には、これらの判断は正当化できる。データがローカルの調査を支援するためだけに存在するなら、過剰に感じられることもある。

一時ファイルは、その設定の多くを回避する。しかし、つながりの表現、更新の検証、関連情報の取得は、引き続きアプリケーション側の責任となる。こうした要件が広がるにつれ、ストレージコードはエージェント自体のより大きな部分を占めるようになる。

どちらの方法も本質的に誤りではない。少数の設定であればファイルのままでよい。共有の業務システムはマネージドサービスに置くことができる。Relateが対象とするのは、関係性が重要である一方、別個のサービスにはタスクが必要とする以上の仕組みが伴う領域だ。

SQLiteは有用な歴史的参照となる。そのサーバーレスデータベースモデルは、仲介サーバープロセスの背後ではなく、アプリケーション内にエンジンを配置する。この構成はサーバー管理を不要にする一方で、分離と協調の境界を変える。

Relateは、同じ配置に関する問いをグラフワークロードにもたらす。開発者は、関係性を自らのプロセス内で直接利用できることがアプリケーションにとって有益かどうかを判断しなければならない。答えは、エージェントの人気ではなく作業内容に依存する。

プロジェクト履歴をレビューするアシスタントは、例として分かりやすい。ファイル、変更、課題、所有者は、相互接続された記録の集合を形成する。ローカルグラフは、どの変更がコンポーネントに影響し、どの課題が判断を説明するかについての質問を支援できる。

この例は、既存ツールに対する精度上の優位性を示すものではない。表現形式が質問に適合するワークロードを示している。デプロイ上の利点が存在するのは、そのグラフの維持コストが代替手段より小さい場合に限られる。

この圧力は、モデルとツールを連携させるための再利用可能なソフトウェアを提供するエージェントフレームワークの開発チームにも及ぶ。ローカルのデフォルトを提供するか、外部ストレージバックエンドを前提とするかという選択に直面する。ローカルオプションは実験を容易にできるが、それでも予測可能な動作を公開しなければならない。

エンタープライズの購入者も、関連する境界の問題に直面する。エージェントの一時的な作業コンテキストと、組織が管理する権威ある記録を区別すべきだ。有用な部分集合をローカルデータベースへコピーしても、元の情報の所有権が移るわけではない。

ナレッジワーカーにとっても、この違いは重要だ。ローカルの作業データに基づく回答では、その情報が最新かつ完全かどうかを明確にすべきである。データベースがどこで稼働しているかにかかわらず、ユーザーはその回答を受け取る。

パーソナルナレッジベースを比較する読者にも、同じ所有権の問題が当てはまる。有用な検索は、システムが誰の情報を保持し、それがどのように変化し、どのような境界によって除外されるものがあるかを理解することに依存する。

接続されたメモリにより、関係性をクエリで利用可能にする

グラフは関係性をクエリ可能にするが、どの関係性を存在させるべきかは依然としてアプリケーションが決める。

技術的な仕組みは単純である。エンティティはノードとなり、つながりはリレーションシップとなる。エージェントは、別々の記録を取得して自ら連鎖を組み立てる代わりに、つながりの連鎖について質問できる。

グラフクエリ言語であるCypherは、そのようなパターンを表現する。依存関係に関する質問では、アプリケーションからパッケージを経てアドバイザリへとつながりをたどることができる。結果は、グラフに関連するパッケージ、バージョン、アドバイザリの関係性が含まれているかどうかに依存する。

これは、表現がクエリにどれほど近く一致するかに応じて項目を取得する類似性検索とは異なる。類似した文言は有用な文書を見つけられる。しかし、その文書が特定の判断や依存関係を規定することを自動的に示すわけではない。

Neo4jはRelateを、関係性クエリと類似性検索を組み合わせる方法として位置付けている。この製品の方向性は、エージェントメモリにおける実務上の弱点を対象にしている。関連する資料を見つけることは、その役割を理解するための一部分にすぎない。

例として、あるプロジェクトアシスタントが認証プロバイダーを論じたノートを取得する場合を考える。その後の意思決定との関係性により、チームが後から別のプロバイダーを選択したことが示される可能性がある。そのつながりがなければ、関連性のある古いノートが古くなった回答を支えることもある。

グラフが定義上、その後の意思決定を発見するわけではない。アプリケーションは、それを取り込み、対象を特定し、以前の資料との関係性を表現しなければならない。その処理が失敗すれば、グラフは不完全な状況を保存することになり得る。

この留保が重要なのは、「メモリ」が複数の異なる要件を表すためだ。事実を覚えることは、そのソースを保存することとは異なる。ソースを保存することは、新しい意思決定がそれを置き換えたと認識することとは異なる。

Relateのグラフモデルは、こうした違いを表現する場所を提供する。どの違いがアプリケーションにとって重要かを選ぶ責任は、開発者に残る。ストレージの柔軟性は情報モデルに取って代わるものではない。

Neo4jのエージェントメモリのデモンストレーションは、依存関係分析を通じて意図されたライフサイクルを例示している。同社は、Claude CodeがGoogleのAgent Development Kitを、独立した使い捨て可能なグラフで調査すると説明している。デモでは24の直接依存関係を扱い、依存関係情報をdeps.devから取得している。

これは独立したベンチマークではなく、ベンダーによるデモンストレーションである。有用な詳細はタスクの形状にある。範囲が限定されたグラフを作成し、つながりを調査し、結果を報告し、データベースを破棄する。

この例は、ローカルストレージとグラフ構造が同じ議論に属する理由も明らかにする。関係性の多い調査は一時的であり得る。開発者が、その作業データを恒久的な共有サービスに変える必要があるとは限らない。

ただし、一時ストレージでは最終報告の重要性が増す。データベースが消える場合、誰かが調査結果を評価できるよう、報告書は十分な証拠を残さなければならない。そうでなければ、便利な調査は再現が難しくなる。

永続グラフはこのバランスを変える。後の作業のために関係性を保存できる一方で、鮮度、保持、修正は継続的な責任となる。アプリケーションはメモリを得ると同時に、保守を引き受ける。

同じ考え方は文書アシスタントにも当てはまる。主張とそれを支える文書のつながりは、回答の説明に役立つ。このつながりは、その意味を明確にする形で改訂をまたいで維持されるべきだ。

ここで、この約束は具体的なものとなる。接続されたメモリは、利用可能な証拠についてより良い質問をするための構造をソフトウェアに与える。証拠が正確、完全、あるいは適切に解釈されていることを保証するものではない。

ローカル実行はサービスのオーバーヘッドとメモリ上限を引き換える

Relateのローカルモデルはデプロイ境界を取り除く一方、明確な容量境界を課す。開かれているグラフはメモリに収まらなければならない。

製品のローカルグラフアーキテクチャは、マシン上のアプリケーション、エージェント、またはツールが所有するグラフ向けに設計されたエンジンを説明している。グラフはメモリ上に存在し、ディスクはエンジンのクエリ走査レイヤーではなく、耐久性を提供する役割を担う。

この区別は、ストレージ容量と稼働容量を分けるものだ。データをディスクに書き込んでも、アプリケーションが利用可能なメモリを超えるグラフをクエリできることにはならない。開発者は、それに応じて稼働中のグラフの規模を見積もる必要がある。

範囲を限定した調査では、この制約が有益な規律を促す場合がある。アプリケーションは組織全体の履歴を複製するのではなく、タスクに関連する情報を読み込む。作業セットが小さければ、その対象範囲も説明しやすくなる。

無期限にすべてを記憶することが期待されるアシスタントでは、同じ制約がより厳しいものになる。情報は蓄積し、関係性は増え、アプリケーションは他のソフトウェアとメモリを競合する。保持ポリシーは容量計画の一部となる。

代替案である独立したサービスには、異なるトレードオフがある。データベース操作をアプリケーションのライフサイクルから分離し、中央の境界を通じた共有アクセスを支援できる。一方で、接続性とサービス管理が必要になる。

これらは、普遍的な進化段階ではなくアーキテクチャ上の選択だ。ローカルデータベースが、いずれサービス化されることを待つプロトタイプとは限らない。データと利用者がローカルにとどまるアプリケーションでは、ローカルのままであることに利点がある。

逆に、グラフが大規模になる前に、アプリケーションがローカル所有の枠を超える場合もある。複数の独立したシステムが同じレコードを更新する必要があるかもしれない。アプリケーションの再起動中も、チームがデータベースの可用性を必要とする可能性がある。

したがって、適切な境界は規模だけでなく調整にも左右される。誰が情報を書き込み、誰が読む必要があり、誰が障害を処理するのかが重要だ。レコード数だけを数えても、こうした問いへの答えにはならない。

性能に関する主張にも同じ慎重さが必要である。Neo4jは、ミリ秒単位の起動とサブミリ秒のインメモリ読み取りを掲げている。これらは任意のエージェントワークロードに対して独立に検証された保証ではなく、企業による主張を示すものだ。

こうした主張を評価する開発者は、空のエンジンを起動することと、データが格納されたストアを再オープンすることを分けて考える必要がある。データ読み込み、検索構造の構築、クエリ実行、モデル応答の生成は別々の操作だ。そのコストを単一の速度主張の中に埋没させるべきではない。

最も有用な比較では、アプリケーションのタスクを一定に保つ。同じソースデータ、質問、耐久性要件、出力への期待を含めるべきだ。そうでなければ、より高速なローカルクエリが、より遅い全体ワークフローと並存する可能性がある。

メモリ消費も、その比較に含めるべきである。データベースがローカルで動作するからといって、エージェントが無制限のリソースを得るわけではない。データベースはアプリケーションや、タスクを支える他のソフトウェアとマシンを共有する。

ローカル配置は通信のオーバーヘッドを減らせるが、処理作業そのものをなくすわけではない。クエリは依然として情報を見つけ、絞り込み、返す必要がある。グラフの規模と構造は引き続き重要だ。

プロダクトチームにとって、これはRelateを定義済みのタスクに対して評価する選択肢にする。信頼できる利点は、適したワークロードに対してデプロイを簡素化できることだ。広範な優位性に関する主張には、アーキテクチャ自体を超える証拠が必要となる。

トランザクションが保護するのは更新であり、エージェントメモリの真実性ではない

データベースの一貫性とエージェントの信頼性は別個の主張であり、Relateは両方の観点から評価すべきだ。

トランザクションはデータベースの変更をまとめ、定義された一貫性の振る舞いでソフトウェアが適用できるようにする。これにより、不完全な更新が完了済みの作業として可視化されることを防ぎやすくなる。しかし、書き込まれる事実が正しいかどうかを保証するものではない。

エージェントは誤った結論を忠実に保存できる。別のエージェントが有効な関係を通じてそれを取得し、同じ誤りを繰り返すこともある。したがって、正しいデータベース動作は、不正確なアプリケーション知識を保存し得る。

同じ区別は、矛盾する情報にも当てはまる。データベースは古い決定と新しい決定の両方を保持できる。どの決定が現在のタスクを支配するのか、またその理由を表現するのはアプリケーションの責任だ。

Relateの文書化された運用上の制限も、共有アクセスに境界を設けている。永続ストアには書き込みプロセスが1つだけ存在する。そのプロセス内のトランザクションでは競合が発生する可能性があり、エンジンは競合した書き込みを自動的に再試行しない。

したがって、複数のエージェントが存在しても、独立したデータベース書き込み元を無制限に持てることにはならない。開発者は、共有プロセスを通じて調整されるエージェントと、同じ永続ストアを開く別々のプロセスを区別する必要がある。これらの構成は障害時の振る舞いが異なる。

これは、エージェントシステムが並列タスクに作業を分割する場合に特に重要である。プランナーが担当を割り当て、ワーカーが進捗を記録することがある。すべての書き込みが成功するとアプリケーションが仮定すれば、責任に関する認識が現実からずれる可能性がある。

データベースは競合を報告できる。それでもアプリケーションには、その結果を解釈するポリシーが必要だ。再試行、再読み込み、あるいはアクションの放棄は、書き込みが何を表すかに応じて、いずれも合理的な選択となり得る。

耐久性は別の区別をもたらす。ストレージの耐久性モデルは、復旧に使用する変更記録である先行書き込みログを説明している。デフォルトの完全耐久性モードでは、コミットを確認する前にログを同期する。緩和モードでは、異なるデータ損失の時間枠を受け入れる。

これは、特に保持されるエージェントメモリにとって重要なエンジニアリング上の選択だ。使い捨ての調査と、ユーザーが承認した決定の記録とでは、最近の書き込みが失われた場合の結果が異なる。ストレージ設定はその結果を反映すべきである。

データの復旧とワークフローの復旧も異なる。再起動後、アプリケーションはどの外部アクションが完了したかを判断しなければならない。保存されたデータベースレコードだけでは、障害前にツール呼び出しが別のシステムを変更したかどうかは確定しない。

これらはRelateの欠陥を示すものではなく、評価上の問いである。読み取り、推論、行動するエージェントの内部で、どのデータベースを利用する場合にも生じる。新しいストレージエンジンは一部の境界を変えるが、アプリケーションの責任は残る。

同様に、ローカルストレージは情報のプライバシーを保証しない。モデルへのリクエスト、ツール統合、アプリケーション機能は、取得したコンテンツを別の場所へ送信する可能性がある。プライバシーは、データがたどる経路全体に依存する。

購入者にとって有用な問いは、製品がローカルメモリを提供するかどうかよりも具体的だ。どの情報がローカルにとどまり、どの操作がマシンの外へ出て、その操作を誰が制御するのかを知る必要がある。

Relateは、接続されたコンテキストを保存するための検査可能な場所を提供する。その貢献は、グラフを与えるだけでエージェントが信頼できるようになるという主張とは分けて判断すべきだ。より優れたメモリ構造は信頼性への入力であり、その評価に代わるものではない。

ワークロードの証拠、調整、継続利用を注視する

次に必要な証拠は、開発者が初期実験の後も実稼働アプリケーションでRelateを使い続けるかどうかを示すものだ。

最初のシグナルは、再現可能なワークロードの証拠である。有用な評価では、結果の背景にあるデータ、クエリパターン、マシンリソース、ストレージ設定を公開する。エンジンの起動、データ読み込み、クエリ実行、実際のエージェントタスクを完了するまでに必要な時間を区別すべきだ。

ローカルデプロイが、不釣り合いな読み込みコストやメモリコストを生まずに作業を減らせるなら、この区別はRelateの主張を強める。ごく小規模で空のデータベースに限定された結果は、より限定的な結論を支持する。どちらの結果も、テストしたワークロードを超えて一般化すべきではない。

最も強力な比較では、回答の品質も検証する。関係クエリは、データベースに含まれるものを正確に返しても、取り込み時に作成されなかった重要な接続を見逃す可能性がある。有用な完全性を確認せずに速度を測定しても、アプリケーションの一部は評価されないままだ。

依存関係の調査では、重要な成果は依存関係チェーンの正確で追跡可能な説明である。文書アシスタントでは、適切な記録に根拠づけられた回答となる。データベースの貢献は、こうした成果を通じて重要になる。

第二のシグナルは、調整と復旧に関する証拠だ。開発者には、書き込みが競合した場合、アプリケーションが再起動した場合、タスクが再開された場合に何が起きるかを示す例が必要である。途切れない実行だけを扱うデモでは、運用上の問いに答えられない。

アプリケーションが単純な調整によってプロセス境界を扱えるなら、この証拠はRelateの立場を強める。開発者がその境界を管理するために何度も大規模なインフラを追加するなら、対応可能なワークロードは狭まる。製品がその位置づけを正当化するために、すべてのアーキテクチャに適合する必要はない。

ドキュメントの明確さも、このシグナルに含まれる。開発者は、インストールしたバージョンがどのインターフェースと動作をサポートするのかを判断できるべきだ。明確な制限は、幅広い互換性をうたう表現よりも多くのエンジニアリング時間を節約できる場合がある。

第三のシグナルは、継続的なデータ責任を持つアプリケーションでの継続利用である。一時的なグラフは、セットアップの摩擦が低いことを示す。変化するソース資料に合わせて維持されるグラフは、チームが実行可能な所有モデルを見いだしたことを示す。

継続利用の証拠では、開発者が何を保存することを選び、何を意図的に破棄したのかを説明すべきだ。それにより、グラフメモリがアプリケーションの問いに応えているかが分かる。理由なく情報を蓄積することは、有用なメモリを構築することとは異なる。

商業的な意味合いは、これらの選択から導かれる。Neo4jは、当面のニーズでは独立したグラフサービスを正当化できない開発者向けの入口を得た。それが長期的な採用拡大につながるかは、その周囲に構築されるアプリケーションにかかっている。

このローンチは、開発者がストレージ配置に関する古い前提を見直す契機にもなる。データベースは、タスク、アプリケーション、あるいは共有組織に属し得る。Relateは、Neo4jのプロダクト方針の中で最初の選択肢をより明確にする。

次のエージェントプロジェクトでは、ストレージレイヤーを選ぶ前に、成功する回答がたどるべき関係を特定しよう。それらの関係が一時的なタスクに属するのか、継続的な記録に属するのかを決める。そのうえで、同じ要件を満たす最も単純な代替手段とローカルグラフストレージを比較する。メモリ使用量、復旧、ソース追跡、情報を最新に保つための労力を含めるべきだ。接続されたデータとローカル所有が一致する場面では、Neo4j Relateは注目に値する。検証可能な成果を持つ範囲限定のワークロードから始め、その成果を生み出し説明するうえでデータベースが役立つかを評価しよう。あなたのエージェントは実際にどの接続を記憶する必要があり、タスク終了後も誰がその責任を担い続けるのだろうか。

 
 

無料で始めましょう

ローカルファーストのパーソナル知識管理付きAIアシスタント

より良いAI体験のために、

remio は現在、 Windows 10+ (x64)とM-Chip Mac のみをサポートしています。

仕事のAIパートナー
remioでもっと仕事が進む

計画・作成・仕上げまで
すべてをひとつに

bottom of page