AI 開発における最大の争点は、次世代モデルの登場ではなく、その周囲に構築される「ハーネス」、つまりエージェントのワークフローやメモリ管理を含む土台の設計にあります。ハーネスが車体ならモデルはエンジンであり、ユーザーが所有すべきは車体そのものです。しかし、現在の主要なコーディングエージェントである Cursor や Claude Code などの多くのハーネスは、メモリ機能をクローズドな環境に閉じ込めており、ベンダーロックインのリスクを生んでいます。 この課題に対する解決策として、メモリ層をハーネスの外側に分離し、あらゆる環境からアクセス可能にする「統合型エージェントメモリ」の設計が提案されています。実現の鍵となるのは、Claude Code、OpenAI の Codex、Cursor など主要なツールが共通してサポートする「フック」機能です。フックは、セッション開始、プロンプト送信、ツール使用前後など、事前定義されたライフサイクルイベントで自動的に発火するシェルコマンドであり、モデルが意図的に呼び出す MCP ツールとは異なり、モデルのリソースを消費することなくすべてのイベントを確定性のある形でログ化します。 メモリデータは Neo4j グラフデータベースに保存され、各セッションはノードとして、イベントはリンクリストで接続された時系列記録として永続化されます。フックはイベントを記録するだけでなく、セッション開始時にシステムプロンプトにプロファイル情報を追加するなど、記憶を文脈に能動的に注入する役割も担います。また、実際の記憶の要約や更新は「ドリームフェーズ」と呼ばれるバッチ処理で実行されます。これは定期的に蓄積されたイベントを読み取り、AI がそれを要約して Markdown 形式の知識ファイルとしてグラフに保存する仕組みです。これにより、各記憶は単なるログではなく、更新・統合される生きたドキュメントとなります。 最終的に、エージェントはフックを通じた定期的な文脈注入と、必要に応じて MCP ツールを使って直接メモリを検索する能力の両方を得て、ハイレベルな記憶操作を実現します。このアーキテクチャにより、ユーザーは異なるツール間で切り替えても、これまでの対話履歴やプロファイル、プロジェクトの文脈を維持したまま、一貫したエージェント体験を継続できます。メモリを所有することで、ツールベンダーに依存せず、自らのデータと知見を完全に支配することが可能になります。