Living Brainは、API、SDK、MCPを介して会話、ファイル、更新情報をAIエージェントやモデル向けの外部構造化ナレッジへとコンパイルする相互運用可能なメモリレイヤーです。
製品の機能と公式な位置づけ
Living Brainは、ChatAndBuildによって開発された、人工知能エージェントやモデルと連携する外部の永続メモリレイヤーです。散在する会話、ファイル、タスク更新情報を永続的なナレッジレコードとして構造化し、システムが過去のログ全体を繰り返し処理することなく、関連するコンテキストを取得できるようにします。
このシステムは、コンパイラおよびメモリポリシーと独自の評価スコアリング指標を用いて、タスク実行時にどの情報を保持し再浮上させるかを決定します。Living Brainは推論時の情報検索だけでなく、蓄積された対話、決定、フィードバックを下流のモデル適応向けトレーニングデータセットとしてコンパイルすることも可能です。
公式情報で確認できる活用例
AIエージェントが複数セッションにわたる会話履歴全体をプロンプトウィンドウに読み込むことなく、タスクに関連するコンテキストを必要に応じてオンデマンドで取得します。
エンジニアリングチームが、蓄積されたタスクの実行結果、ユーザーの修正、フィードバックをモデルの事後学習向け構造化データセットとしてキュレーションします。
開発者がModel Context Protocol（MCP）接続を使用して、カスタムツール、データソース、エージェントハーネスを共有メモリにリンクします。
Living Brainは、長期的な情報保持をモデルのコンテキスト制限から切り離すよう設計された外部化メモリインフラストラクチャとして動作します。入力ファイル、メッセージ、状態変化を構造化レコードへとコンパイルすることで、プラットフォームはタスクに必要な場合にのみ、エージェントハーネスを通じて関連コンテキストを選択および提示します。
このプラットフォームはAIの適応に対して2つのアプローチをサポートしています。推論時には、モデルの重みを変更することなく応答を調整するために、ナレッジ、決定事項、修正を保持します。事後学習による適応では、蓄積された対話ログや評価結果を、オープンウェイトモデルやトレーニングアクセスが可能な重み非公開モデル向けのキュレーション済み学習サンプルとしてエクスポートできます。
自分の素材とワークフローで確認したい項目
確認した情報源とその日時
情報源を確認した製品情報に基づく回答
Living Brainは言語モデルの外部にナレッジを保存し、個々のタスクに関連するコンテキストのみを取得することで、完全な会話履歴や文書コレクション全体を繰り返し送信する必要性を軽減します。
このシステムは、コンパイラおよびメモリポリシーに加えて、Markdown Quality Score、Memory Worthiness Score、Placement Fit Score、Connection Resonance Score、Re-entry Priority Scoreなどの指標を用いてデータを整理し、優先順位を決定します。
Living Brainは、API、SDK、およびカスタムのModel Context Protocol（MCP）統合を介して、互換性のあるツールやエージェントフレームワークに接続します。
はい、蓄積されたナレッジ、ユーザーフィードバック、タスク実行結果を、オープンウェイトモデルやプロバイダーのトレーニングアクセスがある重み非公開モデルのファインチューニング向け学習サンプルおよび評価データセットとしてキュレーションできます。
LoCoMoを用いた社内テストにおいて、Living Brainは1,540件の質問で中央値464ミリ秒のメモリ検索レイテンシと92.2%の判定精度を達成しました。またLongMemEval-Sの社内テストでは、116Kトークンのフルコンテキストベースラインに対して1問あたりのトークン数が22.6倍削減されました。
