🚀 本記事では、Letta（旧 MemGPT） を導入して「Hello, World!」を動かすところから、会話メモリを活用した実用コードまでを体系的にまとめます。
初学者でも動かせる最小構成と、応用につながる拡張例を両方提示します。
Letta とは？
- Letta は、LLM のコンテキスト制約を乗り越えるために「メモリ階層（Core/External）」と「自己編集型メモリ」を実装した エージェント基盤／サーバー です。
- 開発者は 状態を持つエージェントを API/SDK で扱えます。
- もともと「MemGPT」と呼ばれていた OSS が進化し、製品名として Letta に統合されました。
特徴
-
会話の記憶管理
Core Memory（人格・ユーザー情報）と External/Archival Memory（ベクタDBや長文ナレッジ）を分離。 -
運用向け設計
REST API、Python/TS SDK、UI（ADE: Agent Development Environment）で可視化・管理可能。 -
マルチモデル対応
OpenAI / Anthropic / Ollama / vLLM など多数のプロバイダに接続可能。 -
セキュリティ
パスワード保護、ツール実行のサンドボックス機構（E2B）。
インストール
前提環境
- Python 3.9+ または Docker
- LLM プロバイダの API キー（例：OpenAI の
OPENAI_API_KEY） - ローカル推論（Ollama 等）を使う場合は事前インストールと起動
1. Letta Cloud + SDK（最短ルート）
pip install -U letta-client
2. Docker で自己ホスト（推奨）
docker run \
-v ~/.letta/.persist/pgdata:/var/lib/postgresql/data \
-p 8283:8283 \
-e OPENAI_API_KEY="your_openai_api_key" \
letta/letta:latest
Ollama など複数プロバイダを使う場合:
docker run \
-v ~/.letta/.persist/pgdata:/var/lib/postgresql/data \
-p 8283:8283 \
-e OPENAI_API_KEY="your_openai_api_key" \
-e OLLAMA_BASE_URL="http://host.docker.internal:11434" \
letta/letta:latest
※Linux の場合は --network host を付けて http://localhost:11434 を利用します。
3. pip でサーバー起動
pip install -U letta
export OPENAI_API_KEY=sk-...
letta server # ポート :8283 で起動
SDK 利用時は
letta-clientを追加インストールしてください。
設定
.env の例
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=...
OLLAMA_BASE_URL=http://host.docker.internal:11434
SECURE=true
LETTA_SERVER_PASSWORD=change_me_strongly
Python SDK 接続例
from letta_client import Letta
# 自己ホストに接続
client = Letta(base_url="http://localhost:8283", token="change_me_strongly")
# Letta Cloud に接続
cloud = Letta(token="LETTA_API_KEY", project="default-project")
実行例
Hello World 的な最小コード
from letta_client import Letta
client = Letta(token="LETTA_API_KEY") # Cloud利用
agent = client.agents.create(
model="openai/gpt-4.1",
embedding="openai/text-embedding-3-small",
memory_blocks=[
{"label": "persona", "value": "You are a concise assistant."},
{"label": "human", "value": "The user's name is Alex."}
]
)
resp = client.agents.messages.create(
agent_id=agent.id,
messages=[{"role": "user", "content": "Hello! What's my name?"}]
)
for m in resp.messages:
if m.get("message_type") == "assistant_message":
print("ASSISTANT:", m["content"])
実用例：会話とメモリ編集
from letta_client import Letta
client = Letta(base_url="http://localhost:8283", token="change_me_strongly")
agent = client.agents.create(
model="openai/gpt-4.1",
embedding="openai/text-embedding-3-small",
memory_blocks=[
{"label": "persona", "value": "You are a helpful travel planner."},
{"label": "human", "value": "The human likes ramen and snowboarding."},
]
)
def ask(text: str):
r = client.agents.messages.create(agent_id=agent.id, messages=[{"role": "user", "content": text}])
for m in r.messages:
if m.get("message_type") == "assistant_message":
return m["content"]
print(ask("Hi, my name is Sato."))
# Core Memory を追加
client.core_memory.blocks.create(
agent_id=agent.id,
label="user_profile",
value="The user's name is Sato. They live in Tokyo."
)
print(ask("Where do I live? And what foods do I like?"))
出力イメージ
ASSISTANT: Nice to meet you, Sato!
ASSISTANT: You live in Tokyo and you like ramen and snowboarding.
ベストプラクティス
-
まずは Cloud + SDK → ADE UI で観察すると理解が速い
-
本番運用は Docker → APIキーは
.envで管理 -
セキュリティ →
SECURE=true+ 強固なLETTA_SERVER_PASSWORD -
メモリ設計を分離
- Core Memory = パーソナリティ・ユーザー情報
- External Memory = ナレッジベース / 会話履歴
-
小さく始めて大きくする
- まず OpenAI で検証 → その後 Ollama/vLLM へ展開
参考リンク
まとめ
- Letta は「LLM × 長期記憶」を扱える新しい基盤
- Cloud / Docker / pip の 3 スタイルで導入可能
- Hello World → 会話 + メモリ活用 → External/RAG と段階的に拡張するのがベスト