🔖

【入門から実践】Letta（旧 MemGPT）の使い方を体系的に解説

に公開
テーマ「フリーテーマ」
memgpt
zennfes2025free
letta
tech

🚀 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

  1. まずは Cloud + SDK → ADE UI で観察すると理解が速い

  2. 本番運用は Docker → APIキーは .env で管理

  3. セキュリティ → SECURE=true + 強固な LETTA_SERVER_PASSWORD

  4. 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

  5. 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

Discussion