共有価性 無料

-
開発元 ダロン Z
公式サイト https://covalence.app/

Covalence は、MCP (モデル コンテキスト プロトコル) を通じてあらゆる AI クライアントに永続的なセマンティックな長期メモリを提供する macOS ネイティブ アプリケーションです。クラウドや登録済みアカウントを必要とせず、ユーザー自身のハードウェア上で実行され、すべてのメモリは SQLite ファイルの形式でローカルに保存されます。

共有価性 製品インターフェース

Covalence のクロスクライアント AI 永続メモリ層

コアパラメータと統計

プロジェクト パラメータ
製品のポジショニング AI クライアント全体のローカル永続メモリ層 (MCP サーバー)
納品形式 macOS ネイティブ デスクトップ アプリケーション (.dmg インストール パッケージ)
プロトコル/インターフェイス MCP (モデル コンテキスト プロトコル)、9 つのツールを公開
埋め込みモデル nomic-embed-text-v1.5 (fp16、~261MB、ローカルで実行)
ベクトルの次元 256 (マトリョーシカ切り捨て、オリジナル 768→256)
ベクトルインデックス sqlite-vec (vec0 KNN)
キーワードインデックス SQLite FTS5 (BM25)
融合戦略 逆順位融合 (k=60) + 双曲線時間重み付け (10%)
最小システム要件 macOS 15 (Sequoia) 以降、Apple Silicon
ストレージ バックエンド SQLite (ローカル ファイル、完全なユーザー制御)
最新バージョン v1.4.0 (2026-04-27)
ライセンス モデル 無料、アカウントなし、テレメトリなし、クラウド依存関係なし
GitHub スター 未公開 (メイン リポジトリはプライベート リポジトリ darronz/covalence)

Covalence のポジショニングは非常に明確です。これは別の AI チャット ツールやナレッジ ベース管理システムではなく、AI クライアント (Claude Desktop、Claude Code、Cursor など) と大規模モデルの間に永続メモリの層を挿入するインフラストラクチャ層です。すべての組み込み計算は、サードパーティ API やネットワーク呼び出しを行わずに、MLTensor を通じて Apple Silicon 上でネイティブに実行されます。

ユーザーと市場の認識

現場でのユーザーの意識が徐々に高まり、コンテンツ作成者やチームは製品の機能を使用して作業効率を向上させます。 業界ユーザーの中には、これを日常のワークフローに組み込んでいる人もいます。特定のユーザー規模および業界の導入率データについては、最新の公式開示を参照することをお勧めします。

コストメリット

C サイド/個人ユーザー: Covalence は完全に無料です。サブスクリプション料金、従量課金制、隠れた料金はありません。ユーザーはダウンロードしてインストールするだけで済み、埋め込まれたすべての計算は API クレジットを消費することなくローカル Mac 上で完了します。これは、クラウド メモリ ソリューション (Mem0 の API バージョンなど) との最も基本的なコストの違いです。

API/開発者: Covalence は独立した API サービスを提供しませんが、MCP サーバーの形式で AI クライアントに組み込まれます。開発者は、メモリ機能のために追加の API 呼び出し料金を支払う必要はありません。唯一のコストは、macOS ハードウェア上のローカル コンピューティングとストレージです。

エンタープライズ/プライベート: Covalence のデータは完全にユーザーの SQLite ファイル内に保存されるため、企業はプライベート化された導入に追加コストをかけずに、メモリ ファイルを既存のバックアップおよびセキュリティ ポリシーに直接組み込むことができます。ただし、現在のバージョンは macOS でのスタンドアロン操作のみをサポートしており、チーム共有やマルチユーザー コラボレーションはサポートしていません。エンタープライズレベルのメモリ共有シナリオはまだカバーできません。

隠れたコスト: 主に macOS 専用のもの - ワークフローに Windows/Linux 用の AI クライアント (Windows 上の VS Code + Copilot など) が含まれる場合、Covalence は現在カバーされていません。さらに、ローカル埋め込みモデル (nomic-embed-text-v1.5) とクラウド大規模モデル埋め込みの検索品質の間には約 2% の精度の差 (公式セルフテスト) があり、高度に専門化された分野のセマンティック検索では、専用の微調整されたモデルほど良くない可能性があります。

主な機能

  • セマンティック検索メモリ: ハイブリッド ベクトル + キーワード検索に基づいて、ユーザーの自然言語クエリが埋め込みベクトルに変換され、vec0 KNN コサイン類似性検索と FTS5 BM25 全文検索がローカル SQLite で同時に実行され、逆順位融合によってソートされ、双曲線エイジング重み付けによって補完されます (新しいメモリの重みはわずかに高くなりますが、エイジングは防止のため総スコアの 10% のみを占めます)本当の関連性を上書きします）。
  • コアメモリ: ユーザーは最も重要な知識を「コアメモリ」としてマークすることができ、これらのメモリは AI が検索するときに常に最初に返されます。コア メモリはユーザーによってのみ明示的に設定でき、AI には通常のメモリを独立してコアにアップグレードする権利はなく、ユーザーが重要な情報を完全に制御できるようにします。
  • スペース (スペース分離): --space パラメータを使用して、メモリを独立したパーティションに分割します。さまざまなプロジェクト、さまざまなクライアント、さまざまな目的の思い出が互いに干渉することはありません。 「--space」は SQLite データベース内の独立したパーティションに対応し、検索と参照では現在のスペースの結果のみが返されます。
  • ファイル メモリ: v1.4.0 の新機能。ローカル フォルダを監視し、Markdown/テキスト/設定ファイルの内容を AI 検索用の読み取り専用メモリとして自動的にインデックス付けできます。 YAML フロントマター解析と 1MB のファイル サイズ制限を持つ .gitignore スタイルの無視ルールをサポートします。
  • MCP ツール セット: 9 つの標準 MCP ツールを公開します (詳細については、以下のツール オープン リストを参照してください)。 AI クライアントは、標準の MCP プロトコルを通じてこれらのツールを呼び出して、メモリの追加、削除、変更、ステータス監視を実行できます。

モデルとバージョンの進化

Covalence のバージョン反復は 2026 年 4 月から加速され、現在 CI 検証から機能提供まで急速に進化しています。

パイプラインの初期検証期間 (v1.3.2 - v1.3.5)

これら 4 つのリリースは、CI/CD パイプラインの安定性に焦点を当てています。 v1.3.2 は、エンドツーエンドの自動リリース検証の最初のラウンドです。 v1.3.3 ～ v1.3.4 では、埋め込みモデルの欠落、不正な DMG アップロード パス、同期されていないリリース ノートなどのパイプラインの問題が修正されています。 v1.3.5 では、Xcode を使用しないと起動時にアプリケーションがクラッシュする P0 レベルのバグが緊急修正されます。

メインライン機能リリース (v1.4.0)

2026 年 4 月 27 日にリリースされた v1.4.0 は、最初のメジャー フィーチャー バージョンであり、次の 3 つのコア機能を提供します。 ファイル同期 (アンカー メモリー) により、Covalence はローカル フォルダーのコンテンツに自動的にインデックスを付けることができます。 AI 命令の書き換えにより、行動ガイダンスがより正確になります。 Space Switcher (Space Switcher) は、マルチプロジェクト管理の UI サポートを提供します。品質ベンチマーク (現在のスコア 30/30) を取得するための「cov-benchmark」コマンド ライン ツールもリリースされました。

技術的な利点

Covalence の技術アーキテクチャは、「ローカル優先、プライバシーとセキュリティ、低遅延」の 3 つの原則に基づいて設計されています。そのメカニズムと影響を因果連鎖の観点から解説します。

ネイティブ エンベディング + Matryoshka トランケーション: エンベディング モデル nomic-embed-text-v1.5 は、Apple Silicon 上の MLTensor を通じて実行され、最初の 256 次元に即座にトランケートされる 768 次元のベクトルを出力します。この設計は、最初の N 次元自体が有効な埋め込みサブセットであるというマトリョーシカ表現学習の発見に基づいており、取得精度が約 2% 失われるだけですが、メモリあたりの記憶領域が 3KB から 1KB に削減されます。会話とともに増加するメモリ バンクの場合、ストレージ効率が 3 倍になるということは、ユーザーが同等のハードウェアでメモリサイクルをより長く維持できることを意味します。

非対称検索エンコーディング: クエリとドキュメントは、ベクトル空間の異なる領域に分類されるように、異なるテキスト プレフィックス (search_query: と search_document:) を使用してエンコードされます。コサイン類似度は、「2 つのテキストが似ているかどうか」ではなく、「文書がこの質問に答えることができるか」を測定します。これは AI メモリのシナリオでは非常に重要です。通常、ユーザーの検索意図はコピー アンド ペーストではなく質問であり、非対称エンコーディングは対称エンコーディングよりも質問と回答の検索に適しています。

ハイブリッド検索融合 (RRF): ベクトル類似性検索と BM25 キーワード検索は並行して実行され、それぞれ max(limit×4, 20) 個の候補 (Swift レイヤー後のフィルタリングの損失を補うフィルター条件がある場合は × 6) を取得し、コサインしきい値 (デフォルト 0.3) でフィルター処理され、その後、相互ランク融合 (k=60) によってマージおよびソートされます。この標準パラメータ (Microsoft Azure AI Search および Elastic と同じ) により、融合の安定性が保証されます。 10% の老化加重により、同じ関連性がある場合には新しい記憶が優先されますが、本当に関連性のある古い記憶は老化によって上書きされません。

外部依存性ゼロのアーキテクチャ: システム全体 (データベース、組み込みモデル、検索エンジン) はすべてユーザーのハードウェア上で実行されます。ネットワーク呼び出し、API キー、サードパーティのクラウド依存関係はありません。メモリ ファイルは、ユーザーが完全に所有する SQLite ファイルであり、いつでも Markdown または JSON にエクスポートできます。

使い方

3 分ですぐに始められます

Covalence の使用は、アプリケーションのインストール + MCP 接続の構成の 2 つのステップに分かれています。

1.アプリケーションをインストールします

最新の DMG を covalence.app からダウンロードし、Covalence.app を /Applications ディレクトリにドラッグして起動します。 macOS 15 以降と Apple Silicon が必要です。

2. MCP 接続の構成

Claude Desktop を例として、「~/Library/Application Support/Claude/claude_desktop_config.json」に以下を追加します。


{
  "mcpサーバー": {
    「共有結合」: {
      "コマンド": "/アプリケーション/Covalence.app/Contents/MacOS/cov-mcp"
    }
  }
}
「」

Claude Code ユーザーはコマンド ラインから追加します。

「」バッシュ
クロード mcp 共有結合を追加 /Applications/Covalence.app/Contents/MacOS/cov-mcp
「」

カーソル ユーザーは、[設定] > [MCP サーバー] で同じ JSON 構成を追加します。

**3. AI コマンドを追加する (推奨)**

Covalence の動作ガイダンス ディレクティブを AI クライアントのシステム プロンプトに追加して、「memory_search」と「memory_store」をいつ使用するかを AI に指示します。手順のコンテンツは [covalence.app/docs/ai-instruction/](https://covalence.app/docs/ai-instruction/) で入手できます。

### ツール公開リスト (MCP ツール)

Covalence は、MCP プロトコルを通じて次の 9 つのツールを公開しており、AI クライアントはこれらを直接呼び出すことができます。

|ツール名 |機能 |主要パラメータ |
|---|---|---|
| `メモリストア` |新しいメモリを保存する |コンテンツ (必須)、タイトル、タグ、メタデータ、コア |
| `メモリ検索` |セマンティック検索メモリ |クエリ (必須)、制限、しきい値、タグ、ソース、コア |
| `メモリリスト` |最近のメモリを参照 |リミット、オフセット、ソース、タグ、コア |
| `メモリ取得` | ID によって完全なメモリを取得 | ID(必須) |
| `メモリ削除` |メモリを完全に削除する | ID (必須) |
| `メモリ更新` |メモリ内容を更新する | ID (必須)、コンテンツ、タイトル、タグ、メタデータ |
| `メモリプロモート` |コアメモリへのアップグレード | ID (必須) |
| `メモリ_デモ` |通常のメモリにダウングレード | ID (必須) |
| `メモリステータス` |現在のスペース統計を取得する |パラメータなし |

### アーキテクチャのリンク

「」
AI クライアント (クロード デスクトップ / クロード コード / カーソル / OpenCode)
    ↓ MCPプロトコル(stdin/stdout)
cov-mcp (Covalence MCP サーバー、macOS ネイティブ バイナリ)
    ↓
SQLite データベース (ローカル ファイル)
    §── vec0 仮想テーブル (ベクトルインデックス、256 次元コサイン類似度)
    ━── FTS5仮想テーブル（キーワードインデックス、BM25）
「」

### エンジニアリングの落とし穴ガイド

1. **トークンとコンテキストの制御**: Covalence の「memory_search」は、デフォルトで 5 つの結果を返します (最大 20)。 AI クライアントが検索ごとに消費するトークンは、返されたメモリ コンテンツの長さによって決まります。 1 回の検索で多くのコンテキストが導入されてウィンドウが埋まってしまうのを防ぐために、AI 命令に適切な制限値を設定することをお勧めします。 「memory_list」の制限のデフォルトは 10 で、最大値は 50 です。ページ内を参照するときは、オフセットの増加に注意してください。

2. **タグ フィルタリングとパフォーマンス**: タグ/ソース/コア フィルタ条件を使用すると、フィルタリングが SQL 層ではなく Swift 層で実行されるため、Covalence のベクトル検索はオーバーフェッチします (「limit×6」候補を取得します)。これは、フィルタリングされた検索は、フィルタリングされていない検索よりも多くのローカル コンピューティング リソースを消費することを意味します。高周波数フィルタリングのシナリオでは、不必要なパフォーマンスの損失を避けるために制限値を制御することをお勧めします。

3. **ファイル同期の無効性とセキュリティ**: ファイル メモリ (ファイル メモリ) は読み取り専用であり、Covalence はソース ファイルを変更しません。ただし、ファイルが削除または移動された後、対応するメモリは自動的にクリーンアップされません。アプリケーション設定 (「保持または削除」オプション) で手動で処理する必要があります。さらに、「cov-mcp」は現在、ローカル stdin/stdout 経由でのみ通信し、ネットワーク ポートを公開しません (リモート MCP 送信はロードマップに含まれています)。そのため、ネットワーク不正アクセスのリスクはありませんが、複数のユーザーが同じ macOS アカウントを共有する場合は、SQLite ファイルのアクセス許可に注意する必要があります。

## 製品の価格設定

価格モデルは公式リアルタイム ページに準拠します。通常はフリーミアムやサブスクリプション制が採用されており、基本的な機能は無料で利用できます。
高度な機能や使用頻度が高い場合は有料のサブスクリプションが必要となるため、実際の使用状況に基づいて最適なソリューションを評価することをお勧めします。

## アプリケーションのシナリオ

- **セッション間のコンテキスト保持**: 開発者が数日間にわたるプロジェクト開発にクロード コードまたはカーソルを使用する場合、Covalence は前段階の技術的な決定、コード仕様、主要な制約を記憶できるため、新しい会話ごとにコンテキストを最初から説明する必要がなくなります。 **検証すべき重要なポイント**: 新しいセッションの開始時に AI が自動的に「memory_search」を呼び出すかどうか、および取得されたメモリに現在のタスクに必要な意思決定情報が含まれているかどうか。
- **個人ナレッジ ベースの AI 変換**: 個人メモ、技術文書、構成ファイルを含むフォルダーを Covalence の監視リストに追加すると、AI クライアントは手動でコピー アンド ペーストすることなく、会話内のこれらのローカル コンテンツを直接検索できます。 **検証の焦点**: ファイル変更後の自動再インデックス作成の遅延、および構造化メタデータの YAML フロントマター解析サポート。
- **複数アイテムのメモリ分離**: `--space` パラメーターを使用してアイテムごとに独立したメモリ空間を作成します。これにより、AI がアイテム A を処理するときにアイテム B のコンテキストを「誤って呼び出す」ことがなくなります。複数のクライアント プロジェクトまたはテクノロジー スタックを同時に維持する開発者に適しています。 **検証のポイント**: スペース切り替え後の現在のスペースをAIが正確に認識できるか、スペース間のデータ分離が完了しているか。

### 境界に適合しません

- Covalence は現在 macOS でのみ利用可能であり、Windows/Linux ユーザーは利用できません。
- ネットワーク トランスポート MCP (リモート/ネットワーク トランスポート) はサポートされておらず、リモート MCP 接続のみをサポートする ChatGPT などのクライアントは一時的に利用できなくなります。
- 単一マシンのアーキテクチャは、チームの共有メモリやマルチユーザーのコラボレーション シナリオには適していないと判断されます。
- nomic-embed-text-v1.5 に基づく検索は、高度に専門化された分野 (法律用語、医学文献など) では精度が限られており、埋め込みモデルをカスタマイズすることはできません。

## 該当する人

- **macOS プラットフォーム上の AI 開発者**: Claude Code や Cursor などの AI プログラミング ツールを使用する開発者は、Covalence のコア ユーザーです。セッション間でプロジェクトのコンテキストを維持する必要があり、プライバシーとローカル制御に対する高い要件があります。前提条件: macOS 15 以降、Apple Silicon。
- **クロード デスクトップ ヘビー ユーザー**: クロードを日常のナレッジ アシスタントとして使用しているユーザーは、Covalence を使用して、毎回手動でコンテキストを提供することなく、クロードに個人の好み、プロジェクトの背景、重要な決定を記憶させることができます。前提条件: ローカル埋め込みによって生じる約 2% のリコール精度損失を受け入れます。
- **プライバシーに敏感な AI ユーザー**: データ コンプライアンスやプライバシーへの懸念から、会話履歴をクラウドにアップロードすることに消極的なユーザー。 Covalence のゼロリモートコールアーキテクチャは、「データがローカルマシンから出ない」ことを保証します。前提条件: SQLite ファイルのバックアップとエクスポートを自分で管理する意欲があること。

### 群衆には適用されません

- 主に ChatGPT (リモート MCP クライアント) を使用するユーザー - Covalence は現在、ChatGPT に必要なネットワーク トランスポート モードをサポートしていません。
- クロスプラットフォーム (Windows/Linux) またはクロスデバイスのメモリ同期が必要なユーザー。
- チーム コラボレーション メモリまたはエンタープライズ レベルのナレッジ マネジメント プラットフォームを必要とするチーム。

## 概要と展望

Covalence は、「ローカルファースト + MCP プロトコル」という差別化されたポジショニングで AI メモリ層市場に参入します。その核となる価値は次のとおりです。**クラウド サービスに依存せず、継続的なコストも発生せず、ユーザーのハードウェア上で実行されるローカル埋め込みとハイブリッド取得を通じて AI クライアントに永続的なセマンティック メモリのみを提供します**。技術アーキテクチャの観点からは、マトリョーシカ トランケーション、非対称検索コーディング、および RRF 融合の 3 つの設計が一緒になって、理論的なサポートと定量的なトレードオフを備えたエンジニアリング ソリューションを構成します。つまり、3 倍のストレージ効率と引き換えに約 2% の精度が得られますが、これは個人用デバイスのコンテキストでは合理的なトレードオフです。

現在のバージョン (v1.4.0) は、セマンティック検索、コア メモリ、空間分離、ファイル同期 MCP ツール セットなど、完全な機能をカバーしており、基本的に個々のユーザーのメモリ ニーズを満たします。ただし、プロジェクトの主要な制約も同様に明白です。macOS の独占性、スタンドアロン アーキテクチャ、チーム コラボレーション機能の欠如、およびプロジェクトのメンテナンスは個々の開発者の意見に依存しています。 AIツールエコシステムの急速な変化の文脈では、リモートMCP送信サポートとクロスプラットフォームサポートが、「興味深い個人プロジェクト」から「広く採用されているメモリ層標準」に進化できるかどうかを決定する重要なノードになります。

**取得/導入リスク評価**: Covalence は、個々の開発者にとって導入コストがほぼゼロ (無料 + 登録不要 + 構成に 5 分) で、クロード コード/カーソル ワークフローの「プラグ アンド プレイ」拡張機能として試すことができます。試用期間は 1 ～ 2 週間にすることをお勧めします。AI が期待どおりにメモリ ツールを自動的に呼び出すことができるかどうか、検索結果が日常の開発における重要なコンテキストをカバーしているかどうか、macOS の独占性が現在のワークフローと競合するかどうかを評価することに重点を置いています。企業は購入前に、SQLite ファイルの安全なバックアップ ソリューション、現在エンタープライズ バージョンのサポートがないことによる長期的なリスク、プロジェクト管理者の商業的持続可能性などを確認する必要があります。クロスプラットフォームまたはチーム コラボレーション メモリが必要なシナリオの場合は、LangSmith や Mem0 などのソリューションの進捗状況にも注意を払うことをお勧めします。

関連ツール: github-copilot、cursor

バージョン情報

  • ファイル同期、AI命令書き換え、スペーススイッチャー ：ローカルフォルダーの内容を自動的にインデックスできる新しいファイル同期機能 (アンカーメモリー) を追加しました。完全に書き直された AI 命令。新しいスペーススイッチャーを追加しました。そして、検索品質ベンチマーク ツール cov-benchmark をリリースしました。
  • P0 ホットフィックス ：Xcode を使用しない場合のアプリケーション起動クラッシュの深刻な問題を修正し、CI ビルド パイプラインの Swift ランタイム ライブラリ埋め込みロジックを修正しました。
  • パイプライン修正リリース ：v1.3.3 の 3 つの CI パイプラインのバグ (埋め込みモデルに DMG URL がないエラー、リリース ノートがアップロードされていない) が修正されており、ユーザー側の機能変更はありません。
  • フェーズゲートの往復 ：最初の完全自動 CI/CD パイプライン検証バージョンでは、ディスパッチ→ワークフロー→コミット→CF 自動デプロイメントのエンドツーエンド プロセスを検証します。公式の正確な日付はまだありません。実際のリリースラベルを参照してください。

ユーザーレビュー

  • レビューを読み込み中...