【2026年最新】Letta AI（旧MemGPT）完全ガイド｜使い方・料金・始め方を徹底解説

ChatGPTに昨日の会話を覚えていてほしいと思ったことはありませんか？AIエージェントが毎回ゼロからスタートする問題、これを根本から解決するのがLetta AIです。

Lettaは、AIエージェントに会話をまたいだ長期記憶を持たせるオープンソースフレームワークです。UC Berkeley発、シード資金1,000万ドルを調達したスタートアップが開発しており、2026年時点で、エージェントメモリ領域で活発に開発が継続されているOSSプロジェクトの1つです（GitHubスター数等の客観指標は本文後半参照）。

この記事のポイント Letta AI（旧MemGPT）の使い方・料金・インストール方法を徹底解説。AIエージェントに長期記憶を持たせるオープンソースフレームワークの始め方から、Mem0・LangChainとの比較まで2026年最新情報をまとめました。

この記事の要点

• Letta AI（旧MemGPT）とは何か、何が解決できるか
• 3層メモリアーキテクチャの仕組み
• 料金プラン（無料〜$200/月）の詳細
• Python SDKを使った具体的な実装方法
• Mem0・LangChainとの違い・使い分け
• どんなプロジェクトに向いているか

30秒で結論

• Letta = AIエージェントの「OS」。会話をまたいだ永続メモリを実現する
• 無料プランあり（月5,000クレジット・3エージェント）。試すならまずCloudから
• Mem0より複雑だが圧倒的に柔軟。本格的なエージェント開発向け
• Python SDKが中心（TypeScript SDK・REST APIも提供）。ノーコードで使いたいなら Dify など別を検討
• 旧名MemGPTからLettaに改称し、2024年ステルス解除、2026年も活発に開発継続中

Letta AI（旧MemGPT）とは？

Lettaは、カリフォルニア大学バークレー校の研究者グループが開発した「ステートフルAIエージェント」のためのオープンソースフレームワークです。2024年9月にステルスを解除し、Felicis主導のシードラウンドで1,000万ドル（約15億円）を調達しました。

なぜ生まれたか

通常のLLM（大規模言語モデル）はステートレスです。会話が終わるたびに記憶がリセットされ、ユーザーの好みも前回のやり取りも消えてしまいます。コンテキストウィンドウ（一度に処理できるテキスト量）に制限があるため、長い会話になるほど古い情報が失われていきます。

Lettaはこの問題を、OSのメモリ管理方式を模倣することで解決しました。RAM（高速・容量小）とディスク（低速・容量大）を使い分けるように、LLMのコンテキストウィンドウをRAMとして扱い、外部ストレージをディスクとして使います。

MemGPTとLettaの違いは？

MemGPT（Memory-augmented GPT）は2023年に発表されたUC Berkeleyの研究論文が原点です。Lettaはその研究を商用プラットフォームに発展させたもので、実質的に同じプロジェクトが改名されたと考えて問題ありません。コードリポジトリも letta-ai/letta に統一されています。

GitHubスター数と開発状況

2026年4月時点でGitHubスターは9,000以上。2026年3月末にもコミットが続いており、活発なOSSプロジェクトです。

Letta AIの3層メモリアーキテクチャ

Lettaのもっとも特徴的な設計が、3層に分かれたメモリ管理です。OSのメモリ階層にならっています。

1. コアメモリ（Core Memory）— 常時アクティブなRAM

コアメモリはエージェントのコンテキストウィンドウに常に存在するメモリブロックです。

主な用途：

• ペルソナブロック：エージェントのキャラクター・振る舞いの定義
• ヒューマンブロック：ユーザーの名前・好み・背景情報
• タスクブロック：現在進行中のタスク情報

このメモリはAPIやエージェント自身が書き換えることができます。「ユーザーがラーメン好きと言った」という情報を、エージェントが自分でヒューマンブロックに書き込む、というイメージです。

2. リコールメモリ（Recall Memory）— 会話履歴のデータベース

過去のすべての会話ログを外部データベースに保存します。必要なときだけセマンティック検索で引き出します。

コンテキストウィンドウには入りきらない数ヶ月分の会話も、「先月Aについて話したこと」で検索して再利用できます。

3. アーカイブメモリ（Archival Memory）— 無制限の長期ストレージ

ドキュメント、ナレッジベース、外部データなど大量の情報を格納するストレージ層です。ベクトルデータベースを使ったセマンティック検索で関連情報を引き出します。

Letta AIの料金プラン（2026-04-16時点・[公式Pricing](https://www.letta.com/pricing) で最新確認）

以下は確認時点の参考情報です。料金・クレジット枠・プラン構成は変動するため、契約前に必ず公式Pricingで最新値をご確認ください。

Letta AIには4つのプランがあります。

Free（無料）

小規模プロジェクトや検証用途には無料プランで十分試せます。BYOKに対応しているため、OpenAIやAnthropicのAPIキーを持っていれば、自分のモデルをすぐ使えます。

Pro（$20/月 ≒ 約3,000円/月）

本格的な開発・個人プロジェクトにはProで対応できます。月3,000円以下でエージェント数無制限は割安です。

Max（$200/月 ≒ 約30,000円/月）

個人利用専用の最上位プラン。利用制限が高く、Letta Codeの使用に最適化されています。エンジニアが毎日ヘビーに使う用途向けです。

Enterprise（カスタム価格）

セキュリティ要件が厳しい企業や、大量のエージェントを運用する場合はEnterpriseを検討します。

セルフホスト（完全無料）

オープンソースなので、自前のサーバーで動かすことも可能です。コストはゼロで利用制限なし。ただしインフラ管理の工数がかかります。

Letta AIのインストールと始め方

方法1：Letta Cloud（推奨・最速）

まずはCloudで試すのが最短ルートです。

# Python SDKのインストール
pip install -U letta-client

from letta_client import Letta

# Letta Cloudに接続
client = Letta(token="YOUR_LETTA_API_KEY")

# エージェントを作成
agent = client.agents.create(
    model="openai/gpt-5",
    embedding="openai/text-embedding-3-small",
    memory_blocks=[
        {"label": "persona", "value": "あなたは親切な旅行プランナーです。"},
        {"label": "human", "value": "ユーザーはラーメンとスノーボードが好きです。"},
    ]
)

# メッセージを送る
response = client.agents.messages.create(
    agent_id=agent.id,
    messages=[{"role": "user", "content": "おすすめの旅行先を教えて"}]
)
print(response.messages[-1].content)

APIキーは app.letta.com で取得できます。

方法2：Docker（セルフホスト）

# Dockerで自己ホスト起動
docker run \
  -v ~/.letta/.persist/pgdata:/var/lib/postgresql/data \
  -p 8283:8283 \
  -e OPENAI_API_KEY="your_openai_api_key" \
  letta/letta:latest

from letta_client import Letta

# ローカルサーバーに接続
client = Letta(
    base_url="http://localhost:8283",
    token="your_password"
)

Ollamaなどローカルモデルも使う場合：

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

方法3：pip（サーバー直接起動）

pip install -U letta
pip install -U letta-client

# 環境変数を設定
export OPENAI_API_KEY=sk-...
export ANTHROPIC_API_KEY=...

# サーバーを起動（ポート8283）
letta server

.envの設定例

OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
OLLAMA_BASE_URL=http://localhost:11434

# セキュリティ（本番環境では必ず変更）
SECURE=true
LETTA_SERVER_PASSWORD=your_strong_password

ADE（Agent Development Environment）の使い方

Lettaの大きな差別化ポイントがADE（Agent Development Environment）です。AIエージェントのための「IDE」と考えてください。

ADEでできること

• メモリの可視化：コアメモリ・リコールメモリ・アーカイブメモリの中身をリアルタイムで確認
• ツール呼び出しのトレース：エージェントがどのツールをどの順番で呼んだか追える
• メモリ編集：手動でメモリブロックの内容を書き換えられる
• 会話デバッグ：エージェントがなぜその判断をしたかを後から追跡

自律型エージェントを開発していると「なぜこの返答をしたのか」が謎になることが多い。ADEはその問題を視覚的に解消してくれます。

Letta Cloudを使えばADEも無料プランから利用できます。

実用的なコード例：記憶を持つカスタマーサポートエージェント

!記憶を保持するカスタマーサポートエージェント構成

from letta_client import Letta

client = Letta(token="YOUR_LETTA_API_KEY")

# カスタマーサポートエージェントを作成
agent = client.agents.create(
    name="support_agent_v1",
    model="openai/gpt-5",
    embedding="openai/text-embedding-3-small",
    memory_blocks=[
        {
            "label": "persona",
            "value": "あなたはEC企業のカスタマーサポート担当です。"
                     "常に丁寧かつ簡潔に回答します。"
        },
        {
            "label": "human",
            "value": "顧客情報：未設定"  # 会話を通じてエージェントが自動更新
        }
    ],
    tools=["send_message", "archival_memory_search", "core_memory_append"]
)

def support_chat(user_id: str, message: str) -> str:
    """ユーザーIDごとにエージェントを維持する"""
    response = client.agents.messages.create(
        agent_id=agent.id,
        messages=[
            {
                "role": "user",
                "content": f"[ユーザーID: {user_id}] {message}"
            }
        ]
    )
    return response.messages[-1].content

# 使用例
print(support_chat("user_001", "先日注文した商品がまだ届きません"))
print(support_chat("user_001", "注文番号は何でしたっけ？"))
# 2回目の会話でも1回目の注文情報を記憶している

エージェントは会話を通じてヒューマンブロックを自動更新します。次回同じユーザーが来たとき、過去のやり取りを参照して返答できます。

Letta AI vs Mem0 vs LangChain：どれを選ぶか

AIエージェントメモリの選択肢は複数あります。用途別に整理します。

Lettaが向いているケース

• ゼロからエージェントシステムを構築する
• コンテキストウィンドウを超える長期会話が必要
• エージェントの動作を詳細にデバッグしたい
• 自社インフラ（BYOC）で完全制御したい

Mem0が向いているケース

• LangChain、CrewAI、AutoGenなど既存フレームワークを使っている
• シンプルにユーザープロファイルを保存したい
• すぐに動くものを作りたい

LangMemが向いているケース

• すでにLangGraphでエージェントを構築している
• LangChainエコシステムから離れたくない

AI PICKSの独自評価

AI PICKSでは、500以上のAIツールを独自の評価基準でスコアリングしています。外部レビュー・SNSバズ・トレンド指数・サイト人気度・プロダクト品質の5軸で総合評価しています。

関連記事

• 【2026年最新】CrewAI完全ガイド｜使い方・料金・始め方を徹底解説
• 【2026年最新】Cursor AI完全ガイド｜使い方・料金・活用術を徹底解説
• 【2026年最新】Instantly AI完全ガイド｜使い方・料金・始め方を徹底解説

よくある質問

Q. Letta AI（旧MemGPT）とは何ができるツールですか？

Letta AIは、AIエージェントに会話をまたいだ長期記憶を持たせるオープンソースフレームワークです。通常のLLMが会話ごとに記憶を失う問題を、コアメモリ・リコールメモリ・アーカイブメモリの3層構造で解決します。

Q. Letta AIの無料プランでは何が使えますか？

Letta AIのFreeプランは月額$0で、月5,000クレジット、最大3体のエージェント、1GBストレージを利用できます。ADE（ビジュアルデバッガ）やLetta Codeも使え、BYOKで自分のAPIキーを設定できます。

Q. Letta AIとMemGPTは同じものですか？

MemGPTは2023年に発表されたUC Berkeleyの研究論文が原点で、Lettaはその研究を商用プラットフォームに発展させたものです。実質的に同じプロジェクトが改名された形で、コードリポジトリもletta-ai/lettaに統一されています。

Q. Letta AIはPythonだけで始められますか？

記事ではPython SDKを使った開始方法が紹介されています。Cloudで使う場合はpip install -U letta-clientでSDKを入れ、app.letta.comで取得したAPIキーを使ってエージェントを作成できます。コードが書けない場合はDifyなど別ツールも検討対象です。

Q. Letta AIはセルフホストで無料利用できますか？

Letta AIはオープンソースのため、自前サーバーにセルフホストすれば利用制限なしで使えます。Dockerではletta/letta:latestを起動し、ポート8283でローカル接続します。ただしインフラ管理の工数は自分で負担します。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• CrewAI — 公式サイト（AI PICKSの詳細）
• Dify — 公式サイト（AI PICKSの詳細）
• Devin — 公式サイト（AI PICKSの詳細）