Claude Code向けプラグインclaude-memがGitHubで69,378スターを突破した。コーディングセッション中のClaudeのあらゆる動作を自動でキャプチャし、AIで圧縮した上で次セッションに文脈として注入する仕組みで、LLMコーディング支援における「永続メモリ」というテーマを一気に押し上げた格好だ。TypeScript製OSSで、導入障壁も低い。
何が起きたか
thedotmack氏が公開するclaude-memは、Claude Codeのプラグインとして動作する。開発セッション中にClaudeが読んだファイル、実行したコマンド、生成したコード、議論したアーキテクチャ判断などを自動で記録し、セッション終了時にそれらを要約・圧縮。次にClaude Codeを起動した際、関連する過去文脈をコンテキストウィンドウへ自動的に注入する。
スター数は約7万に迫り、ここ数週間のGitHub Trendingで上位常連となっている。リポジトリの説明には "automatically captures everything Claude does during your coding sessions, compresses it with AI" とあり、いわゆる「LLMの健忘症」を運用レベルで解決するアプローチとして注目されている。
Claude Code自体は2024年以降Anthropicが提供してきたCLI型のコーディングエージェントで、claude コマンドからプロジェクトのコンテキストを取り込みながら作業する。ただし、セッションをまたぐと「先週このリファクタをなぜこう決めたか」「あのバグの再現条件は何だったか」を忘れる。claude-memはここを埋めるレイヤーだ。
なぜこのニュースが重要か
エージェント型コーディング支援の主戦場は、もはや「コード生成の精度」ではなく「文脈の継続性」に移っている。Cursor、Cline、Aider、GitHub Copilot Workspace、いずれも直近のロードマップで「メモリ」「セッション履歴」「プロジェクト知識」を強調している。OpenAIのChatGPT memory、AnthropicのProjects機能、そしてMCP（Model Context Protocol）によるツール連携の標準化も同じ方向を指している。
claude-memが象徴的なのは、それをプラグイン側＝ユーザー側からボトムアップで実装した点だ。Anthropicが純正機能として出すのを待たず、TypeScript製の薄いレイヤーで「決定ログ」を外部化する。ベンダーロックインを避けながら、組織内の暗黙知をAIに継承させる思想は、企業導入を考えるとかなり筋がいい。
エンジニア視点での技術深掘り
実装の肝は、おそらく以下のパイプラインに集約される。
- キャプチャ層: Claude Codeのフック機構（pre/post tool useイベント、ファイル編集イベント）を購読し、ツール呼び出しと差分を逐次記録する。
- 圧縮層: セッション終了時、生のトレースをLLM自身に要約させ、「決定事項」「未解決の課題」「依存関係」などスキーマ付きJSONに落とす。素のトークン列をそのまま残すのではなく、構造化することで再利用効率が跳ね上がる。
- 検索・注入層: 次セッション開始時、対象ファイルやブランチに紐づく過去要約をembeddingベース、もしくはファイルパス・シンボル名のキーワード一致で引き、システムプロンプトに差し込む。
擬似的にはこんなイメージだ。
// セッション開始時のhook
export async function onSessionStart(ctx: ClaudeContext) {
const memories = await memStore.query({
repo: ctx.repoPath,
files: ctx.openFiles,
limit: 5,
});
ctx.system.append(formatAsContext(memories));
}
実務上の注意点はいくつかある。まず機密情報の混入。APIキーや顧客データが要約に紛れ込むと、メモリストアが新たな漏洩経路になる。.gitignore相当のメモリスコープ制御と、保存前のシークレットスキャン（trufflehog相当）はほぼ必須だ。
次にコンテキスト汚染。古い設計判断が現行コードと矛盾している場合、それを「正しい文脈」として注入するとClaudeが誤った前提で書き始める。要約には必ずタイムスタンプとコミットSHAを紐づけ、stale判定できるようにしたい。
そしてチーム共有。個人ローカルに溜まる前提だと、組織知としては育たない。S3やGitリポジトリへの同期、もしくはチームでの差分マージ戦略を設計しないと、結局「強い個人」だけが恩恵を受けて終わる。MCPサーバとして公開すれば、他のエージェント（Cline、Cursorなど）からも参照できるので、汎用化の余地は大きい。
経営者/読者として次に取るべき動き
第一に、自社の開発組織で「LLMがアクセスする社内コンテキスト」を誰がどう管理するか、責任者を明確化すべきだ。claude-memのようなツールが普及するということは、暗黙知がAI可読な形でファイルシステムに堆積していくということ。これはセキュリティ・法務・労務すべてに関わる。退職者が触れていたメモリをどう扱うか、外部委託先のエージェントに渡すスコープは、といった論点が早晩出てくる。
第二に、検証導入のスコープは「単一プロジェクト×2〜3名」から始めるのが現実的だ。プラグインを入れ、1スプリント回し、生成された要約の品質と、それが次セッションでどれくらいキックインしたかをログから測る。生産性指標としては、起動からファースト編集までの時間、リファクタ時の手戻り回数あたりが見やすい。
第三に、メモリ層は来年にかけて確実に標準化フェーズに入る。MCPベースの相互運用、社内ナレッジベースとの接続、SOC2準拠のマネージドメモリサービス——このあたりがエコシステムとして立ち上がる前に、自社の「AI記憶ポリシー」を一枚仕上げておくと、ベンダー選定で主導権を握れる。
AIの記憶機能は、エディタの補完が「単語」から「関数」、そして「プロジェクト」へと拡張されてきたのと同じ進化を、いま「時間軸」で経験している。claude-memの69,378スターは、その地殻変動の最初の可視シグナルだ。
動画でも詳しく
動画は記事冒頭の埋め込みからフル尺で視聴できます。