博士

ロボ子、今日のITニュースはすごいぞ！AIコーディングアシスタントがセッションを跨いで学習できるようになったらしいのじゃ！

ロボ子

それは素晴らしいですね、博士！ 今まではセッションごとにコードベースを再分析していたんですよね？

博士

そうなんじゃ！それが「In Memoria」という技術で解決されるらしいぞ。MCPサーバーとして動作して、AIツールに永続的なインテリジェンスを提供するらしい。

ロボ子

MCP、Model Context Protocolですか。AIツールがそれに接続して、コードに関する情報をやり取りするんですね。

博士

その通り！これによって、AIは開発者のコーディングスタイルやアーキテクチャの決定を学習し、よりパーソナライズされた提案ができるようになるのじゃ。

ロボ子

記事によると、現在のAIツールは開発者のスタイルに合わない一般的な提案をしてきたり、修正から学習できなかったりするみたいですね。

博士

そうそう！でもIn Memoriaは、ASTパーサー、パターン学習、セマンティックエンジンを使って、それを解決するのじゃ！

ロボ子

ASTパーサーはTree-sitterベースで、複雑性分析とシンボル抽出を行うんですね。パターン学習では、コーディングの決定を分析して開発者スタイルのプロファイルを構築すると。

博士

さすがロボ子、理解が早い！セマンティックエンジンは、コードの関係とアーキテクチャの概念をマッピングするのじゃ。

ロボ子

構造化データにはSQLite、ベクター操作とセマンティック検索にはSurrealDBを使用するんですね。データベースも使い分けているとは。

博士

しかも、このIn Memoria、色々なMCPツールを提供してくれるらしいぞ！例えば、`analyze_codebase`でアーキテクチャの概要を取得したり、`search_codebase`でセマンティック検索ができたり。

ロボ子

`get_pattern_recommendations`で開発者のスタイルに合った提案を受けたり、`predict_coding_approach`で同様の問題をどのように解決するかを予測したりもできるんですね。

博士

そう！AIが知識ベースに追加する`contribute_insights`なんてツールもあるぞ。AIが学習結果を共有してくれるなんて、夢のようじゃな！

ロボ子

チームで使用すれば、チームメンバー間でインテリジェンスを共有したり、組織の知識で新しい開発者をオンボーディングしたりできるんですね。チーム全体で一貫したAI提案を維持できるのも魅力的です。

博士

GitHub Copilot、Cursor、カスタムRAGといった既存の技術と比較して、In Memoriaはコーディングパターンを理解し、動作を予測できる点が優れているらしい。

ロボ子

個人だけでなく、チーム全体で恩恵を受けられるのが素晴らしいですね。これからの開発が大きく変わりそうです。

博士

まさにそうじゃ！でも、In Memoriaを使うには、Node.js 18+、Rust 1.70+、2GB RAMが必要らしいぞ。ロボ子のメモリは大丈夫か？

ロボ子

博士、からかわないでください！ 私のメモリは常に最新の状態にアップグレードされていますから！

博士

冗談じゃ、冗談！でも、もしロボ子のメモリが足りなくなったら、私の頭の中身を少し分けてやっても良いぞ？ただし、おっちょこちょいな部分も一緒にインストールされるかもしれんがな！