Letta徹底レビュー: 記憶・ADE・料金・代替ツール

MemGPTからLettaへ: 沿革と資金調達

Lettaとは何か？

• コア記憶(core memory): 常にコンテキストウィンドウ内に固定される、ラベル付けされた構造化記憶ブロックの小さな集合(通常は「human」ブロックと「persona」ブロック)。エージェントが編集可能で、エージェント間で共有できる
• アーカイブ記憶(archival memory): PostgreSQLとpgvectorに支えられたコンテキスト外のストアで、エージェントはツール呼び出し(archival_memory_searchとarchival_memory_insert)を通じて検索・書き込みを行い、常に表示しておく必要はない
• 自己編集記憶: 何をコア記憶に残すか、何を要約するか、何をアーカイブへ移すかをエージェント自身が判断する — モデルは通常の推論ループの中で自らの記憶の整理を管理する
• Agent Development Environment(ADE): エージェントの実行中に記憶ブロック・コンテキスト・推論ステップを観察・編集できるビジュアルインターフェースで、本来不透明なコンテキストウィンドウを検査可能にすることを目指す
• Letta Cloud対セルフホスト: 同じオープンソースサーバーがLettaのマネージドクラウド上でも自社インフラ上でも稼働可能で、どちらも同じAPIを使用する
• モデル非依存: OpenAI、Anthropicなどのプロバイダーに、自前のAPIキーを設定して利用できるほか、ローカルモデルのバックエンドにも対応

from letta_client import Letta
import os

client = Letta(api_key=os.getenv("LETTA_API_KEY"))

# コア記憶ブロックを持つステートフルエージェントを作成
agent = client.agents.create(
    model="openai/gpt-4o-mini",
    embedding="openai/text-embedding-3-small",
    memory_blocks=[
        {"label": "human", "value": "名前はまだ不明。会話を通じて学習・更新する。"},
        {"label": "persona", "value": "私はセッションをまたいで文脈を覚えている親切なアシスタントです。"},
    ],
)

# メッセージを送信 — エージェントは自身の記憶ブロックを読み書きできる
response = client.agents.messages.create(
    agent_id=agent.id,
    input="こんにちは、このプロジェクトではPostgresからSQLiteに切り替えます。",
)
for message in response.messages:
    print(message)

Lettaの料金はいくらですか？

• Letta(フレームワークとセルフホストサーバー): Apache 2.0の下で永久に無料、セルフホスト・改変・商用利用のいずれでも — 支払うのは自分のインフラとモデルAPIの費用のみ
• Letta Cloud Freeプラン: 月額0ドル、マネージドエージェント数に制限あり、自前のAPIキー持ち込み可、ローカル利用にアカウント不要
• Letta Cloud Proプラン: 月額20ドル、最大20のステートフルエージェント、Lettaのマネージドモデルアクセスの週次/月次使用クォータ、超過分は従量課金
• Letta API(開発者)プラン: 月額基本料20ドル、加えてアクティブエージェント1つあたり月0.10ドル、ツール実行1秒あたり0.00015ドル、LLM利用はプロバイダー原価で課金
• Teams Pro: 1シートあたり月額20ドル、共有組織、チームメンバーアクセス、エージェント共有制御を追加
• Enterprise: 個別見積もり、ボリュームベースの料金、より高いクォータ、ロールベースアクセス制御、SAML/OIDCシングルサインオン、専任サポートを追加

Lettaのインストールと始め方は？

1. 1
   クライアントライブラリをインストール: pip install letta-client(Python) — 同じAPI用のJavaScript/TypeScriptクライアントも利用可能。
2. 2
   セルフホストかクラウドかを選ぶ: GitHubのDockerイメージでオープンソースのLettaサーバーを自分で運用するか、letta.comでAPIキーを作成してクライアントをLetta Cloudに向ける。
3. 3
   モデルプロバイダーの認証情報を設定する — LettaはOpenAIやAnthropicなどのプロバイダーに対して自前のAPIキー持ち込み設定に対応しているほか、ローカルモデルのバックエンドもサポートする。
4. 4
   client.agents.create()でエージェントを作成し、モデル、埋め込みモデル、そしてエージェントのコア記憶となる1つ以上のmemory_blocks(例えば「human」ブロックと「persona」ブロック)を渡す。
5. 5
   client.agents.messages.create()でメッセージを送信する — 同じエージェントIDは、数日後や数週間後の呼び出しを含め、今後のあらゆる呼び出しをまたいで記憶を保持する。
6. 6
   Agent Development Environmentを開き、APIレスポンスだけでなく、エージェントのコア記憶・アーカイブ記憶・推論ステップを視覚的に観察・編集する。
7. 7
   Lettaの公式ドキュメントを読み、GitHubリポジトリで最新のAPIリファレンスを確認する — Lettaの製品範囲は2024年以降拡大しているため、チュートリアルがどのSDKバージョンを対象としているか確認すること。

Lettaはどんな人に向いていますか？

Lettaを使うべきでないのはどんなときですか？

• 以前のセッションを覚えている必要がない、一度に1つの質問に答えるシンプルでステートレスなチャットボット — 単純なAPI呼び出しや軽量なチェーンの方が、完全な記憶管理フレームワークよりオーバーヘッドが少ない
• 調査担当・執筆担当・レビュー担当など、異なる役割を持つ複数のエージェントがタスクで協働する必要があるチーム — CrewAIは役割ベースのマルチエージェント協働のために特に構築されており、それはLettaの焦点ではない
• モデルに自身の記憶を管理させるのではなく、エージェントの状態遷移・分岐・サイクルを開発者が明示的に定義・制御したいチーム — LangGraphはそのようなグラフベースの明示的な状態制御を提供する
• すでにMicrosoftのツール群に標準化されている.NET中心のエンタープライズチーム — Semantic Kernelがそのスタックとより直接的に統合される
• 代わりに、独自の永続化ロジックを書かなくても、セッションをまたいで特定の事実・好み・履歴を覚えておく必要がある単一のエージェントが決定的な要件である場合にLettaを使う

Letta vs 代替ツール

ディレクトリで比較する→

Lettaを評価する際によくある誤解

よくある質問

出典

関連記事

• LangGraphレビュー: 機能・料金・代替ツール — エージェント管理の記憶ではなく明示的な状態制御を望むチーム向けに、グラフベースのエージェント実行環境を詳しく解説。
• CrewAIレビュー: 機能・料金・代替ツール — 単一エージェントに長期記憶を持たせるのではなく、複数の専門エージェントを調整するチーム向けの、役割ベースのマルチエージェントの代替ツール。
• AutoGenレビュー: 機能・料金・代替ツール — Microsoft Researchのマルチエージェント会話フレームワークで、Lettaの単一エージェント記憶への焦点と比較。
• LangChainレビュー: 機能・料金・代替ツール — Lettaのような専用の記憶レイヤーと組み合わされることが最も多い汎用フレームワーク。
• Semantic Kernelレビュー: 機能・料金・代替ツール — そのスタックに標準化されたエンタープライズチーム向けの、Microsoftの.NET中心の代替ツール。
• ローカルLLMソフトウェアディレクトリ — この記事が属するローカルAIツールの完全なカタログ。エージェントフレームワークの中でLettaがどこに位置するかを含む。