OpenClawのデフォルトメモリをRedisとQdrantに置き換えて、本番環境向けマルチエージェントシステムを構築

本番マルチエージェントシステムにおけるOpenClawメモリのスケーリング

セルフホストVPS上で本番マルチエージェント環境でOpenClawを2ヶ月間運用していた開発者は、デフォルトのメモリレイヤーがスケール時に問題を引き起こすことに気づきました。初期のMarkdownアプローチや後のSQLiteメモリはローカル使用には適していますが、複数のエージェントが並行して動作し、セッションが数日に及び、エージェントが過去の作業から関連するコンテキストを取得する必要がある状況では機能しません。具体的な問題点は次の通りです：セマンティック検索の欠如、エージェント間でのメモリ共有の欠如、そして並行書き込みの混乱です。

Redis + Qdrantアーキテクチャによる解決策

開発者は次のアーキテクチャでメモリシステムを再構築しました：

• 一時的な状態管理にRedis：現在のタスク、最近のコンテキストウィンドウ、TTL付きのツール呼び出しキャッシュ
• 永続的なベクトルメモリにQdrant：過去のエピソード、観察結果、抽出された知識
• Qdrant内の3つのコレクション：agent_episodes、agent_observations、agent_knowledge
• エージェント間での知識共有：エピソードはエージェントごとにスコープ化され、知識はすべてのエージェント間で共有されます
• 時間減衰による再ランキング：古いメモリが検索を汚染するのを防ぎます
• Redis pub/sub：軽量なエージェント間イベントシグナリングに使用されます
• バッチ埋め込み + 非同期Qdrantアップサート：エージェントループが書き込みでブロックされるのを防ぎます

実装の詳細

開発者は、アーキテクチャの決定、HNSW設定の理由、メモリマネージャークラス、観察ループへの接続方法、クリーンアップ/プルーニング戦略を含む完全な実装を文書化しました。埋め込みモデルにはtext-embedding-3-smallを使用しており、nomic-embed-textで完全にローカル化することも検討しましたが、現時点では必要ありませんでした。