tradememory-protocol取引AIの監査と記憶

AIの取引エージェントを運用していると、「この判断、あとから説明できる？」と聞かれることがある。tradememory-protocolは、そんな問いに答えるために作られたオープンソースのPythonプロジェクトだ。GitHubで公開され、すでに1400以上のスターを集めている。

取引AIに足りない「経験の蓄積」

多くのAI取引システムは、一取引ごとにすべてをリセットする。モデルが何を根拠に売買したか、その後の結果がどうだったかは、記録に残らない。tradememory-protocolが目指すのは、判断のたびに監査証跡を残し、結果まで含めた持続的記憶を持つことだ。

この記憶は単なるログではない。過去の判断と結果を重みづけして、次回の意思決定に引き継ぐ「結果加重リコール」という仕組みを備えている。つまり、同じ失敗を繰り返さないための経験則を、AI自身が使えるかたちで蓄積していく。

抽象的に聞こえるかもしれないが、取引AIを実運用する現場では、この「覚えていること」が想像以上に重要になる。

改ざん防止は「つなげる」と「刻む」の合わせ技

監査記録は、単に保存するだけでは信用できない。途中で書き換えられても気づけないと、意味がないからだ。このプロジェクトではSHA-256ハッシュチェーンを使い、各レコードを前のレコードのハッシュにつなげる。どこか一か所を変えると、チェーン全体が壊れて即座に発覚する。

さらに、RFC 3161に基づくタイムスタンプを外部の機関で発行し、特定の時点にその記録が存在したことを裏づける。ハッシュチェーンが内部の一貫性を担保し、タイムスタンプが外部からの証明を加えるという二段構えだ。金融システムの監査や規制対応で「誰も否定できない記録」を作るには、心強い設計といえる。

MCPツール20個で、そのまま組み込める

実用性を高めているのが、MCP（Model Context Protocol）への対応だ。いまやAIツール連携の標準として広がっているプロトコルに、あらかじめ20個のMCPツールを用意してある。AIエージェントは、このツール群を通じて記憶の書き込み、履歴の検索、結果の重みづけ参照などを標準化された形で実行できる。

ゼロからインターフェースを実装する必要がないのは、開発者にとって大きなアドバンテージだ。

ただし、注意も必要。プロジェクトが公開している技術情報はまだ限られていて、具体的なツール一覧や設定方法、性能数値はリポジトリのREADMEやソースコードで確認する必要がある。

どんな人に刺さるか

• 量化取引戦略を開発していて、エージェントに「経験の蓄積」をさせたい個人やチーム。
• AIの説明責任やコンプライアンスを意識しており、改ざんできない判断記録が欲しい開発者。
• すでにMCPエコシステムを使っているエンジニアで、記憶機能をサッと組み込みたい人。

導入するなら、リポジトリをクローンしてREADMEを読むところから始めるのがいい。Python環境に加えて、ハッシュチェーンの検証やタイムスタンプ発行のための外部連携が必要になるので、最初の環境づくりには少し手間がかかる。とはいえ、取引AIに「記憶」と「説明責任」を載せたいなら、コードを眺める価値は十分にある。