Contextberg
Contextberg · コーディング
Contextbergは、AIコーディングエージェント向けのローカル優先メモリアプリだ。画面、ブラウザの操作、エージェントの記録をバックグラウンドで見張り、そのコンテキストを内蔵のMCPサーバーを通じてClaude Code、Cursor、Codex、OpenClawといったツールに渡す。作業履歴は自分のマシンに残り、推論を担うモデルは自分で選べる。
Contextberg について
Contextbergとは何か
Contextbergは、AIコーディングエージェントの中で暮らす人のための記憶層だ。前回のセッションで何をしたかを説明し直す代わりに、アプリに記録させておき、必要になったら要約をエージェントに渡す。うたい文句はシンプルだ。コーディングエージェントはセッションの間で全てを忘れる。Contextbergは実際の作業の記録を絶やさず残すことで、それを埋める。
記録が及ぶのは三つの流れだ。全ウィンドウのスクリーンショット、ブラウザの履歴、そしてClaude Code、Cursor、ターミナルの記録。Contextbergはその生データを三種類のメモリに圧縮する。何をしたかの活動メモリ、日付ごとにまとめた日次メモリ、そして使うツールと作業のパターンを追う長期メモリだ。エージェントはこれをMCP経由で読む。設定ファイルが散らばることも、独自の連携を組む必要もない。
最大の制約は守備範囲だ。ContextbergはAIコーディングエージェント向けに作られており、一般的なノート取りやチャットアシスタント向けではない。執筆ツールやサポートボット用のメモリが欲しいなら役に立たない。加えて、画面とウィンドウの取り込みはローカルマシンに依存するため、デスクトップで最もよく動く。完全に閉じた構成を望むなら、LM Studio経由のローカルモデルが要る。それ以外の経路では、選んだコンテキストがその提供元に送られる。
はじめかた
- Contextbergのサイトからアプリをダウンロードしてインストールする。始めるのにアカウントは要らない。
- Contextbergが求める画面、ブラウザ、ファイルの権限を許可し、活動を記録できるようにする。
- モデルの経路を選ぶ。既存のCodexログイン、GeminiかOpenRouterのAPIキー、Contextberg Cloud、またはLM Studioのローカルモデルだ。
- 内蔵のMCPサーバー経由で、Claude CodeやCursorなど対応エージェントをつなぐ。
- 一日動かしてからチャットを開き、何をしていたか尋ねて要約されたメモリを見る。
AIツール情報
Contextbergの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- Claude Code、Cursor、Codexを毎日使う開発者。アプリがセッションのメモリを保つので、コンテキストを打ち直さずに済む。画面とブラウザ履歴の記録にデスクトップの権限が要る。
- プライバシーを気にするプログラマー。作業履歴は自分のマシンに残り、全てをローカルモデル経由にできる。完全オフラインの経路にはLM Studioの設定が要る。
- 複数プロジェクトを掛け持ちする個人開発者。長期メモリがプロジェクトをまたいでツールとパターンを追うため、数日離れて戻ったときに役立つ。
タスク
- コーディングセッションの再開。エージェントに何をしていたか尋ねると、直近の活動、ブラウザのタブ、記録の跡を再構成する。
- 忘れたファイルやタブの取り戻し。ブラウザとスクリーンショットの記録が中断地点を示すので、履歴を手で探し回らずに済む。
- 一日の作業の要約。日次メモリが日付ごとに進捗をまとめる。朝会や個人の記録に便利だ。
- 新しいエージェントへのコンテキスト供給。メモリはMCP経由で流れるので、真新しいエージェントを同じ保管場所に向ければ、一から教え直さなくてよい。
シーン
- 長い週末を挟んで戻り、作業の途中から再開したい。Contextbergは再構成させる代わりに要約を見せる。
- 一週間のうちに複数のコーディングエージェントを使う。共有メモリが、どのエージェントを開いてもコンテキストを一貫させる。
- 従量制か信頼できないネットワークで作業する。ローカルモデルに切り替えれば、流れ全体が端末内に収まる。
主な機能
画面・ブラウザ・エージェントをまたぐバックグラウンド取り込み
Contextbergは静かに動き、三つの流れを同時に記録する。全ウィンドウのスクリーンショット、ブラウザの履歴、Claude Code、Cursor、ターミナルの記録だ。タグ付けもメモ書きも要らない。記録はすでに存在する。だから必要なときにはそこにある。これが、メモリアプリと自分で維持しなければならないToDoリストとの違いだ。
内蔵MCPサーバー
アプリにはMCPサーバーが付属する。つまり対応するエージェントは余分な配線なしでつながる。いつもの設定ファイルを飛ばし、エージェントをContextbergに向けるだけだ。メモリのパイプラインを半日かけて手作りしたことのある人にとって、これは近道になる。ツールが既存のワークフローを置き換えるのではなく、そこに収まる主な理由でもある。
三層のメモリ
Contextbergは取り込んだ内容を、活動メモリ（何をしたか）、日次メモリ（日付ごとにまとめた進捗）、長期メモリ（何度も手を伸ばすツールとパターン）に振り分ける。各層が別の問いに答える。活動メモリは「一時間前は何をしていたか」のため。長期メモリは「新しいプロジェクトをいつもどう組むか」のためだ。この分離が、エージェントが生ログに溺れるのを防ぐ。
柔軟なモデル経路
推論をどこで行うかは自分で選ぶ。選択肢にはCodexログイン、GeminiかOpenRouterのAPIキー、Contextberg Cloud、LM Studioのローカルモデルがある。ローカル経路なら全て自分のマシンに収まる。同社によれば、それ以外の経路はそのリクエストに必要なコンテキストだけを送る。提供元を切り替えても、メモリの保管場所はそのまま残る。
作業復帰時の要約
席に戻ると、Contextbergは離席前に何をしていたかを要約する。直近の活動、ブラウザ履歴、エージェントの記録から引き出す。その後はチャットでどの部分でも掘り下げられる。会議の後に20分かけて状態を組み直した経験があると、この小ささが効いてくる。要約は多くの人が最初に気づく機能だ。
メリットとデメリット
メリット
- メモリはMCP経由でエージェントに流れるため、設定はパイプライン作りというより差し込む感覚に近い。
- 作業履歴はローカルに残り、LM Studio経路なら流れ全体がオフラインで完結する。
- 三層のメモリがエージェントの視界を整える。生のスクリーンショットを投げつけるのではない。
- アプリの利用にアカウントは要らない。
- 複数の人気コーディングエージェントと併用でき、一つに縛られない。
デメリット
- AIコーディングエージェント向けなので、執筆やチャット用のメモリが欲しい場合には合わない。
- 画面とウィンドウの取り込みが体験をデスクトップに縛り、ノートPCのみやモバイルの流れを制限する。
- 画面とブラウザ履歴の記録はローカル保存でも実質的なプライバシーの代償だ。その権限を与えることに抵抗がない必要がある。
よくある質問
画面、ブラウザの操作、コーディングエージェントの記録をバックグラウンドで取り込み、AIエージェントがMCP経由で読めるメモリに変える。狙いは、セッションごとにコンテキストを説明し直さなくて済むようにすることだ。
関連コンテンツ
Contextbergに関連するツール、スキル、記事を探す。
Contextbergの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。