Graphthulhu MCPサーバーは、AIエージェントにLogseq/Obsidian向けのナレッジグラフメモリを提供します。

Graphthulhuは、AIエージェントにLogseqまたはObsidianボールトへの完全な読み書きアクセスを提供するMCPサーバーです。テキストチャンクをベクトルに埋め込む代わりに、エージェントはプロパティとページ間の[[リンク]]を持つ構造化ページを書き、メモリとしてナレッジグラフを作成します。

仕組み

システムはエージェントのメモリをディスク上のプレーンマークダウンファイルとして保存します。すべてのページにはタイプ（プロジェクト/決定/研究/レッスン/インテル）、ステータス、作成/更新タイムスタンプがあります。エージェントは学習後に書き込み、関連ページをリンクし、プロパティ標準に従います。定期的なハートビート中に、エージェントは最近の日次ノートをレビューし、重要なコンテンツをグラフに昇格させます。

1か月後の結果

• 404ページ作成
• 1,451のページ間相互参照
• プロジェクトは決定にリンクし、決定は研究にリンクし、研究は学んだ教訓にリンク
• メモリは時間とともに密度を増す接続された知識のウェブになる

ベクトルメモリの問題点への対応

著者は、典型的なベクトルベースのメモリシステムにおける3つの問題点を特定しています：

• 単一角度検索： 検索クエリはメモリが保存された角度と一致する必要があります。「Fitbit認証失敗」と「ブラウザクッキー問題」は同じメモリかもしれませんが、両方を検索しない限りベクトルはそれらを接続しません。
• 構造の欠如： すべてが同等の重みで埋め込みとして保存されます。中核的な選好と一回限りのイベントは、検索システムにとって同じように見えます。
• 関係性の欠如： 事実Aと事実Bが存在することを知っていても、AがBを引き起こしたことがわからなければ役に立ちません。

ナレッジグラフの利点

• マルチフック検索： すべての[[リンク]]は検索パスです。「OpenChaos」を検索するとプロジェクトページが表示され、リンクをたどってガバナンス危機、競合分析、学術研究を見つけることができます。
• タイプがネイティブ： グラフは構造的に、選好とイベントが異なるものであることを認識します。学習された減衰率は不要です。
• 永続性： エージェントのクラッシュ、セッションリセット、モデル交換があっても、知識は永続します。データベース、再計算する埋め込み、維持するベクトルストアはありません。gitでバックアップしてバージョン管理されたメモリを実現します。

技術詳細

• 単一Goバイナリ
• 37のMCPツール
• LogseqとObsidianバックエンドの両方で動作
• GitHubでオープンソース

トレードオフと将来計画

このアプローチは「すべてを埋め込むだけ」よりも多くの事前構造を必要とします。エージェントは学習後に書き込む、常に関連ページをリンクする、プロパティ標準に従うという規律が必要です。著者は利便性と深さを交換しています。

将来計画には、グラフの上にRAGを追加することが含まれます：ファジーな意味検索でエントリーポイントを見つけるためにページコンテンツを埋め込み、その後グラフトラバーサルを使用してそれに接続されたすべてを取り込みます。これは、発見のための意味検索とコンテキスト拡張のためのグラフリンクという、MicrosoftのGraphRAG論文パターンに従います。