ローカルMCPメモリシステムとAI会話のための統合

概要

ある開発者が、単に情報を保存するだけでなく、統合・合成するAI会話用のローカルメモリシステムを作成しました。MCPサーバーとして構築されており、Claude DesktopやClaude Codeなどの互換性のあるクライアントと連携し、データがハードウェアから流出することなく100%ローカルで動作します。

仕組み

標準的なRAGシステムとの主な違いは、統合プロセスにあります。6時間ごとに、ローカルLLM（LM Studioで実行されるQwen 2.5-7B）が最近のメモリをトピックごとにクラスタリングし、構造化された知識ドキュメントに統合します。事実、解決策、好みを抽出し、既存の知識と統合し、すべてをバージョン管理します。

技術スタック

• 埋め込み: LM Studio経由のnomic-embed-text-v1.5
• ベクトル検索: FAISS（意味的＋キーワードハイブリッド）
• 統合LLM: LM Studio経由のQwen 2.5-7B（Q4）
• ストレージ: エピソード用にSQLite、ベクトル用にFAISS
• プロトコル: MCP — サポートするあらゆるものと連携
• 設定: TOML

機能

• コサイン類似度0.95閾値による意味的重複排除
• 適応的サプライズスコアリング — 頻繁にアクセスされるメモリは強化され、古いものは減衰
• クラッシュ保護のためのtempfile + os.replaceによるアトミック書き込み
• トゥームストンベースのFAISS削除 — インデックス全体を再構築する代わりにO(1)
• 優雅な劣化 — LM Studioがダウンしてもストレージは機能し、統合は一時停止
• 88個のテスト合格

MCPツール

• memory_store — タイプ、タグ、サプライズスコア付きでエピソードを保存
• memory_recall — エピソードと統合された知識全体での意味的検索
• memory_forget — エピソードを削除対象としてマーク
• memory_correct — 知識ドキュメントを更新
• memory_export — 完全なJSONバックアップ
• memory_status — ヘルスチェック

MCPが選ばれた理由

モデルは頻繁に置き換えられますが、蓄積された知識はそれらと共に消えてはいけません。MCPはメモリをポータブルにします — 1つのストア、多くのインターフェース。メモリ層は、個々のモデルよりも価値あるものになります。

実用的な結果

約1週間の使用後、このシステムはPCハードウェア、VRセットアップ、コーディングの好み、プロジェクトアーキテクチャに関する知識ドキュメントを構築しました — すべて通常の会話から合成されたものです。新しいチャットを開始する際、AIはユーザーのコンテキストを再説明することなく既に把握しています。

要件

• Python 3.11以上
• Qwen 2.5-7Bとnomic-embed-text-v1.5が読み込まれたLM Studio
• 任意のMCPクライアント