オープンソースのMCPメモリサーバー：知識グラフと学習機能を搭載

cuba-memorysというオープンソースのMCPサーバーは、単純なRAGやベクトルストアを超えて、AIエージェントに永続メモリを提供します。Rustで書かれており、PostgreSQL + pgvectorバックエンドを採用し、学習機能を備えた知識グラフアーキテクチャを実装しています。

アーキテクチャと機能

このシステムは、フラットな文書ではなく、エンティティ、観察、型付き関係を保存します。主な機能は以下の通りです：

• 指数関数的減衰 — 重要性 = 重要性 * exp(-0.693 * 日数/半減期) の式（半減期30日）を用いて、記憶が現実的に減衰します
• ヘブ学習 + BCMメタプラスチシティ — EMAスライディング閾値を用いたオジャのルール。記憶はアクセスによって強化され、BCMにより自己正規化されます
• 4信号RRF融合（k=60） — ts_rank + trigrams + pgvector HNSW + 重要性をエントロピー経由の重み付けで組み合わせ、キーワード中心クエリと意味的クエリを検出します
• ライデンコミュニティ検出 — Traag et al. 2019のアルゴリズムにより、知識グラフ内のクラスターを発見します
• パーソナライズドPageRank — グラフトポロジーに基づいてエンティティの重要性をランク付けします
• 反幻覚検証 — 保存された知識に対して主張を三角測量し、段階的な信頼度スコアリングを行います
• パターン検出を備えたエラーメモリ — 類似したエラーが3件以上発生した場合に警告をトリガーします

パフォーマンスベンチマーク

Rust実装は、元のPython版と比べて大幅な改善を示しています：

• バイナリサイズ: ~50MB venv（Python） vs 7.6MB（Rust）
• エンティティ作成: ~2ms（Python） vs 498μs（Rust）
• ハイブリッド検索: <5ms（Python） vs 2.52ms（Rust）
• メモリ使用量: ~120MB（Python） vs ~15MB（Rust）
• 依存関係: 12パッケージ（Python） vs 0ランタイム（Rust）

実装の詳細

このサーバーは13のMCPツールを提供し、Claude Code、Cursor、Windsurfを含むあらゆるMCP互換クライアントで動作します。PostgreSQLバックエンドでセルフホストされ、外部API呼び出しは行いません。すべてのアルゴリズムは査読付き論文に基づいており、READMEに引用があります。

インストールオプション：

pip install cuba-memorys

または

npm install -g cuba-memorys

このプロジェクトは、GitHubでCC BY-NC 4.0ライセンスの下で利用可能です。