クロード用永続メモリ：MCPによるローカルスタック、39msの検索、82%のトークン削減

RedditユーザーがClaude用のローカル永続メモリレイヤーを構築し、セッション間のゼロコンテキスト問題を解決しました。スタックは完全にローカルで動作し（クラウド不要、APIキー不要）、MCPを介して統合されます。主要なアーキテクチャ：4つのレイヤー（L0: SQLiteの追記専用イベントログ、L1: 遅延された構造化事実、L2/L3: Wiki形式の散文、L4: 要約＋決定事項＋未解決スレッドを含む結晶化セッションノード）、ベクター検索用のQdrant Docker、GPU上のQwen3-Embedding-4BとCPU上のQwen3.5-2B-Q4_K_Mによる埋め込みとチャット用のllama.cpp、および7つのツール（retrieve、crystallize_session、list_sessions、get_l4_node、index_status、reindex、shutdown_models）を公開するFastMCPサーバー。

数値

• grep+Readベースラインと比較したトークン削減率：平均82.7%、中央値86.2%。
• 検索F1：0.50 vs ベースライン0.20。
• 埋め込みコールドスタート約4秒、ホットパスp95 39ms（バグ修正前は2241ms）。
• L4セッション検索評価：平均スコア0.920（閾値0.6）。
• 104個のマークダウンファイルから738チャンクをインデックス登録。

主な学び：Windowsでの接続再利用

4070 Ti Super上のGPU常駐埋め込みでも、ホットパス検索がp95で2241msに停滞していました。原因は、httpx.post()呼び出しのたびに新しいTCP接続が開かれ、Windowsのlocalhostハンドシェイクに約2秒かかることでした。持続的なhttpx.Client（キープアライブ）に切り替えることで、p95が39msに低下——57倍の高速化。

その他の驚き

• Qwen3思考モード: llama-serverで--jinjaを使用する際に、chat_template_kwargs: {enable_thinking: false}でenable_thinkingを無効にしないと、モデルが全トークンバジェットを思考ブロックに使い、空のコンテンツを出力します。
• MCP登録: Claude Desktopのエージェントモード（Cowork）は、~/.claude.jsonではなくプラグイン設定ファイルを読み取ります。LKSサービスは、適切なCowork .pluginバンドルとしてパッケージ化する必要があります。

対象ユーザー

Claudeを多用し、クラウド依存なしにコスト効率が高くプライベートなローカルメモリレイヤーでセッション間のコンテキストを維持したい開発者。