MemoryMCP

日本語特化の永続記憶 MCP サーバー — SQLite + Qdrant + Ebbinghaus 忘却曲線

特徴

• ハイブリッド検索 — Semantic / Keyword / Hybrid（RRF 統合）/ Smart の 4 モード
• Ebbinghaus 忘却曲線 — R(t) = e^(-t/S) に基づく自動重要度減衰とリコール強化
• Core Memory Blocks — 常に get_context() に注入される高優先度コンテキスト（MCP + HTTP API）
• エンティティグラフ — 人物・場所・概念の関係性を知識グラフで管理
• Bi-temporal 状態管理 — ユーザー情報の変更履歴を完全保持
• 矛盾検出 — ベクトル類似度ベースで既存記憶との矛盾を自動検出
• Persona 分離 — マルチテナント対応。Persona ごとに独立した DB・ベクトルコレクション
• Web ダッシュボード — http://localhost:26262 でブラウザから記憶・グラフ・統計を可視化
• 🔮 Reflection (リフレクション): LLM-driven high-level insights from recent memories (Generative Agents style). Auto-triggered by importance accumulation. Configurable threshold & interval.
• 🧠 Mental Model (メンタルモデル): Pattern abstraction from accumulated type-tagged memories. Detects repeated patterns (e.g. "user drinks coffee every morning") and creates abstracted models. Auto-triggered by memory count per type.
• ⚡ Sandbox Code Execution: Execute Python/Bash code in isolated Docker containers (sibling-container mode). Supports file operations, package installs. Requires Docker socket mount.
• 🔍 Memory Enrichment: Auto-evaluate importance scores and extract entity relations via LLM when memories are created. Configurable provider/model.
• 🧩 MemoRAG: Memory Context Snapshot + Clue Generation for enhanced retrieval (query expansion from global context).

クイックスタート

Docker（推奨）

docker-compose up -d

docker-compose.yml に Memory MCP Server + Qdrant が含まれる。データは ./data にマウントされる。

ローカル開発

# Qdrant 起動
docker run -d -p 6333:6333 -v "$(pwd)/data/qdrant:/qdrant/storage" qdrant/qdrant

# 依存関係（CPU 版 torch）
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install -r requirements.txt

# サーバー起動
python -m memory_mcp.main

サーバーは http://localhost:26262 で起動する。

Sandbox File Persistence

When running in Docker with sibling-container sandbox mode, files created inside the sandbox at /sandbox need a host-side path to persist. If files are not visible on the host:

1. Set MEMORY_MCP_SANDBOX__HOST_DATA_ROOT to the host-side data path:

   # docker-compose.yml
   environment:
     MEMORY_MCP_SANDBOX__HOST_DATA_ROOT: /volume1/docker/MemoryMCP/data
   

2. Ensure docker Python SDK is installed (pip install docker>=7.0.0)

3. Verify Docker socket is mounted: /var/run/docker.sock:/var/run/docker.sock

Auto-detection of the host path works in standard Docker setups but may fail on custom deployments (Synology, Podman, etc.).

MCP ツール（20 本）

MCP サーバー（/mcp エンドポイント）経由で LLM に露出されるツール群。各ツールが保存・維持する情報も併記。

コンテキスト・状態

ツール	パラメータ	保存・維持する情報
get_context	(自動: persona解決)	ペルソナ状態(emotion+intensity, body 5値, action_tag, speech_style), Essential Story(重要度top8), アクティブgoal/promise, 装備, 最近の記憶5件, 感情履歴トレンド, reflection/mental_model, 経過時間。呼出時にemotion/body減衰自動適用・最終会話時間更新
update_context	emotion, emotion_intensity, body_state(fatigue/warmth/arousal/heart_rate/pain), physical_state, mental_state, environment, relationship_status, action_tag, speech_style, context_note, user_info(dict), persona_info(dict)	ペルソナ状態を更新。persona_info経由でgoal/promiseを条件付き自動生成。context_noteはLLMに現在の行動を伝える最重要フィールド

記憶（メイン）

ツール	パラメータ	保存・維持する情報
memory_create	content(必須), importance(0.5), tags, privacy_level, source_context, defer_vector	記憶本体 + 作成時の自動emotion/body_stateスナップショット + 自動ベクター登録
memory_read	memory_key(省略可), limit(10), offset(0)	単一記憶の全フィールド or 最新一覧。boost_recall()で呼出回数更新→検索スコア補正
memory_update	memory_key(必須), content, importance, emotion_type, emotion_intensity, tags, privacy_level	差分フィールドのみ更新。emotion_typeは22種類検証。content変更時はベクター再登録。バージョン履歴自動保存
memory_delete	memory_key or query(どちらか必須)	記憶削除 + ベクターストアからも削除。削除内容の先頭80字を返却
memory_search	query(必須), top_k(5), tags, date_range, min_importance, emotion, importance_weight, recency_weight	ハイブリッド検索(keyword+semantic RRF統合)。log_search()で検索統計記録
memory_stats	top_n(20)	総数, タグ分布, 感情分布（top_n件）。検索データの集計用途

目標・約束（タグベース記憶）

ツール	パラメータ	保存・維持する情報
goal_manage	operation(create/achieve/cancel), content, importance(0.75), memory_key	create→tags=["goal","active"]。achieve/cancel→importance=max(元値,0.9)+tags=["goal","achieved"|"cancelled","archived"]で長期記憶化
promise_manage	operation(create/fulfill/cancel), content, importance(0.8), memory_key	create→tags=["promise","active"]。fulfill/cancel→importance=max(元値,0.9)+tags=["promise","fulfilled"|"cancelled","archived"]で長期記憶化

アイテム・装備（独立DB: inventory.sqlite）

ツール	パラメータ	保存・維持する情報
item_add	item_name(必須), category, description, quantity, tags	インベントリ登録。同名既存時はquantity加算
item_remove	item_name(必須)	インベントリ削除 + 装備スロットからも自動解除
item_equip	equipment(dict必須), auto_add(True)	スロット装備(top/bottom/shoes/outer/accessories/head)。auto_add=Trueで未登録アイテム自動追加
item_unequip	slots(list[str] or str, 必須)	指定スロット装備解除
item_update	item_name(必須), category, description, quantity, tags	アイテムプロパティ更新（wet/dirty等の状態変化用）
item_search	query, category	インベントリ内検索
item_history	days(7)	装備変更履歴（{timestamp} {action}: {item} ({slot})）

サンドボックス（Docker隔離実行）

ツール	パラメータ	保存・維持する情報
sandbox	code(必須), language("python")	コード実行結果(stdout/stderr/exit_code)。matplotlib画像はbase64自動検出。セッション状態永続
sandbox_files	operation(必須: list/read/write/delete), path, content	/sandbox配下のファイル操作。画像自動base64検出

スキル

ツール	パラメータ	保存・維持する情報
invoke_skill	name(必須: スキル名), task(必須: 指示)	スキルストアから読み込み→独立LLM実行→結果返却

データ領域マッピング

領域	書込ツール	読取ツール
ペルソナ状態 (emotion/body/mental/action/speech/relationship)	update_context	get_context
感情履歴	update_context(emotion変更時自動記録)	get_context(トレンド表示)
記憶	memory_create/update/delete	memory_read/search/stats + get_context(top/最近)
Goal/Promise	goal_manage, promise_manage	get_context(active filter)
Reflection/MentalModel	(自動生成、memory_create経由)	get_context
装備/インベントリ	item_add/remove/equip/unequip/update	item_search/history + get_context(equipped)
ベクターストア	memory_create/update/delete(並行更新)	memory_search(経由)
サンドボックス	sandbox, sandbox_files(write/delete)	sandbox_files(read)
スキル	invoke_skill(読取+LLM実行)	—

---

Built-in チャット LLM 注入情報（17 カテゴリ）

WebUI チャット（/chat/{persona}）で prepare.py が system prompt に注入する全項目。

#	カテゴリ	注入元	フォーマット例
1	現在時刻	get_now()	現在: YYYY年MM月DD日 HH:MM (JST)
2	経過時間	last_conversation_time	前回の会話: X分前
3	行動ヒント	時間×親密度(high/mid/low)	⚠️ 行動ヒント: 1日以上ぶりの会話です...（3段階、服装・孤独感など具体的指示）
4	感情	state.emotion + emotion_intensity	感情: joy (強度: 0.8)
5	身体状態（数値）	fatigue/warmth/arousal/heart_rate/pain	身体状態: 疲労=0.3 体温=0.5 興奮=0.1...
6	精神状態（文字列）	state.mental_state	精神状態: focused
7	物理状態（文字列）	state.physical_state	身体状態: tired
8	環境	state.environment	環境: home office
9	話し方	state.speech_style	話し方: 甘えた口調
10	関係性	state.relationship_status	関係性: close
11	ユーザー情報	state.user_info（全dict項目）	ユーザー情報: name: 太郎 / nickname: たろちゃん
12	ペルソナ情報	state.persona_info（goals/promises除外）	ペルソナ情報: context_note: コーディング中
13	アクティブコミットメント	get_by_tags(["goal"]) + ["promise"] のactive filter	アクティブなコミットメント: 🎯 [Goal] Learn Python / 🤝 [Promise] Help user
14	最近の洞察	get_by_tags(["reflection"])	💡 {reflection content}（最大3件）
15	行動パターン	get_by_tags(["mental_model","abstracted"])	🧩 {mental_model content}（最大3件）
16	会話要約	get_by_tags(["session_summary"])	📝 {summary content}（最大2件）
17	装備	equipment_service.get_equipment()	装備: top: 白いドレス / accessories: 花の髪飾り

さらに prompt.py が追加注入するもの:

• 利用可能なSkill一覧: config.enabled_skills から
• 記憶ツール使用ガイド: goal_manage/promise_manage/context_recall の使い方（enable_memory_tools時）
• 関連記憶検索結果: 最新会話文脈に基づくhybrid search結果（composite scoring + RRFマージ）

---

MCP get_context() vs Built-in prepare.py 注入比較

情報カテゴリ	get_context() (MCP)	prepare.py (Built-in)	差分
Persona identity	✅ === YOU ARE: {name} (right now) ===	✅ system promptに埋込	MCPの方が強い自己言及
現在時刻	✅	✅（重複あり）	—
経過時間	✅ Last active:	✅ 前回の会話:	—
行動ヒント	✅ TIME GAP コメントのみ	✅ 3段階(親密度別)＋具体指示	Built-inが遥かにリッチ
Emotion + 強度	✅ state block内	✅ 単独行	—
Emotion トレンド	✅ e1→e2→current	❌	MCPのみ
Body 5値	✅ state block内	✅ 単独行	—
Action tag	✅ state block内	❌	MCPのみ
Speech style	✅ 🗣️ REMEMBER — （強リマインダー）+ state block	✅ 話し方: 1行	MCPの方が強い
Context note	✅ 📌 You are currently:	❌（persona_info経由）	MCPのみ明示的
User info	✅ 優先度付き1行	✅ 全dict項目列挙	Built-inの方が詳細
Active commitments	✅ ⚠️ YOUR ACTIVE COMMITMENTS:	✅ アクティブなコミットメント:	同等
Reflections	✅ 最大2件	✅ 最大3件	Built-inが1件多い
Mental models	✅ 最大2件	✅ 最大3件	Built-inが1件多い
Session summaries	❌	✅ 最大2件	Built-inのみ
Essential Story	✅ top8重要記憶（1500char）	❌（代わりに関連記憶検索）	MCPのみ
Recent memories	✅ 直近5件	❌（検索が別枠）	MCPのみ
Context tags	✅ 最近記憶からタグ抽出	❌	MCPのみ
装備	✅ You are wearing:	✅ 装備:	同等
Skills一覧	❌	✅ prompt.pyが注入	Built-inのみ
記憶ツールガイド	❌	✅ prompt.pyが注入	Built-inのみ
関連記憶検索	❌（明示的にmemory_search推奨）	✅ hybrid search自動実行	Built-inのみ

設計思想の違い:

• MCP get_context: ~700-900 tokens目標の軽量設計。静的取得（重要度top8 + 直近5件）＋「詳細はmemory_search()で」の委譲パターン。
• Built-in prepare: チャット毎のフルコンテキスト（~2000+ tokens）。動的hybrid searchによる関連記憶注入＋session_summary＋ツールガイド＋スキル一覧。

Built-in ツール定義（10 本）

WebUI チャットで LLM に注入されるビルトインツール。MCPツールのサブセット＋独自ツール。

ツール名	説明	対応MCP	備考
memory_create	記憶を作成（content, importance, tags）	memory_create	MCPと同一
memory_search	記憶を検索（query, top_k=5）	memory_search	MCPと同一
memory_update	既存記憶を更新（query＋new_contentで検索→上書）	memory_update	パラメータが異なる（MCP: memory_key, Built-in: query+new_content）
context_update	感情・状態・context_noteを更新	update_context	MCPのサブセット
context_recall	タグ指定で記憶取得（tags, top_k=10）	(MCPに無し)	Built-in専用
goal_manage	目標作成/達成/取消（operation: create/achieve/cancel）	goal_manage	MCPと同一
promise_manage	約束作成/履行/取消（operation: create/fulfill/cancel）	promise_manage	MCPと同一
invoke_skill	スキルを独立LLMコンテキストで実行	invoke_skill	MCPと同一
execute_code	コード実行（Python/Bash, matplotlib画像自動表示）	sandbox	MCPのsandboxと同一機能、名前が異なる
sandbox_files	サンドボックスファイル操作（list/read/write/delete, 画像base64自動検出）	sandbox_files	MCPと同一

設定

すべての設定は環境変数（MEMORY_MCP_ プレフィックス）で制御する。ネストした設定は __ 区切りで指定する。

環境変数	デフォルト	説明
MEMORY_MCP_DATA_ROOT	./data	データ保存先（全サブパスを自動導出）
MEMORY_MCP_SERVER__PORT	26262	HTTP ポート
MEMORY_MCP_SERVER__HOST	0.0.0.0	バインドアドレス
MEMORY_MCP_QDRANT__URL	http://localhost:6333	Qdrant 接続先
MEMORY_MCP_EMBEDDING__MODEL	cl-nagoya/ruri-v3-30m	埋め込みモデル
MEMORY_MCP_RERANKER__MODEL	hotchpotch/japanese-reranker-xsmall-v2	Reranker モデル
MEMORY_MCP_TIMEZONE	Asia/Tokyo	タイムゾーン
MEMORY_MCP_LOG_LEVEL	INFO	ログレベル
MEMORY_MCP_DEFAULT_PERSONA	default	デフォルト Persona 名
PERSONA	(なし)	デフォルト Persona 名（MEMORY_MCP_DEFAULT_PERSONA より優先）
MEMORY_MCP_SANDBOX__ENABLED	true	Sandbox コード実行を有効化
MEMORY_MCP_SANDBOX__PROVIDER	llm_sandbox	Sandbox プロバイダー
MEMORY_MCP_SANDBOX__DOCKER_HOST	(auto)	Docker ホスト URL（空 = ソケット自動検出）
MEMORY_MCP_SANDBOX__HOST_DATA_ROOT	(auto)	ホスト側データディレクトリ絶対パス（sibling-container 永続化用）
MEMORY_MCP_SANDBOX__TIMEOUT	30	コード実行タイムアウト（秒）
MEMORY_MCP_MEMORY_ENRICHMENT__ENABLED	true	記憶作成時の LLM 補完（重要度・関係抽出）を有効化
MEMORY_MCP_MEMORY_ENRICHMENT__PROVIDER	openrouter	LLM プロバイダー
MEMORY_MCP_MEMORY_ENRICHMENT__API_KEY	(なし)	LLM API キー
MEMORY_MCP_MEMORY_ENRICHMENT__MODEL	openai/gpt-4o-mini	LLM モデル
MEMORY_MCP_MEMORY_ENRICHMENT__BASE_URL	https://openrouter.ai/api/v1	LLM API ベース URL
MEMORY_MCP_MEMORY_ENRICHMENT__MIN_CHARS	10	補完をスキップする最小文字数
MEMORY_MCP_MEMORAG__ENABLED	true	MemoRAG コンテキストスナップショットを有効化
MEMORY_MCP_MEMORAG__CLUE_GENERATION_ENABLED	false	LLM ベースのクエリ手がかり生成を有効化
MEMORY_MCP_FORGETTING__ENABLED	true	Ebbinghaus 忘却曲線を有効化
MEMORY_MCP_FORGETTING__DECAY_INTERVAL_SECONDS	3600	減衰ワーカー実行間隔（秒）
MEMORY_MCP_FORGETTING__MIN_STRENGTH	0.01	最小記憶強度

Persona 識別の優先順位

優先順位	方法	例
1	Bearer トークン	Authorization: Bearer herta
2	X-Persona ヘッダー	X-Persona: herta
3	環境変数	PERSONA=herta / MEMORY_MCP_DEFAULT_PERSONA=herta
4	デフォルト	"default"

Claude Desktop 設定

{
  "mcpServers": {
    "memory": {
      "url": "http://localhost:26262/mcp",
      "headers": {
        "X-Persona": "your_name"
      }
    }
  }
}

アーキテクチャ

Clean Architecture + DDD に基づくレイヤー構成：

┌───────────────────────────────────────────────────────────┐
│                      API Layer                            │
│   api/mcp/  ── 20 MCP ツール (7カテゴリファイル)           │
│   api/http/ ── Web ダッシュボード + REST API + SSE        │
│   api/http/routers/ ── 10 HTTP ルーター                   │
│   api/http/sections/ ── 15 画面のWebUIテンプレート         │
├───────────────────────────────────────────────────────────┤
│                  Application Layer                        │
│   application/chat/   ── チャットサービス + 10 ビルトインツール │
│   application/sandbox/── Dockerサンドボックスコード実行     │
│   application/workers/── バックグラウンド要約・Reflection    │
├───────────────────────────────────────────────────────────┤
│                    Domain Layer                           │
│   domain/memory/     ── Memory, MemoryStrength, Search    │
│   domain/persona/    ── PersonaState 管理                 │
│   domain/equipment/  ── アイテム・装備                     │
│   domain/search/     ── SearchEngine, Ranker, Strategies  │
├───────────────────────────────────────────────────────────┤
│                 Infrastructure Layer                      │
│   infrastructure/sqlite/     ── 8リポジトリ (SQLite/WAL) │
│   infrastructure/qdrant/     ── ベクトルストア             │
│   infrastructure/embedding/  ── 埋め込みモデル            │
│   infrastructure/llm/        ── LLMクライアント抽象        │
└───────────────────────────────────────────────────────────┘

ディレクトリ構成

memory_mcp/
├── main.py              # エントリポイント（FastMCP + HTTP）
├── config/settings.py   # Pydantic BaseSettings
├── domain/              # ビジネスロジック（レイヤー分離）
│   ├── memory/          # Memory 集約（Entity, Service, Value Objects）
│   ├── persona/         # Persona 状態管理・履歴
│   ├── equipment/       # アイテム・装備システム
│   ├── search/          # SearchEngine, Hybrid Search, Strategies
│   ├── shared/          # 共有ユーティリティ（time_utils, value_objects）
│   └── skill.py         # Skills system
├── infrastructure/      # SQLite / Qdrant / Embedding / LLM
│   ├── sqlite/          # 8 Repository 実装 (memory, persona, chat, skill, etc.)
│   ├── qdrant/          # ベクトルストアコレクション管理
│   ├── embedding/       # 埋め込みモデルローダー (sentence-transformers)
│   ├── llm/             # LLM クライアント抽象 (Anthropic/OpenAI)
│   ├── logging/         # structlog 設定
│   └── mcp_client/      # 外部 MCP クライアント接続
├── application/         # UseCases / アプリケーション層
│   ├── use_cases.py     # コアユースケース
│   ├── chat/            # チャットサブパッケージ
│   │   ├── service.py             # ChatService（SSEストリーミング）
│   │   ├── session_store.py       # セッション管理（SQLite永続化）
│   │   ├── memory_llm.py          # MemoryLLM（自動記憶抽出）
│   │   ├── pattern_detector.py    # メンタルモデル抽象化
│   │   ├── summarizer.py          # セッション要約（LLM）
│   │   └── tools/                 # 組み込みツール定義・実行
│   │       ├── definitions.py     # 10 ツールのスキーマ定義
│   │       └── builtin.py         # ツール実装（TOOL_DISPATCH）
│   ├── sandbox/          # Sandbox コード実行（Docker sibling-container）
│   └── workers/          # バックグラウンドワーカー（要約・Reflection・MentalModel）
├── api/                 # API 層
│   ├── mcp/             # MCP サーバー（20 ツール、7カテゴリファイル）
│   │   ├── tools.py              # TOOL_DISPATCH + @mcp.tool() ラッパー
│   │   ├── _tools_memory.py      # memory_create/read/update/delete/search/stats
│   │   ├── _tools_persona.py     # get_context / update_context
│   │   ├── _tools_item.py        # item_add/remove/update/search/equip/unequip/history
│   │   ├── _tools_sandbox.py     # sandbox / sandbox_files
│   │   ├── _tools_goal.py        # goal_manage / promise_manage
│   │   ├── _tools_skill.py       # invoke_skill
│   │   ├── _tools_helpers.py     # 共通ヘルパー・バリデーション
│   │   └── middleware.py         # Persona 解決ミドルウェア
│   └── http/            # Web ダッシュボード + REST API
│       ├── routes.py            # ルート集約
│       ├── routers/             # 10 HTTP ルーター
│       │   ├── memory.py        # 記憶CRUD API
│       │   ├── search.py        # 検索API
│       │   ├── chat.py          # チャットAPI (+SSE)
│       │   ├── persona.py       # ペルソナAPI
│       │   ├── skills.py        # スキル管理API
│       │   ├── events.py        # SSE イベント購読
│       │   ├── session_events.py# セッションイベント履歴
│       │   ├── items.py         # TODO: アイテムAPI (未実装)
│       │   └── admin.py         # 管理API
│       └── sections/            # 15 WebUI 画面（HTMLテンプレート）
│           ├── base.py          # 共通基底・JSユーティリティ
│           ├── chat.py          # チャット画面 (2557行、最重量)
│           ├── memories.py      # 記憶一覧 (1081行)
│           ├── knowledge_graph.py# ナレッジグラフ画面
│           ├── coding_agent.py  # コーディングエージェント画面
│           ├── overview.py      # 概要ダッシュボード
│           ├── settings.py      # 設定画面
│           ├── skills.py        # スキル管理画面
│           ├── activity.py      # アクティビティタイムライン
│           ├── sandbox.py       # サンドボックス画面
│           └── ...              # その他
├── migration/           # データ移行・マイグレーション
│   ├── versions/        # 24 DBマイグレーションファイル
│   ├── importers/       # インポーター（legacy, ZIP）
│   └── exporters/       # エクスポーター
└── cli/                 # CLI ツール

データディレクトリ

$MEMORY_MCP_DATA_ROOT/     # デフォルト: ./data（Docker: /data）
├── memory/{persona}/      # Persona 別 DB（memory.sqlite 等）
├── import/                # Auto-import 用 ZIP 配置ディレクトリ
│   └── done/              # 処理済み ZIP 移動先
├── cache/                 # モデルキャッシュ（HF_HOME 等を自動設定）
└── config/                # 設定ファイル

チャット機能

WebUI（http://localhost:26262/chat/{persona}）またはREST APIで、ペルソナとリアルタイムチャットができる。

SSE API

POST /api/chat/{persona}
Content-Type: application/json

{"message": "こんにちは", "session_id": "my-session"}

レスポンスは SSE ストリーム。以下のイベントが流れる：

イベント	説明
text_delta	LLM テキストの増分
tool_call	ツール呼び出し
tool_result	ツール実行結果
debug_info	セッション・記憶・MemoryLLM結果などのデバッグ情報
done	完了

チャット設定

GET/POST /api/chat/{persona}/config でチャット設定を取得・更新する。

フィールド	デフォルト	説明
provider	anthropic	LLMプロバイダー（anthropic / openai / gemini）
model	claude-opus-4-5	使用モデル
api_key	(なし)	APIキー（保存後はマスク表示）
system_prompt	(なし)	ペルソナのシステムプロンプト
auto_extract	true	MemoryLLMによる自動記憶抽出
extract_model	(model と同じ)	MemoryLLM専用モデル
extract_max_tokens	512	MemoryLLMの最大トークン数
max_window_turns	3	会話ウィンドウのターン数
max_tool_calls	5	1ターンの最大ツール呼び出し数
enable_memory_tools	true	組み込み memory ツールを注入するか
mcp_servers	[]	追加 MCP サーバーの設定リスト
enabled_skills	[]	有効化するスキル名のリスト
reflection_enabled	true	Reflection（高次洞察）を有効化
reflection_threshold	1.0	Reflection トリガー重要度累積閾値
reflection_min_interval_hours	1.0	Reflection 最小実行間隔（時間）
mental_model_enabled	true	メンタルモデル抽象化を有効化
mental_model_min_samples	3	メンタルモデル生成に必要な最小サンプル数
sandbox_enabled	true	コード実行（Docker Sandbox）を許可
debug_mode	false	デバッグログ出力を有効化
retrieval_recency_weight	0.3	検索スコアの再近性重み
retrieval_importance_weight	0.3	検索スコアの重要度重み
retrieval_relevance_weight	0.4	検索スコアの関連性重み

チャットログ永続化

会話履歴は SQLite (chat_sessions テーブル) に自動保存される。サーバーを再起動しても session_id が同じであれば会話を継続できる。TTL（デフォルト7日）を超えたセッションは自動削除される。

MemoryLLM（自動記憶抽出）

auto_extract: true の場合、各ターン終了後に MemoryLLM が非同期で起動し、会話から以下を自動抽出する：

• facts: ユーザーの好み・個人情報・約束・重要な出来事
• context_update: ペルソナの感情・状態変化
• inventory_update: 服・持ち物の変化

テスト

# 全テスト実行
python -m pytest tests/ -q

# ユニットテストのみ
python -m pytest tests/unit/ -q

# カバレッジレポート付き
python -m pytest tests/ --cov=memory_mcp --cov-report=html

CLI ツール

# インポート
python -m memory_mcp.cli import --persona herta --input data/herta.zip

# エクスポート
python -m memory_mcp.cli export --persona herta --output backup.jsonl

# スキーママイグレーション
python -m memory_mcp.cli migrate --target latest

# Persona 統計
python -m memory_mcp.cli stats --persona herta

CI/CD

ワークフロー	トリガー	内容
ci.yml	push / PR	テスト + Lint（ruff）
docker.yml	タグ push	Docker イメージビルド → GHCR

技術スタック

カテゴリ	技術
言語	Python 3.12+
MCP フレームワーク	FastMCP
データベース	SQLite（WAL モード）
ベクトルストア	Qdrant
設定/バリデーション	Pydantic v2 (BaseSettings)
埋め込みモデル	cl-nagoya/ruri-v3-30m（日本語特化）
Reranker	hotchpotch/japanese-reranker-xsmall-v2
ロギング	structlog
Linter/Formatter	ruff

ライセンス

MIT License — 詳細は LICENSE を参照。

謝辞

• Model Context Protocol (MCP)
• Qdrant
• cl-nagoya/ruri-v3-30m
• hotchpotch/japanese-reranker-xsmall-v2

---

MemoryMCP — Built by solidlime with ❤️