AgenticMind

---

「エージェントのためのメモリストレージ」ではありません。 AgenticMind は、エージェントが信頼できる回答、監査可能な履歴、そして蓄積によって価値が高まるナレッジベースを必要とするときに参照する基盤です。

ほとんどのエージェントメモリは、save() と search() を備えたベクトルストアです。得られるのは曖昧な想起だけで、説明責任はありません。回答が_なぜ_返されたのか、最新の情報なのか、ソースが本当に裏付けになっているのかを判断できません。AgenticMind は、知識を第一級の、監査可能で自己改善する基盤として扱い、Model Context Protocol 経由であらゆるエージェントに提供します。

✨ AgenticMind を選ぶ理由

• 📌 引用を必須化 — 回答内のすべての主張を、番号付きのソースに紐付けます。ソースがなければ、主張もありません。
• 🔍 完全な監査が可能 — あらゆる回答について、何が取得され、ランク付けされ、使用されたかを再現できる_根拠トレース_を提供します。
• ♻️ 自己改善 — プログラムによるシグナル（人間による評価ではありません）を活用する、ジャッジ判定付きの蓄積ループにより、検証済みの回答をコーパスに戻します。
• 🧩 段階的な検索 — チャンク → 型付きファクトカード → ナレッジグラフ。ベクトル検索と全文検索を組み合わせ、情報の新しさも考慮します。
• 🔐 設計上の安全性 — スコープを限定した最小権限の MCP トークン、フェイルクローズの認証、入力と出力の両方に対するガードレールを備えています。
• 🐘 データストアは1つ — Postgres + pgvector が、ベクトル、全文検索、グラフ（再帰 CTE）、永続キューを担います。Redis、Neo4j、乱立するベクトル DB は不要です。

🔧 仕組み

flowchart TD
  A["🤖 Agent"] -->|"MCP request"| R["Tiered retrieval<br/>pgvector + full-text + graph"]
  R --> Y["Citation-enforced synthesis"]
  Y -->|"grounded answer + [citations]"| A
  Y --> T[("Replayable why-trace")]
  Y -->|"programmatic signals"| L["Judge-gated compounding loop"]
  L -->|"promotes validated knowledge"| R

リクエストは MCP 経由で届きます → エンジンが3つの階層にわたって検索します → すべての主張にソースを引用した回答を生成します → 再現可能なトレースを記録します → プログラムによるシグナルを、検証済みの知識をコーパスに戻すループに取り込みます。

🎬 動作を確認

Agentic Product Standard を投入したコーパスに対する、実際の kl_ask_global 呼び出しです。 質問には意図的に2つの部分があり、コーパスが回答できるものと、できないものに分かれています。

// → kl_ask_global
{ "question": "When should I use a multi-agent architecture instead of a single agent,
                and what must every agent ship with according to the standard?" }

// ← response (trimmed)
{
  "answer": "The provided sources do not specify when to use a multi-agent architecture
             versus a single agent. … According to the Agentic Product Standard, every
             agent must ship with a written Agent Contract [1]. This contract must cover
             ownership, forbidden actions, acceptance criteria, failure modes, escalation
             rules, and logging requirements [1].",
  "citations": [
    { "number": 1, "title": "Agent Contract requirement",
      "materialId": "ba44971b-…", "score": 0.46, "origin": "chunk" }
  ],
  "model": "google/gemini-3.1-flash-lite-preview",
  "retrievalMs": 606, "generationMs": 890,
  "phases": [ {"phase":"embed","ms":552}, {"phase":"retrieve","ms":37},
              {"phase":"synth","ms":890}, {"phase":"output_filter","ms":2} ],
  "telemetryId": "cc942e54-…"
}

起きなかったことに注目してください。 コーパスが根拠を示せなかった部分について、モデルは回答を拒否しました。つまり、内容を捏造するのではなく、*「提供されたソースには記載がありません…」*と返しました。根拠を示せた部分には、開いて確認できる番号付きの引用が付いています。また、すべての回答には再生可能なwhy-trace（phases、model、telemetryId）が付属します。1回の呼び出しで、この製品の価値をすべて示しています。ソースがなければ主張せず、すべての回答に証跡を添えます。

🆚 他との違い

	通常の RAG／メモリ SDK	AgenticMind
根拠に基づく回答	場合による	引用必須＋事後チェック済み
回答ごとの why-trace	✗	完全な判断トレース
自己改善するコーパス	✗	蓄積型ループ（評価ゲート付き）
関係性の検証	✗	グラフモジュール
実行環境	さまざま	Postgres + pgvector（主力構成）

✅ 適した用途／🚫 別のものを選ぶべき用途

AgenticMind が適している用途：

• エージェントが信頼できるソースに基づいて回答し、すべての主張に引用が必要な場合。
• 再生可能な why-traceと、エージェントのゲート判定に使える単一の status（supported / partial / unsupported / conflicted / needs_review）が必要な場合。
• 相反する情報や古くなったソースを、黙って解決せずに明示する必要がある場合。
• ひそかな自律的メモリ変更ではなく、ガバナンスの効いた自己改善を求める場合。
• セルフホスト（Postgres のみ）とMCP ネイティブなアクセス（Claude Code、 Cursor、LangGraph、OpenAI/Claude Agent SDK、カスタムエージェント）が必要な場合。

別のものを選ぶべき用途：

• シンプルなパーソナライズ済みチャットメモリだけが必要な場合（メモリ SDK をご利用ください）。
• ホスト型 API／すぐに使えるノーコード UIが必要な場合。AgenticMind はセルフホスト型のインフラです。
• SSO／SOC2が最初から必要な場合（利用可能な機能については、セキュリティモデルをご覧ください）。
• 説明責任を果たせる本番環境ではなく、最速でのプロトタイプ作成を優先する場合。

🛠 エージェント向けインターフェース（MCP）

ヘッドレスサービス（apps/server）は、スコープ付きの最小権限を適用するフェイルクローズ方式のトークンごとのベアラー認証により、ストリーミング可能な HTTP 経由でエンジンを MCP ツールとして公開します。

ツール	スコープ	目的
kl_search	knowledge:read	セマンティック検索／キーワード検索によるパッセージ検索
kl_ask_global	knowledge:read	統合された回答、引用、ゲートとして使用できる status（intent／facts は任意）
kl_get_material	knowledge:read	ID によるマテリアルの取得
kl_graph_neighbors	knowledge:read	ナレッジグラフを介した関連マテリアルの検索
kl_ingest	knowledge:write	テキストの追加（分割、埋め込み、カードへの要約、グラフの抽出）
kl_forget	knowledge:admin	マテリアルと、そこから派生したすべてのチャンク／カード／グラフの削除（ingest の逆操作）
kl_signal	knowledge:signal	過去の回答に対するプログラムによる複利シグナルの送信
mem_recall	memory:read	信念の想起（プライベート ∪ 共有）；セマンティック検索または asOf による時間遡及
mem_write	memory:write	プライベートメモリへの信念の記録（二時点管理、改訂対応）
mem_forget	memory:write	自分の信念の撤回（ソフト削除、二時点管理）

Knowledge Unit の契約（保存対象となる知識）については 知識とみなされるもの、測定対象と主張しないことについては 評価と制限、任意の回答品質設定（Tier-B の忠実性、競合するソース、回答ポリシー、ソースの信頼性）については docs/knobs.md、セキュリティモデル（フェイルクローズ認証、テナント RLS、致命的三要素の分析、サプライチェーン）については セキュリティモデル をご覧ください。

フロントエンドはありません。利用者は MCP 経由のエージェントだけです。ツールのロジックは packages/shared/src/lib/knowledge/mcp-tools.ts にあり、フレームワークに依存しません。ホストは約 60 行の Web 標準 fetch ハンドラーで、Node または Bun によって提供されます。

🚀 クイックスタート

実行する — クローン不要（約 1 分）

Docker（Compose v2.23 以降）と OpenAI 互換のキーが必要です。1 つのコマンドで公開済みイメージを取得し、シークレットを生成して、Postgres、サーバー、ワーカーを起動し、すぐに貼り付けて使える MCP 設定を表示します。リポジトリのクローンもトークンの発行も不要です。

OPENAI_API_KEY=sk-... sh -c "$(curl -fsSL https://raw.githubusercontent.com/Moai-Team-LLC/AgenticMind/main/quickstart.sh)"

MCP エンドポイントは http://localhost:3000/mcp で起動し、自動生成された単一の静的ベアラートークン（MCP_API_KEY）で認証されます。Authorization: Bearer <MCP_API_KEY> ヘッダーを使って、Claude Code または Cursor から接続してください。

埋め込みはデフォルトでローカル実行されます。キー不要でオフライン利用可能な多言語モデル（bge-m3）が初回使用時にダウンロードされるため、検索にクラウドキーは不要です。チャットモデルが必要なのは 統合 のステップのみです。OpenAI を使う場合は OPENAI_API_KEY を設定するか、CHAT_BASE_URL を任意の OpenAI 互換エンドポイント（ローカルの Ollama または vLLM など）に設定してください。

公開済み Docker イメージは OPENAI_API_KEY を読み込み、サーバー内部で CHAT_API_KEY に割り当てます。以下のソースから実行する方法では、.env.local に CHAT_API_KEY を直接設定します。どちらも同じシークレットで、エントリーポイントごとに名前が異なるだけです。

実行する前に内容を確認しますか？同じ手順を明示的に実行できます（完全なクローンではなく、deploy/ のみを配置します）。

mkdir agenticmind && cd agenticmind
curl -fsSL https://raw.githubusercontent.com/Moai-Team-LLC/AgenticMind/main/deploy/docker-compose.yml -o docker-compose.yml
curl -fsSL https://raw.githubusercontent.com/Moai-Team-LLC/AgenticMind/main/deploy/.env.example       -o .env.example
curl -fsSL https://raw.githubusercontent.com/Moai-Team-LLC/AgenticMind/main/deploy/gen-secrets.sh     -o gen-secrets.sh && chmod +x gen-secrets.sh
./gen-secrets.sh                   # writes DB password + MCP_API_KEY into .env
# set OPENAI_API_KEY in .env, then:
docker compose up -d

ソースから（開発とコントリビューション）

Docker と Node ≥22.18（または Bun ≥1.3）が必要です。サーバーとワーカーは、通常の Node または Bun で実行できます。

git clone https://github.com/Moai-Team-LLC/AgenticMind.git
cd AgenticMind
cp .env.example .env.local         # set AUTH_SECRET (+ a chat key OR local Ollama)
./setup.sh                         # picks npm or bun, starts Postgres, runs migrations
npm run dev                        # headless MCP server on :3000  (or: bun run dev)

npm run check（型チェック＋テスト）でビルドを検証します。bun run check も使用できます。

ソースから開発環境をセットアップした場合、/mcp ルートはフェイルクローズ方式で、（静的なデプロイキーではなく）ベアラー typ="mcp" HS256 JWT を受け付けます。ヘッドレスサーバーには管理 UI が含まれていません。発行スクリプトでトークンを作成してください（スクリプトは .env.local から DATABASE_URL と AUTH_SECRET を読み込みます）。

npm run issue-token -- --label "claude-code" --ttl-days 365   # or: bun run issue-token --label …
# prints the bearer on the last line — capture it, it is not stored in plaintext

次に、トークンを Authorization: Bearer … ヘッダーに設定し、MCP クライアントから http://localhost:3000/mcp に接続します。（Lint には Node ≥22.18 も必要です。.nvmrc を参照してください。）

注記。 ローカルの Docker Postgres には TLS がないため、.env.example には DATABASE_SSL=false と、ホストポート 5435 の DATABASE_URL が設定されています。SSL が 必要なマネージド Postgres（Supabase、RDS、…）の場合は、DATABASE_SSL=true を設定してください。

🧱 構成

packages/shared/src/lib/knowledge/        ← the tiered engine (the product)
packages/shared/src/lib/ai/               ← chat + embeddings (provider-agnostic; local embeddings by default)
packages/shared/src/database/             ← Drizzle schema + queries (Postgres + pgvector)
apps/server/src/{index,mcp}.ts            ← headless MCP host, Node or Bun (agent surface)
apps/worker/src/jobs/knowledge-feedback/  ← Postgres-scheduled compounding sweep

アーキテクチャに関する注記。 エージェントファーストかつ Postgres 専用です。グラフは GraphStore インターフェースの背後にあり（Postgres 上で再帰 CTE によるトラバーサルを行い、追加のサービスは不要）、蓄積はプログラムによるシグナルによって駆動されます。MCP トークンは最小権限にスコープされ、エージェントのプリンシパルはシンプルで、ホストはヘッドレスの Node/Bun HTTP サーバーです。検索はデフォルトで多言語対応です。ローカルの bge-m3 埋め込みモデルはキーなしで多くの言語に対応し、全文検索には言語に依存しない simple 設定を使用します（デプロイごとに設定可能です）。

🌐 AgenticProduct エコシステム

実行可能な標準規格と 5 つのリファレンス実装を組み合わせることで、本番環境のすべてのエージェントに必要なループを完結させます。セキュリティを横断的な保証レイヤーとして、実行 → 記憶 → 測定を実現します。

	プロジェクト	役割
📐	agentic-product-standard	契約 — 原則、自律性の段階、ハーネスのレイヤー、評価の規律（Claude Code のスキルセットも含む）。
⚙️	AgenticOps	ランタイムと運用 — デプロイ可能なマニフェスト、スケジューリング、永続的なバックログ、制限付きランナー、フリートの健全性。
🧠	AgenticMind（このリポジトリ）	ナレッジとメモリ — 監査可能で、自己改善し、引用を必須とする MCP 経由の仕組み。Postgres 専用。
📈	AgenticPerformance	評価と可観測性 — OTel トレース、CI ゲート付きのゴールデンセット評価、失敗クラスター、改善ループ。
🌉	AgenticGateway	モデルとコストのレイヤー — 1 つのキー、測定に基づくルーティング、上限、キャッシュ、エビデンス。
🛡️	AgenticAssurance	セキュリティと保証 — あらゆるエージェントのレッドチームテスト（OWASP Agentic ＋ MITRE ATLAS）、有害なフローのグラフ、SARIF 出力。

連携方法。 AgenticOps がフリートを実行し、AgenticMind がエージェントに監査可能なナレッジとメモリを提供し、AgenticPerformance がトレースと評価ですべての実行を測定することで、実行 → 記憶 → 測定のループを完結させます。AgenticGateway は、このループ内のすべての LLM 呼び出しが通過するモデルレイヤーです。1 つのキー、評価測定に基づくルーティング、コスト上限を提供します。また、AgenticAssurance はループ内のあらゆるエージェントにレッドチームテストを行い、スタック全体は agentic-product-standard に準拠しています。

このリポジトリが標準規格をどのように実装しているか、レイヤーごとの対応を確認するには、標準規格のAgenticMind ケーススタディをご覧ください。

🤝 コントリビューションとライセンス

コントリビューションを歓迎します。詳細は CONTRIBUTING.md をご覧ください。Apache-2.0 ライセンスの下で提供されています。