Verdigraph — paid hosted MCP for compute routing

verdigraph-neurogenesis

このリポジトリをクローンしてスクリプトを1つ実行するだけで、60秒以内に、あらゆるエージェントファイル（Claude のプロジェクトエクスポート、OpenAI Assistant の設定、プロンプトのリスト、Verdigraph のゲノム JSON）から、決定論的でコンテンツアドレス方式のブレインアーティファクトを作成できます。コアは純粋な Python で、外部サービスは一切不要です。

---

60秒でできるクイックスタート

git clone https://github.com/viridis-security/verdigraph-neurogenesis
cd verdigraph-neurogenesis
bash quickstart.sh

以上です。このスクリプトは仮想環境を作成し、パッケージを編集可能モードでインストールして、サンプルのゲノムを使ってブレインビルダーを実行し、決定論的な brain_id と content_hash を出力します。**Cloudflare アカウントも、Stripe キーも、verdigraph.dev アカウントも必要ありません。**すべてローカルで実行されます。

デフォルトのクイックスタートでは、同梱された合成サンプルをローカルでビルドし、ホスト環境への比較リクエストは行いません。セットアップでは引き続き、pip を使ってパッケージと開発用依存関係をインストールします。この合成サンプルをホストされた Worker と比較するには、明示的にオプトインしてください。

VERDIGRAPH_VERIFY_HOSTED=1 bash quickstart.sh

同梱されたサンプルが https://verdigraph.dev/app/import に送信され、返された brain_id と比較されます。プライベートなエージェントファイルには、以下のローカルビルドコマンドを使用してください。ホスト環境との比較にプライベートな入力を使わないでください。

---

これは何か

Verdigraph は、エージェントファイルを内容を確認できる認知グラフに変換します。コンテンツアドレス方式の識別子を使って git に固定したり、監査で引用したり、コードレビューに貼り付けたりできます。これが役立つ理由は3つあります。

1. 決定性。 同一の入力バイトからは、常に同一の brain_id、content_hash、グラフ構造が生成されます。2回実行すれば、同じ結果が2回得られます。ローカルで Python を使って実行しても、Worker 上で TypeScript を使って実行しても、結果は同じです。
2. 確認可能な構造。 各ブレインには、9つの発火不変条件と1つのアドバイザリーチェック（I9_fitness_metric_wired）が含まれます。これにより、ブラックボックスを信頼せずに、エージェントファイルが実際にどのようにコンパイルされるかを証明できます。
3. 自己完結型のビルドパイプライン。 Python 標準ライブラリ以外の外部依存関係はありません。SaaS へのロックインもありません。verdigraph/brain.py（約660行）のすべての行を、半日で監査できます。

---

使い方

Verdigraph のゲノムからブレインをビルドする

python -m verdigraph build --file examples/hypothetical_research_agent.genome.json --format verdigraph_genome --pretty

または、入力をパイプで渡します。

cat my_agent.json | python -m verdigraph build --stdin --format auto --summary --pretty

Claude のプロジェクトエクスポートからビルドする

python -m verdigraph build --file my_claude_project_export.json --format claude_project_export --pretty

OpenAI Assistant の設定からビルドする

python -m verdigraph build --file my_assistant.json --format openai_assistant --pretty

フラットなプロンプトリストからビルドする

echo -e "You are a helpful assistant.\nSummarize the user's request.\nPlan steps and execute." \
  | python -m verdigraph build --stdin --format prompt_list --pretty

保存済みのブレインアーティファクトを再検証する

python -m verdigraph build --file my_agent.json --pretty > brain.json
python -m verdigraph verify brain.json

---

Python ライブラリとして使う

from verdigraph.brain import extract, verify_brain, to_dict

genome = b'{"agent_name":"my_agent","purpose":"...","initial_nodes":["planner","executor"],"fitness_metrics":["task_success_rate"]}'

brain = extract("verdigraph_genome", genome)
print(brain.brain_id)        # e.g. RMX124YY916WP0TCSEHFYX7M30
print(brain.brain_uri)       # verdigraph://brain/RMX124YY916WP0TCSEHFYX7M30
print(brain.content_hash)    # sha256 hex
print(len(brain.nodes), "nodes,", len(brain.edges), "edges")

report = verify_brain(brain)
assert report.passed         # all non-advisory invariants pass

print(to_dict(brain))        # serialize for storage / round-trip

---

LLM エージェント向けに MCP サーバーとして公開する

pip install -e ".[mcp]"
verdigraph-mcp                 # runs over stdio

次に、Claude Desktop の設定（~/Library/Application Support/Claude/claude_desktop_config.json）に追加します。

{
  "mcpServers": {
    "verdigraph": {
      "command": "/absolute/path/to/repo/.venv/bin/verdigraph-mcp",
      "args": []
    }
  }
}

または Claude Code で、claude mcp add --transport stdio verdigraph /absolute/path/to/repo/.venv/bin/verdigraph-mcp を実行します。

クライアントを再起動してください。これでエージェントは verdigraph_* ツールを使って、発達型エージェントを作成したり、タスクの評価を与えたり、グラフや台帳を確認したり、コンピュートプロファイルを選択したりできるようになります。ブレインアーティファクトは、python -m verdigraph build（上記）を使ってビルドします。ネットワーク呼び出しはなく、すべてお使いのマシン上で実行されます。

決定性と検証可能性

フィールド	内容	検証方法
brain_id	26 文字の Crockford-base32。正確な入力バイト列に対する sha256(input_bytes + b":" + format) から導出されるため、ファイルの再フォーマット（空白、キーの順序）によって新しい ID が生成されます	python -m verdigraph build --file <same bytes> — 毎回同じ ID が生成されます
brain_uri	verdigraph://brain/<brain_id>	自己記述形式であり、コンテンツ安全性分類器でも安全に使用できます
content_hash	sha256(canonicalize(brain_body_minus_content_hash))	正確なアルゴリズムについては、docs/CANONICALIZATION.md を参照してください
input_sha256	sha256(raw_input_bytes)	sha256sum your_file.json
不変条件レポート	必須チェック 9 項目と、助言的な I9_fitness_metric_wired 1 項目	すべてに id、description、passed、任意の passed_with_default、advisory、detail が含まれます

正規化ルール（一文）

すべてのオブジェクトのキーをコードポイント順で再帰的にソートし、整数値の浮動小数点数を整数に変換した後、json.dumps に separators=(",", ":") を指定して適用します（JavaScript の JSON.stringify とバイト単位で一致します）。ハッシュ計算の前に UTF-8 でエンコードします。verdigraph/brain.py::canonicalize を参照してください（約 20 行、標準ライブラリのみ）。

識別子は送信された正確なバイト列に基づいて計算されるため、整形されたゲノムと最小化された形式では異なる brain_id が生成されます。テストベクトルと実際のハッシュを再現するリファレンス実装は、docs/CANONICALIZATION.md にあります。

---

構成

verdigraph-neurogenesis/
├── README.md                     ← you are here
├── quickstart.sh                 ← clone → first brain in 60 seconds
├── pyproject.toml                ← Python package metadata
├── verdigraph/                   ← Python core (no external deps)
│   ├── brain.py                  ← deterministic build pipeline (extract / canonicalize / verify)
│   ├── cli.py                    ← `python -m verdigraph` CLI
│   ├── genome.py                 ← AgentGenome / GrowthRules / SafetyAxioms (live-agent runtime)
│   ├── graph.py                  ← CognitiveGraph / CognitiveNode / CognitiveEdge
│   ├── agent.py                  ← DevelopmentalAgent (live-agent runtime)
│   ├── growth.py / pruning.py    ← evolution operators
│   ├── evaluation.py             ← task-outcome ledger
│   ├── compute.py                ← compute-routing helpers
│   └── ledger.py                 ← immutable event log
├── verdigraph_mcp/               ← optional: stdio MCP server (`pip install -e ".[mcp]"`)
├── tests/                        ← pytest, all green on a clean clone
├── examples/                     ← runnable demos with fixture genomes
├── docs/                         ← canonicalization spec, architecture, invariants
└── papers/                       ← three companion papers (Zenodo-archived)

---

ホステッド版

ホステッド版：verdigraph.dev。呼び出しごとに課金されます。Viridis は、クリエイターへの支払いと転嫁費用を差し引いた純収益の 25% を保全活動に充てます。台帳は https://verdigraph.dev/conservation/public で公開されています。セルフホストする場合は、verdigraph_mcp/ 内の Python MCP サーバーを使用してください。

---

テストの実行

Python コア：

source .venv/bin/activate
pip install -e ".[dev]"
pytest -q

Python テストスイートは、プッシュとプルリクエストのたびに CI（.github/workflows/tests.yml）で Python 3.10 / 3.11 / 3.12 を対象に実行されます。シークレットスキャンのジョブでは、有効な Stripe 識別子がコミットされているとビルドが失敗します。ホステッドサービスでは、プライベートサービスリポジトリ内で TypeScript とコア間のパリティテストを実行します。

tests/test_brain_parity.py スイートは、決定的ビルドの契約を固定します。具体的には、b'{"agent_name":"x","purpose":"y","initial_nodes":["a"],"fitness_metrics":["task_success_rate"]}' から brain_id == "RMX124YY916WP0TCSEHFYX7M30" および content_hash == "20b9e5be0e5a0d34e564df6d0a554b1232ff9cc3ff309ab8da77a97756602c0c" が生成されることを保証します。どちらかにずれが生じた場合、次回の CI 実行でそのテストが失敗し、意図的なスキーマ更新としてその差異をリリースします。

---

関連論文

papers/ 内：

1. PAPER_1_Physical_NeuroGenesis_SynapseForge.md — 物理版：AI エージェントが設計し、3D プリントされ、溶液中で成長するニューロモルフィック基板。
2. PAPER_2_Verdigraph_Digital_NeuroGenesis.md — ソフトウェア版：自己進化するデジタル認知グラフ。
3. PAPER_3_Verdigraph_Compute_Efficiency.md — 計算効率レイヤー。

引用する場合：

Hart, Justin. (2026). Verdigraph NeuroGenesis: A Software Framework for Self-Evolving AI-Agent Cognitive Substrates (Version 0.1.0). Zenodo. https://doi.org/10.5281/zenodo.20261687

---

ライセンスと連絡先

MIT。Viridis LLC が保守しています。連絡先：[email protected]。

これは実験的な研究フレームワークです。自律的で無制限な自己改変型 AI を作成するものではありません。すべての成長および刈り込みのアクションは、明示的なゲノム規則、安全性の不変条件、監査可能な台帳によって制約されます。