MCP DuckDB Knowledge Graph Memory Server

MCP DuckDB ナレッジグラフメモリーサーバー

公式ナレッジグラフメモリーサーバーをフォークしたバージョンです。

インストール

Smithery 経由でインストールする

Smithery を使って、Claude Desktop に DuckDB Knowledge Graph Memory Server を自動でインストールするには：

npx -y @smithery/cli install @IzumiSy/mcp-duckdb-memory-server --client claude

手動インストール

または、@IzumiSy/mcp-duckdb-memory-server を claude_desktop_config.json に手動で追加してください（MEMORY_FILE_PATH は省略可能です）。

{
  "mcpServers": {
    "graph-memory": {
      "command": "npx",
      "args": [
        "-y",
        "@izumisy/mcp-duckdb-memory-server"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/your/memory.data"
      }
    }
  }
}

このパスに保存されるデータは DuckDB データベースファイルです。

Docker

ビルド

docker build -t mcp-duckdb-graph-memory .

実行

docker run -dit mcp-duckdb-graph-memory

使い方

以下の指示の例を使用してください。

Follow these steps for each interaction:

1. User Identification:
   - You should assume that you are interacting with default_user
   - If you have not identified default_user, proactively try to do so.

2. Memory Retrieval:
   - Always begin your chat by saying only "Remembering..." and search relevant information from your knowledge graph
   - Create a search query from user words, and search things from "memory". If nothing matches, try to break down words in the query at first ("A B" to "A" and "B" for example).
   - Always refer to your knowledge graph as your "memory"

3. Memory
   - While conversing with the user, be attentive to any new information that falls into these categories:
     a) Basic Identity (age, gender, location, job title, education level, etc.)
     b) Behaviors (interests, habits, etc.)
     c) Preferences (communication style, preferred language, etc.)
     d) Goals (goals, targets, aspirations, etc.)
     e) Relationships (personal and professional relationships up to 3 degrees of separation)

4. Memory Update:
   - If any new information was gathered during the interaction, update your memory as follows:
     a) Create entities for recurring organizations, people, and significant events
     b) Connect them to the current entities using relations
     b) Store facts about them as observations

開発の動機

このプロジェクトは、バックエンドを DuckDB に置き換えることで、元の MCP Knowledge Graph Memory Server を強化します。

DuckDB を選ぶ理由

元の MCP Knowledge Graph Memory Server は、データストアとして JSON ファイルを使用し、メモリー内で検索を実行していました。この方法は小規模なデータセットではうまく機能しますが、いくつかの課題があります。

1. パフォーマンス：データセットが大きくなるにつれて、メモリー内検索のパフォーマンスが低下します
2. スケーラビリティ：大量のエンティティや関係を扱う際、メモリー使用量が大幅に増加します
3. クエリーの柔軟性：複雑なクエリーや条件付き検索の実装が困難です
4. データの整合性：トランザクションや CRUD 操作の原子性を確保するのが困難です

これらの課題に対応するため、DuckDB を採用しました。

• 高速なクエリー処理：DuckDB は分析クエリーに最適化されており、大規模なデータセットでも優れたパフォーマンスを発揮します
• SQL インターフェース：標準 SQL を使って複雑なクエリーを簡単に実行できます
• トランザクションのサポート：データの整合性を維持するため、トランザクション処理をサポートします
• インデックス機能：検索パフォーマンスを向上させるインデックスを作成できます
• 組み込みデータベース：外部データベースサーバーを必要とせず、アプリケーション内で動作します

実装の詳細

この実装ではバックエンドのストレージシステムとして DuckDB を使用し、次の 2 つの主要な側面に重点を置いています。

データベース構造

以下に示すように、ナレッジグラフはリレーショナルデータベース構造で保存されます。

erDiagram
    ENTITIES {
        string name PK
        string entityType
    }
    OBSERVATIONS {
        string entityName FK
        string content
    }
    RELATIONS {
        string from_entity FK
        string to_entity FK
        string relationType
    }

    ENTITIES ||--o{ OBSERVATIONS : "has"
    ENTITIES ||--o{ RELATIONS : "from"
    ENTITIES ||--o{ RELATIONS : "to"

このスキーマ設計により、エンティティ、観察、関係の間の関連性を維持しながら、ナレッジグラフの構成要素を効率的に保存および取得できます。

ファジー検索の実装

この実装では、柔軟なエンティティ検索を実現するために、SQL クエリーと Fuse.js を組み合わせています。

• DuckDB の SQL クエリーで、データベースから基本データを取得します
• Fuse.js は取得したデータに対してファジーマッチング機能を提供します
• このハイブリッド方式により、構造化クエリーと柔軟なテキストマッチングの両方が可能になります
• 検索結果には完全一致と部分一致の両方が含まれ、関連性の高い順に表示されます

開発

セットアップ

pnpm install

テスト

pnpm test

ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細については LICENSE ファイルをご覧ください。