MindMesh MCP Server

MindMesh MCP Server

フィールドのコヒーレンス最適化により、量子に着想を得た Claude 3.7 Sonnet インスタンスのスウォームを構築する、Model Context Protocol（MCP）サーバーの実装です。このサーバーでは、複数の特化した LLM インスタンスが連携し、創発的な特性を発揮することで、より豊かな推論を実現します。

特長

• 量子に着想を得たフィールドコンピューティング：フィールドベースのモデルを使用して、Claude インスタンス間のコヒーレンスを維持します
• WebContainer 統合：実行用のフルスタックのサンドボックス環境です
• PGLite とベクトルストレージ：pgvector 拡張機能を備えた効率的なベクトルデータベースです
• 複数の Claude 特化インスタンス：パターン認識、情報統合、推論に特化したインスタンスです
• コヒーレンス最適化：インスタンス間で最もコヒーレンスの高い出力を選択します
• 拡張思考への対応：オプションで 128k トークンの思考機能を利用できます
• ライブクエリーの更新：PGLite のライブ拡張機能を通じて、リアルタイムのコヒーレンス通知を提供します
• VoyageAI 埋め込み：VoyageAI の最先端モデル（voyage-3-large）を使用した高品質な埋め込みです

前提条件

• Node.js 18.x 以上
• Claude 3.7 Sonnet にアクセスできる Anthropic API キー
• VoyageAI API キー（任意ですが、より高品質な埋め込みの利用に推奨）

インストール

1. このリポジトリをクローンします：

   git clone https://github.com/wheattoast11/mcp-mindmesh.git
   cd mcp-mindmesh
   

2. 依存関係をインストールします：

   npm install
   

3. テンプレートをコピーして .env ファイルを作成します：

   cp .env.template .env
   

4. .env を編集して、Anthropic API キーと VoyageAI API キー（任意）を追加し、必要に応じてほかの設定を調整します。

使用方法

サーバーの起動

サーバーをビルドして起動します：

npm run build
npm start

自動リロードを有効にして開発する場合：

npm run dev

サーバーへの接続

次のような任意の MCP クライアントを使用して、この MCP サーバーに接続できます。

1. Claude Desktop Application for Windows（Anthropic 公式クライアント）
2. Cursor IDE のエージェント機能
3. Cline VSCode 拡張機能
4. そのほかの MCP 互換クライアント

デフォルトでは、サーバーは http://localhost:3000 で利用できます（または .env ファイルで指定したポートで利用できます）。

推論ツールの使用

このサーバーが提供する主なツールは reason_with_swarm です。このツールはプロンプトを受け取り、複数の特化した Claude インスタンスで処理して、最もコヒーレンスの高い結果を返します。

Claude Desktop での使用例：

Please use the swarm to analyze the relationship between quantum field theory and consciousness.

設定オプション

すべての設定オプションは .env ファイルで設定できます。

環境変数	説明	デフォルト
ANTHROPIC_API_KEY	Anthropic API キー	（必須）
VOYAGE_API_KEY	VoyageAI API キー	（任意）
PORT	HTTP サーバーのポート	3000
STDIO_TRANSPORT	HTTP の代わりに stdio トランスポートを使用	false
CLAUDE_INSTANCES	スウォーム内の Claude インスタンス数	8
USE_EXTENDED_THINKING	128k の拡張思考を有効化	true
COHERENCE_THRESHOLD	コヒーレンスの最小しきい値	0.7
EMBEDDING_MODEL	使用する VoyageAI 埋め込みモデル	voyage-3-large
DB_PATH	PGLite データベースのパス	"idb://mindmesh.db"
DEBUG	デバッグログを有効化	false

アーキテクチャ

サーバーのアーキテクチャは、次の要素で構成されています。

1. MCP サーバーレイヤー：Model Context Protocol（2025-03-26 仕様）を実装します
2. WebContainer レイヤー：実行用のサンドボックス環境を提供します
3. PGLite ベクトルデータベース：pgvector 拡張機能を使用して状態ベクトルを保存します
4. Claude スウォームレイヤー：複数の特化した Claude インスタンスを管理します
5. 量子フィールドレイヤー：フィールドのコヒーレンスと最適化を処理します
6. 埋め込みレイヤー：VoyageAI モデルを使用して高品質な埋め込みを生成します

リクエストは、次のように各レイヤーを通過します。

Client Request → MCP Server → Swarm Processing → Claude API → Coherence Optimization → Response

高度な機能

Web Container の統合

このサーバーは WebContainer テクノロジーを使用し、完全にサンドボックス化された環境として、次の機能を提供します。

• 分離された実行環境
• フルスタック機能
• ファイルシステムへのアクセス
• ネットワーク通信

Vector 拡張機能を備えた PGLite

PGLite では、次の機能を利用できます。

• WebAssembly にコンパイルされたクライアントサイドの PostgreSQL データベース
• pgvector 拡張機能によるベクトル操作
• リアルタイム更新のためのライブクエリ通知
• セッションをまたいだ永続ストレージ

フィールドの一貫性最適化

一貫性最適化システムは、次の処理を行います。

1. 複数の専門化された Claude インスタンスを通じてクエリを処理します
2. 各応答の状態ベクトルを生成します
3. インスタンス間の一貫性指標を計算します
4. 最も一貫性の高い出力を選択します
5. ベクトルデータベース内の動的なフィールド状態を維持します

VoyageAI の埋め込み

サーバーでは、最先端の VoyageAI 埋め込みモデルを次の用途に使用します。

• 高品質な状態ベクトルの生成
• より正確な一貫性の計算
• より優れたフィールドモデリングと最適化

VoyageAI の API キーが利用できない場合、サーバーはよりシンプルで決定論的な埋め込み方式にフォールバックします。

開発

プロジェクト構成

• src/index.ts: メインエントリーポイント
• src/server.ts: サーバーのコア実装
• .env: 設定ファイル
• package.json: 依存関係とスクリプト

ビルド

npm run build

これにより、TypeScript が dist ディレクトリ内の JavaScript にコンパイルされます。

テスト

npm test

ライセンス

MIT

謝辞

このプロジェクトでは、次のテクノロジーを使用しています。

• Model Context Protocol（2025-03-26 仕様）
• Anthropic Claude API
• VoyageAI Embeddings
• WebContainer API
• PGLite
• ElectricSQL vector extension