WisdomForge

WisdomForge

経験、洞察、ベストプラクティスから知恵を生み出す、強力なナレッジ管理システムです。効率的なナレッジの保存と検索を実現するため、Qdrant ベクトルデータベースを使用しています。

特長

• インテリジェントなナレッジ管理と検索
• 複数のナレッジタイプ（ベストプラクティス、学んだ教訓、洞察、経験）に対応
• 環境変数によるデータベース選択の設定
• Qdrant に組み込まれた FastEmbed を使用した効率的な埋め込み生成
• ドメインナレッジの保存と検索
• Smithery.ai プラットフォームへのデプロイが可能

前提条件

• Node.js 20.x 以降（LTS 推奨）
• npm 10.x 以降
• Qdrant または Chroma ベクトルデータベース

インストール

1. リポジトリをクローンします：

git clone https://github.com/hadv/wisdomforge
cd wisdomforge

2. 依存関係をインストールします：

npm install

3. .env.example テンプレートを基に、ルートディレクトリに .env ファイルを作成します：

cp .env.example .env

4. .env ファイルで環境変数を設定します：

必須の環境変数

データベース設定

• DATABASE_TYPE：使用するベクトルデータベースを選択します（qdrant または chroma）
• COLLECTION_NAME：ベクトルコレクションの名前
• QDRANT_URL：Qdrant インスタンスの URL（Qdrant を使用する場合は必須）
• QDRANT_API_KEY：Qdrant の API キー（Qdrant を使用する場合は必須）
• CHROMA_URL：Chroma インスタンスの URL（Chroma を使用する場合は必須）

サーバー設定

• HTTP_SERVER：HTTP サーバーモードを有効にするには、true に設定します
• PORT：ローカル開発専用のポート番号（デフォルト：3000）。Smithery のクラウドデプロイでは使用されません。

Qdrant 用の .env 設定例：

DATABASE_TYPE=qdrant
COLLECTION_NAME=wisdom_collection
QDRANT_URL=https://your-qdrant-instance.example.com:6333
QDRANT_API_KEY=your_api_key
HTTP_SERVER=true
PORT=3000  # Only needed for local development

5. プロジェクトをビルドします：

npm run build

AI IDE との連携

Cursor AI IDE

この設定を ~/.cursor/mcp.json または .cursor/mcp.json ファイルに追加します：

{
  "mcpServers": { 
    "wisdomforge": {
      "command": "/bin/zsh",
      "args": [
        "/path/to/wisdomforge/run-wisdomforge-mcp.sh"
      ]
    }
  }
}

設定内の以下のプレースホルダーを置き換えてください：

• YOUR_API_KEY：Smithery API キー
• YOUR_COLLECTION_NAME：Qdrant コレクション名
• YOUR_QDRANT_URL：Qdrant インスタンスの URL
• YOUR_QDRANT_API_KEY：Qdrant API キー

注：Node.js がインストールされ、npx が PATH から利用できることを確認してください。nvm を使用している場合は、Cursor の起動前に nvm use --lts を実行し、正しい Node.js バージョンを使用していることを確認してください。

Claude Desktop

Claude の設定にこの設定を追加します：

{
  "processes": {
    "knowledge_server": {
      "command": "/path/to/your/project/run-mcp.sh",
      "args": []
    }
  },
  "tools": [
    {
      "name": "store_knowledge",
      "description": "Store domain-specific knowledge in a vector database",
      "provider": "process",
      "process": "knowledge_server"
    },
    {
      "name": "retrieve_knowledge_context",
      "description": "Retrieve relevant domain knowledge from a vector database",
      "provider": "process",
      "process": "knowledge_server"
    }
  ]
}