Yggdrasil

🌳 Yggdrasil

新しい AI セッションのたびに、プロジェクトについて説明し直すのはもうやめましょう。
Claude Code、Codex、あらゆる MCP エージェントで共有できるローカルメモリです。セッション、ツール、プロジェクトをまたいで利用できます。依存関係はゼロ。マシンの外にデータが出ることはありません。

インストール · 仕組み · 数値 · 比較 · よくある質問

こちらの言語でも読めます：Русский · 简体中文 · Español · Français · 日本語 · Deutsch

新しいチャットを始めるたびに、AI はすべてを忘れてしまいます。プロジェクトのこと、決定事項、注意点を、使うツールごとに毎回説明し直すことになります。Yggdrasil は、あらゆるエージェントが接続できる、常時稼働する小さなメモリです。 どのプロジェクトでも、どの AI でも、新しいセッションを開けば、決定したこと、問題が起きたこと、まだ対応中のことをすでに把握しています。

$ cd ~/projects/checkout-api && claude        # a brand-new session

🌳 Yggdrasil  (injected automatically at session start)
   • [project_status] payments refactor: idempotency keys added; open: e2e tests
   • [lesson] webhook 401 → signing secret rotated; update env + redeploy

> "have I solved a flaky websocket reconnect anywhere before?"

🌳 recall → found in project `realtime-dash`:
   refresh the token *before* opening the socket, then retry with capped backoff.

「昨日の作業内容を思い出させてください」と言う必要はありません。すでにそこにあります。

🚀 インストール

Claude Code 内で、2 つのコマンドを実行します（プラグインは uv 経由で起動します）。

/plugin marketplace add VonderVuflya/Yggdrasil
/plugin install yggdrasil

エンジンは初回使用時に遅延起動し、独自のローカルトークンを生成します。API キーもクラウドも不要で、設定もありません。Codex と Cursor も同じ手順で使えます。

opencode mcp list        # -> ✓ yggdrasil connected

// ~/.config/opencode/opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "yggdrasil": {
      "type": "local",
      "command": ["/path/to/python3", "~/.yggdrasil/scripts/ygg_mcp_server.py"],
      "enabled": true,
      "environment": { "YGG_ENGINE_URL": "http://127.0.0.1:42069" }
    }
  }
}

あとは、いつもどおり作業するだけです。エージェントに「このプロジェクトについて決めたことを思い出して」と尋ねたり、「この決定を覚えておいて」と伝えたりすれば、次のセッションでもその内容を利用できます。ygg doctorを実行すれば、いつでもインストールを確認できます。

すでに履歴がある場合は、既存のClaude CodeとCodexのトランスクリプト、Obsidianの保管庫、CLAUDE.mdを含むリポジトリから、ローカルで要約してメモリに取り込めます。

ygg seed --dry-run    # see what it would import; drop the flag to distill for real

別のメモリツールから移行する場合は、ygg import --from mcp-memory --path memory.jsonを実行すると、そのツールのストア全体をYggdrasilに取り込めます（重複排除、シークレット保護対応）。その後、元のツールを削除できます。

理由

• 🧠 永続性 — 決定事項、教訓、プロジェクトの状況をセッション間で維持します。
• 🔌 1つの頭脳を、あらゆるツールで — Claude Code、Codex、OpenCode、およびあらゆるMCPホストが同じメモリを共有します。
• 🌐 プロジェクトをまたいだ想起 — 「これはプロジェクトBでやったことに似ています。再利用しますか？」
• 🧹 記録するだけでなく、厳選 — エージェントは重要なことだけを保存し、ガバナンス機能が重複を排除してアーカイブします。削除はしません。
• 🌱 自己メンテナンス (オプトイン) — 小規模なローカルモデルがバックグラウンドでメモリを統合します。APIトークンは不要です。
• 🪪 どこでも同じアイデンティティ — オプションで名前とペルソナを設定すると、すべてのエージェントがそれを引き継ぎ、Claude CodeとCodexが同じアシスタントのように感じられます。
• 🔒 100％ローカル — メモリはご利用のマシン上に保存されます。クラウドも、アカウントも、テレメトリもありません。

🧠 仕組み

Yggdrasil はメモリ＋ツールです。インテリジェンスを担うのは LLM です。適切なタイミングで、適切なエージェントに適切なメモリが提示されるようにするだけです。

• 🛎️ 常時稼働するデーモン — エージェントが MCP ツール（ygg_search、ygg_recall、ygg_remember …）を介して接続する、小さなローカルサービスです（RAM 使用量は約 21 MB）。
• 🪝 フック — セッション開始時に、アイデンティティ、プロジェクトの状況、未完了のフォローアップを自動で注入します（約 300 トークン）。オプションのプロンプトごとのフックを使うと、各リクエストに関連するメモリを自動で呼び出せます。
• 📌 ランキング — ピン留めされたメモリや、頻繁に呼び出されるメモリが最初に表示されます。
• 🧹 ガバナンス — 重複や競合はレビュー待ちのキューに入れられます。変更は非破壊的で、削除せずにアーカイブします。
• 📓 Obsidian — すべてのメモリは、読み取り、編集、grep ができるプレーンな Markdown ノートとしても利用できます。

🎛️ メモリ階層 — デフォルトで設定不要

初期状態では、Yggdrasil は 依存関係なしで SQLite + FTS5 上で動作します。キーワード検索をすぐに利用でき、モデルもダウンロードも不要です。オプションのローカルモデルを追加すると、独立した 2 つの階層を利用できます。

ランタイムはベクトルの計算とバックグラウンドモデルの実行のみを行います。すべてのメモリとベクトルは、同じローカル SQLite 内に保存されます。

ygg install は Ollama、LM Studio、llama.cpp を検出し、インストール済みでアイドル状態のものがあれば起動を提案します。その後、用途ごとにメニューを表示します。すでにあるモデルは緑色、ダウンロードが必要なモデルは赤色で示されます。項目を選ぶと、embed_backend、embed_url、distill_url が設定されます。embed_url には /v1 を含むベース URL が必要で、distill_url にはホストのルートが必要という、誰もが迷いがちな点も自動で設定されます。別のマシン上のランタイムは URL を 1 つ指定するだけです。貼り付けると、接続方式が自動判定されます。ygg recommend は同じ検出結果と、変更を加えずにカタログ全体を表示します。

# local llama.cpp — no key needed
ygg config set embed_backend openai
ygg config set embed_url http://127.0.0.1:8080/v1
ygg config set embed_model bge-small-en-v1.5
ygg redeploy

# OpenRouter — free embeddings, no GPU needed
ygg config set embed_backend openai
ygg config set embed_url https://openrouter.ai/api/v1
ygg config set embed_model nvidia/llama-nemotron-embed-vl-1b-v2:free
ygg config set embed_api_key sk-or-...    # or export YGG_EMBED_API_KEY
ygg redeploy

✓ dense    active (nvidia/llama-nemotron-embed-vl-1b-v2:free)

ノートパソコンと、より高性能なマシンを使っていますか？一度リンクすれば、2台が別々の頭脳でなくなります。

# on the laptop
$ ygg link
🔗 pairing code   valid 5 minutes · single use

    ygg://192.168.3.152:42070/a4e0df489737#FOucjgJ1FrUB…

# on the other machine — paste it
$ ygg link ygg://192.168.3.152:42070/a4e0df489737#FOucjgJ1FrUB…
  ✓ linked with laptop   https://192.168.3.152:42070
  ✓ laptop: fetch 84 · push 12 · delete 0 · tombstones 0

これだけです。それ以降、一方のマシンに書き込んだメモリは約1秒で他方にも反映され、ygg deleteを実行すれば両方から削除されます。また、他方のマシンがスリープ中でも、それぞれのマシンはローカルコピーを使って動作し続けます。読み取りでネットワークの応答を待つことはありません。マシンが復帰すると、両者はフィンガープリントを比較し、実行するコマンドがなくても、同期できなかった内容を修復します。

ポーリングはありません。 Yggdrasilが呼び出されるのは1日に数回なので、書き込みは発生時に送信され、読み取りによって同期が開始されます。アイドル状態のマシンは何も送信しません。

クラウドではありません。 中継サーバーも、アカウントも、通信経路上の当社サーバーもありません。マシンは独自のネットワーク上で互いに直接通信し、TLSと、相手の証明書を固定する仕組みを使います。鍵ペアはその2台にしか存在しません。ペアリングコード自体に発行元マシンの証明書が含まれるため、最初の接続から検証されます。ネットワーク上の別の何かが代わりに応答しても、コードの秘密情報を送信する前に拒否されます。ygg linkを実行するまでネットワークポートはバインドされません。Yggdrasilをインストールしても、これまでどおりループバックのみで動作します。

ygg link --list          # what's linked, and whether writes are actually arriving
ygg link --sync          # reconcile now, don't wait for a read
ygg unlink <name>        # revoke that machine's key here

eval/ygg_eval.py で測定しています。232 件のメモリ、ラベル付きクエリ 110 件を使用し、ランキングの重みは dev 分割のみで調整しているため、バイアスのない数値は holdout です（paraphrase-multilingual モデルでの recall@1）。

実際に使うプロジェクト内検索では、クエリの 0.94 件で正しいメモリが 1 位になり、毎回トップ 3 に入ります（recall@3 = 1.00）。 フィルターなしでストア全体を検索するのはより困難です（全 232 件を対象とした recall@1 は 0.72、recall@3 は 0.87）。依存関係なしの語彙検索モードでも、キーワードやコード識別子のクエリはすでに解決できます（1.00）。ローカルモデルを使うと、意味検索とクロスランゲージ検索の精度が向上します（クロスランゲージは 0.25 → 0.95）。95％信頼区間、候補数、クラスごとのスコアを含む詳細な内訳は BENCHMARKS.mdをご覧ください。次のコマンドで 1 分ほどで再実行できます：python3 eval/ygg_eval.py --report。

コーパスの規模も数値に影響します。 実際の 4,799 件のメモリを含むストアでは、デフォルトの多言語埋め込みモデルの精度は語彙検索のベースラインまで低下します（recall@1 は 0.55）。一方、bge-m3 は 0.775 を維持します。ストアが数千件に増える場合は、bge-m3 を選んでください。詳しくは BENCHMARKS.mdをご覧ください。

🆚 Yggdrasil と他のツールの比較

他のツールは、会話の記録を自動で取り込むか、クラウドの利用を勧めてきます。Yggdrasil が重視するのは、重要な情報だけを厳選・重複排除し、自分で所有するシンプルな行として保存して、すべてのツールやプロジェクトで共有することです。

最も近い競合製品 — claude-mem： すべてを記録するメモリで、各セッションを記録して AI で圧縮します（Node 20+ と Bun、永続的なワーカーデーモンが必要。Chroma はオプション）。Yggdrasil は正反対の方針を採り、増え続ける情報の洪水ではなく、規模を抑えた価値の高いストアを提供します。mem0 は、ユーザーのことを記憶するアプリを構築するための SDK とホスティングプラットフォームです。セルフホストの場合でも、LLM API キーが必要です。組み込みメモリは実用的ですが、構造上、1 つのベンダー、1 つのリポジトリ、1 台のマシンに分離され、単純な grep 検索に限られます。Yggdrasil はその上位のレイヤーとして機能します（ygg seed を使えば、同じ会話記録から初期データを取り込めます）。レイヤーが異なるツールとして、context-mode（実行中のコンテキストウィンドウ）と Context7（最新のライブラリドキュメント）があります。どちらも Yggdrasil と併用できます。

🧰 コマンド

エージェントは6つのMCPツールを利用できます：ygg_health、ygg_bootstrap、ygg_search、ygg_recall、ygg_remember、ygg_materialize。プラグインまたは ygg install によって自動登録されます。

{ "name": "Jarvis", "persona": "concise, proactive, dry wit", "user_facts": ["prefers TypeScript", "ships small PRs"] }

🚦 ステータスとロードマップ

アルファ版。 基本的な利用フローとガバナンスのループはゲートテスト済みです（scripts/run_gates.sh）。複数ユーザーや本番環境での利用に向けた堅牢化はまだ行っていません。現在は macOS に対応しています。Linux／Windows 用サービスインストーラーは完成しており、実機での最終テスト中です。

最近リリース：🔗 マシン間のメモリ共有（ygg link）・関係グラフ（ygg relate：solves／supersedes／contradicts）。

次の予定：🛰️ サーフェスをまたいだ利用（CLI、Web、スマートフォンで同じメモリを利用。HTTP ファサードは実装済みです。docs/cross-surface.md を参照）・🐧 Linux／Windows の一般提供。

🤝 コントリビューション

Issue や PR を歓迎します。提出前に scripts/run_gates.sh と python3 -m unittest discover -s tests を実行してください。すべてのゲートを成功状態に保つ必要があります。

📜 ライセンス

GNU AGPL v3.0 — LICENSE を参照してください。無料のオープンソースです。利用、変更、セルフホスト、再配布が可能です。変更を加えた場合、またはネットワークサービスとして提供する場合は、同じライセンスのもとでソースコードを公開する必要があります。