Personal Brain

Personal Brain

AI エージェントに、あなたの仕事上のつながりを記憶させる MCP サーバーです。

Personal Brain は、LinkedIn のつながりを FalkorDB のグラフに読み込みます。Claude Code やその他の MCP クライアントから、知り合いを調べたり、誰が誰を紹介できるかを探したり、会った人を記憶したりできます。3D ビューアーでは、グラフを銀河のように表示します。

claude mcp add personal-brain -- uvx personal-brain mcp

このコマンドを使うには、ネットワークのデータが入ったデータベースが必要です。クイックスタートをご覧ください。

ライブデモを試す。デモ内のつながりはすべて架空のもので、会社名やイベント名もサンプルです。

イベントに参加するたびに人と出会います。2週間もすれば、その人が誰だったか、何に取り組んでいるか、誰が誰を紹介できるかを忘れてしまいます。これからは、エージェントがあなたに代わって記憶します。エージェントは何も削除できません。削除できるのはあなただけです。personal-brain forget を使ってください。

すべての処理はあなたのノートパソコン上で動作します。

クイックスタート：5分でサンプルネットワークを作成

uv と FalkorDB が必要です。uvx が適切な Python をダウンロードします。

架空のサンプルネットワークには、実際の LinkedIn エクスポートと同じファイル形式で、創作した人物、スタートアップ、イベントが241件含まれています。自分のデータをダウンロードする前に、すべての機能を試せます。

1. FalkorDB を起動します。 Docker で実行するか、FalkorDB Cloudをご覧ください。

docker run -p 6379:6379 -p 3000:3000 -v falkordb_data:/var/lib/falkordb/data -it --rm falkordb/falkordb:v4.22.2

2. サンプルを読み込み、サーバーを Claude Code に追加します。

uvx personal-brain load --sample
claude mcp add personal-brain -- uvx personal-brain mcp

次のように試してみてください。

• 「ネットワーク内で Kestrel Graph に勤めているのは誰ですか？」
• 「エージェントのメモリについて、誰と話しましたか？」
• 「資金調達が十分なスタートアップの人を紹介してくれそうなのは誰ですか？」
• 「Graph & RAG Meetup で Oskar Mensah に会いました。彼はエージェントのメモリを開発しています。」（Oskar Mensah は2人いるため、どちらかを尋ねられます。）

その他の MCP クライアント： サーバーは stdio 経由で動作します。ほとんどのクライアントでは、次の設定を使用します。

{
  "mcpServers": {
    "personal-brain": { "command": "uvx", "args": ["personal-brain", "mcp"] }
  }
}

FalkorDB Cloud

無料の FalkorDB Cloud インスタンスは Docker なしで利用できます。URL をサーバーに渡し、load と export に --cloud を追加します。

export FALKORDB_URL='falkors://user:password@host:port'
uvx personal-brain load --sample --cloud
claude mcp add personal-brain -e FALKORDB_URL="$FALKORDB_URL" -- uvx personal-brain mcp

または、FALKORDB_URL=... を ~/.personal-brain/.env に設定します。

MCP ツール

uvx personal-brain mcp を実行すると、エージェントは1つのグラフ上で3つのツールを利用できます。

ツール	機能
remember	会った人、勤務先、会った場所、役職、都市、メールアドレスを保存します。事実を訂正する場合は、その旨を伝えてください。古い値が置き換えられます。会社名やイベント名が、既知のものと1文字違いの場合は何も保存せず、エージェントが確認します。フォローアップも管理します。「金曜日までにJonasに資料を送るようリマインドして」と伝えると、完了したと伝えるまで未完了のままです。「Kestrel」と「Kestrel Inc.」は同じ会社として扱われ、イベント名のタイプミスでも同じイベントが見つかります。名前をグラフ内の既存の人物と照合します。対象の人物を特定できない場合は、何も保存せず確認します。新しい会社を登録すると、以前の仕事が終了し、職歴に残ります。その人に現在の仕事が複数ある場合は、どれが終了したのか確認します。新しい仕事がなく、誰かが仕事を辞めたことも記録します。同じ呼び出しを2回行っても、会合は1件だけ保存されます。今日ではない場合は、会った日を伝えてください。
find	人物、会社、イベントを名前で検索します。どの文字体系でも、タイプミスやアクセント記号の欠落があっても見つけます。about を指定すると、メモ内の言葉、トピック、スキル、見出しをもとに人物を検索します。たとえば「エージェントのメモリーについて話したのは誰？」のように尋ねると、一致した理由も示します。
ask	読み取り専用の Cypher クエリを実行します（FalkorDB は書き込みを拒否します）。制限時間は5秒、結果は最大50行、最大40,000文字です。データをインターネットに送信する可能性がある LOAD CSV は拒否します。ツールの説明にはスキーマが含まれています。

どのツールも削除は行わないため、LinkedIn の見出しに隠されたテキストによってエージェントが何かを削除することはありません。ただし、エージェントが偽のメモを保存する可能性はあります。そのため、各ツールではそのようなテキストをデータとして扱うようエージェントに指示しています。また、personal-brain notes を実行すると、保存された内容を新しい順に確認できます。どのような指示でも、これを完全に防ぐことはできません。削除するには、自分でコマンドを実行してください。--yes を追加しない限り、実行前に確認を求めます。ビューアーのファイルがある場合は、それらも更新されます。

uvx personal-brain forget note <id>         # one note and everything it added. remember's reply gives this command
uvx personal-brain forget person "Name"     # a person and every note about them. They stay out of future rebuilds
uvx personal-brain forget all-notes         # every note and everything they added, to clear a live demo

書き込み内容はすべて Note ノードにひも付けられるため、各事実がどのメモに基づいているかを追跡できます。新しい LinkedIn エクスポートを使って personal-brain load を再実行しても、メモとメモから追加された内容は保持されます。新しいインポートに同じ事実が含まれている場合は、インポート内容が優先されます。また、保存した人物がインポートにも含まれている場合は、1人の人物として統合されます。--force を指定すると、メモが削除されます。load --sample は実際のネットワークを置き換える前に確認を求め、--yes を指定すると確認を省略します。PB_GRAPH でグラフを選択します（デフォルトは network です）。FalkorDB が起動していなくてもサーバーは起動し、各ツールが起動方法を案内します。macOS と Linux で動作します。Windows はサポートされていません。

新しい LinkedIn エクスポートを読み込むたびに、変更点も通知されます。personal-brain load は前回の読み込み以降に転職した人を表示し、エージェントに後から尋ねることもできます。エクスポートにメッセージの日付が含まれている場合、エージェントは「連絡が途絶えたのは誰？」という質問に答えられます。読み取るのは日付だけで、メッセージの内容は読み取りません。personal-brain followups を実行すると、未完了のタスクが一覧表示されます。

3D ビューアー

personal-brain export を実行し、続けて personal-brain view を実行して、http://127.0.0.1:8765 を開きます。three.js が含まれているため、オフラインで動作します。

• WebGL でネットワーク全体を銀河として表示します（19k ノード、117k エッジでテスト済み）。2D／3D を切り替えられます。
• タイムラプス：イベントが次々と表示されるなか、つながりが一つずつ増えていく様子を確認できます。
• グラフに質問：質問が自動で入力され、続いて Cypher クエリが表示され、最後に経路に沿って光が走り、回答が強調表示されます。質問例：
  • 過去1年間のイベントで会った創業者は誰ですか？
  • 私のネットワークで大手テック企業に勤めている人は誰ですか？
  • 資金調達が順調なスタートアップの人を紹介してくれそうなのは誰ですか？
  • AI イベントを開催しているスタートアップはどこで、そこに知り合いはいますか？
  • エージェントとメモリーに関するポッドキャストに招待すべき人は誰ですか？
  • 知り合いを通じて登壇できる、今後のエージェント関連イベントはどれですか？
• 記憶する：「AI Engineer Summit で Supabase の Maya に会った。開発者向けイベントを運営している」と入力すると、FalkorDB にリアルタイムで書き込まれ、銀河に表示されます。
• ライブビュー：エージェントの作業中に personal-brain view を開いたままにします。エージェントが調べたり保存したりした人が、銀河で光ります。
• デモモード：デモ全体をハンズフリーで実行します（D を押してください）。

仕組み

LinkedIn data export ──┐
                       ├─> load_graph.py ──> FalkorDB ──┬─> mcp_server.py ──> your agent
data/enriched/ ────────┘   (graph "network")            ├─> export_graph.py ──> layout_graph.py ──> viewer
(optional)                                              ├─> export_stories.py ──> viewer
                                                        └─> server.py (live "Remember" API) ──> viewer

1. LinkedIn のエクスポートデータには、つながり（つながった日付を含む）、メッセージ（本文は使わず、件数のみを使用）、投稿、職歴、学歴が含まれます。
2. data/enriched/ の任意ファイルを使うと、各つながりの詳しい職歴、学歴、スキル、企業の資金調達状況、今後のイベントを追加できます。これらのファイルには sample_data/enriched/ の JSON 形式を使用します。このリポジトリにはデータを収集するツールはありませんが、これらのファイルがなくてもすべて動作します。
3. load_graph.py はグラフを構築し、以下を推定します。
   • 同じ企業で働いた、または同じ学校に同時期に3か月以上在籍した2人のつながり（大規模校では、同じ入学年の場合のみ）、職歴がない場合に現在同じ企業で働いている人同士、または同じグループチャットに参加している人同士を、KNOWS でつなぎます。
   • Event ノード：5人以上のつながりを追加した日は、イベントだった可能性があります。my_brain.json で名前を付けてください。
   • 見出しやスキルから、興味のある Topic（AI エージェント、エージェントメモリー、ナレッジグラフ、創業者、投資家、ポッドキャストなど）を抽出します。
   • 拡張ファイルがある場合のみ：
     • 職種名と説明から、テクノロジーごとの経験年数を算出します。
     • well_funded スタートアップ：非公開企業で、事業を継続中、従業員数が最大5,000人で、シリーズラウンドを実施済み、または投資家が8人以上の企業です。
     • 各プロフィールの所在地から、都市圏レベルで City を判定します（「Berlin Metropolitan Area」と「Berlin」は同じ都市、「Palo Alto」と「San Jose」は「SF Bay Area」です）。
     • 今後の各イベントの主催者：あなたのつながり（LinkedIn で一致）である主催者、または知り合いがいる企業（主催者がその企業、主催者がその企業で働いている、あるいはタイトルに「Notion x Clover」のように企業名が含まれる場合）です。
4. export_graph.py + layout_graph.py はグラフを JSON にエクスポートし、2D レイアウト（igraph DrL）を計算します。3D では、ノードの種類ごとに別のレイヤーに配置されます。
5. export_stories.py は、FalkorDB 上で「グラフに質問」の Cypher クエリを実行し、ビューアー用に回答と処理時間を保存します。

グラフのスキーマ

ノード

エッジ

Me、Person、Company、School、Skill、Topic、Event、Investor、City、Note

(Me)-[:CONNECTED]->(Person)、(Person)-[:WORKED_AT {title, start, end, current}]->(Company)、(Person)-[:STUDIED_AT]->(School)、(Person)-[:HAS_SKILL]->(Skill)、(Person)-[:HAS_EXPERIENCE {years}]->(Skill)、(Person)-[:INTO]->(Topic)、(Person)-[:KNOWS {via, place}]-(Person)、(Me)-[:ATTENDED]->(Event)、(Person)-[:MET_AT]->(Event)、(Company)-[:FUNDED_BY {lead, round}]->(Investor)、(Person)-[:LIVES_IN]->(City)、(Event {upcoming})-[:HOSTED_BY {via}]->(Person or Company)、(Event)-[:ABOUT]->(Topic)、(Event)-[:HELD_IN]->(City)、(Me)-[:MET]->(Person)、(Me)-[:WROTE]->(Note)-[:ABOUT]->(Person)（「記憶する」から）

独自に構築する

1. LinkedIn のデータを取得します。 LinkedIn > Settings > Data privacy > Get a copy of your data。 次の 2 つから選べます。

• Connections only：通常、約 10 分で準備できます。人物、現在の勤務先と役職、つながった日付を取得できます。グラフ、イベント、エージェントツールにはこれで十分です。
• Download larger data archive：準備には約 1 日かかります。メッセージ（使用されるのは件数のみ）、投稿、職歴、学歴が追加されます。

~/.personal-brain に解凍します（フォルダー名に LinkedInDataExport が含まれます）。複数ある場合は、load が最新のものを読み込みます。personal-brain --help でデータフォルダーを確認できます。別のフォルダーを使うには、PB_HOME を設定します。

空の状態から始めることもできます。 インポートを省略します。MCP サーバーは空のグラフにあなたを作成し、あなたが会った人をエージェントに伝えるたびに、グラフが成長していきます。

任意：my_brain.example.json を ~/.personal-brain/my_brain.json にコピーすると、イベントに名前を付けたり、会社を除外したりできます。

2. グラフとビューアーデータを構築します。 FalkorDB Cloud を使う場合は、両方のコマンドに --cloud を追加します。

uvx personal-brain load
uvx personal-brain export

3. 開きます。

uvx personal-brain view

http://127.0.0.1:8765 を開きます。キー操作：2 / 3 でビューを切り替え、T でタイムラプス、B でビッグバン、D でデモ、Esc でリセットします。

代わりに FalkorDB Browser で探索する場合は、docs/demo_queries.cypher を参照してください。

コードに取り組む

Python 3.10 以降、uv、Docker が必要です。クローンでは、クローン自体がデータフォルダーとなり、Claude Code はその中のどのフォルダーからでも .mcp.json を読み込みます。

git clone https://github.com/zhang-liz/personal-brain && cd personal-brain
python3 -m venv .venv && .venv/bin/pip install -e ".[test]"
docker run -p 6379:6379 -p 3000:3000 -v falkordb_data:/var/lib/falkordb/data -it --rm falkordb/falkordb:v4.22.2

その後、別のターミナルでテストを実行します。テストでは使い捨てのグラフを使用します。

PATH="$PWD/.venv/bin:$PATH" .venv/bin/python -m pytest          # everything, on local FalkorDB
.venv/bin/python tests/test_memory.py --cloud                    # the memory tools on FALKORDB_URL

データは自分のものです

• データはパッケージの外にある ~/.personal-brain に保管されます。このフォルダーを開けるのはあなただけです。クローンでは、エクスポートデータ、data/、.env、my_brain.json は .gitignore に含まれています。絶対にコミットしないでください。
• メッセージの本文がグラフに読み込まれることはありません。各人とやり取りしたメッセージの件数と、最後のメッセージの日付のみが読み込まれます。
• データフォルダー内の data/viewer/graph.json には実名が含まれています。そのファイルではなく、スクリーンショットを共有してください。
• ローカルサーバーは 127.0.0.1 のみで待ち受け、data/viewer/ のみを提供します。

ファイル

パス	内容
src/personal_brain/cli.py	personal-brain コマンド
src/personal_brain/paths.py	データフォルダーの場所
src/personal_brain/load_graph.py	FalkorDB グラフと推論されたすべてのリンクを構築します
src/personal_brain/export_graph.py	すべてのノードとエッジを data/viewer/graph.json にエクスポートします
src/personal_brain/layout_graph.py	レイアウトを事前計算します
src/personal_brain/export_stories.py	「グラフに質問する」の質問とその Cypher
src/personal_brain/server.py	ビューアーとライブ Remember API を、ビューアー自身のページにのみ提供します
src/personal_brain/memory.py	メモリーそのものです。remember、find、ask、forget を扱います（MCP サーバー、ビューアー、forget コマンドで使用）
src/personal_brain/mcp_server.py	Claude Code やその他のエージェント向けの MCP サーバー
src/personal_brain/forget.py	personal-brain forget コマンド
src/personal_brain/notes.py	personal-brain notes コマンド
src/personal_brain/notes_backup.py	再構築後もノートを保持します
src/personal_brain/job_changes.py	読み込みのたびに、転職した人を報告します
src/personal_brain/followups.py	personal-brain followups コマンド
src/personal_brain/activity.py	エージェントが直前に行ったことをビューアーに伝えます
src/personal_brain/companies.py	2つの会社名が同じ会社を指すかどうかを判定します
.mcp.json	クローン内で MCP サーバーを起動する方法を Claude Code に伝えます
tests/	使い捨てグラフを使用して、メモリーツール、MCP サーバー、ビルド済みパッケージをエンドツーエンドでテストします
src/personal_brain/sample_data/	架空のサンプルネットワーク
scripts/make_sample_data.py	sample_data/ を生成します
src/personal_brain/viewer/index.html	WebGL ビューアー（three.js r170、MIT、同梱）
docs/demo_queries.cypher	FalkorDB Browser に貼り付けるクエリ

これは初期段階のプロジェクトです。テストと CI はありますが、1.0 より前にコマンドやツールが変更される可能性があります。

貢献

CONTRIBUTING.md を参照してください。セキュリティ上の問題を報告するには、SECURITY.md を参照してください。

ライセンス

MIT ライセンスです。LICENSE を参照してください。src/personal_brain/viewer/vendor/ 内の three.js も MIT ライセンスです（独自の LICENSE ファイルがあります）。