Knowledge Forest

Knowledge Forest MCP — 個人向けナレッジ＆学習メモリー

あらゆる AI チューター向けの、ローカルファーストな個人ナレッジ管理（PKM）および学習メモリー MCP サーバーです。

目標を前提知識を考慮した知識ツリーに変換し、学習履歴を保持して、習得を主張する前に実際の証拠を求めます。

中国語 · MCP Registry · 製品の原則 · アーキテクチャ · コントリビューション

お探しの MCP サーバーはこれですか？

チャット履歴以上のことを AI チューターや学習アシスタントに記憶させたい場合は、Knowledge Forest をお選びください。

• 個人ナレッジ管理： 学習者が所有する目標、概念、メモ、情報源、証拠を、ポータブルなローカル JSON に保存します。
• チャットをまたぐ学習メモリー： Claude、Codex、その他の MCP ホストが、同じ永続的な学習状態から再開できるようにします。
• 再利用可能なナレッジグラフ： 複数の目標で、1つの正規概念とその学習履歴を共有します。
• 適応型学習： 前提知識、学習が妨げられている概念、希望する深さ、次に取り組める学習ノードを提示します。
• 証拠に基づく習得判定： 概念が検証済みになる前に、新規の課題に対する自力での閉じた資料環境下での実力を求めます。

これは、ベクトルデータベースでも、ドキュメント RAG サーバーでも、汎用の会話履歴メモリーでもありません。人が何を学ぼうとしているのか、概念がどのように相互に依存しているのか、そして実際にどのような証拠が習得を示すのかをモデル化します。

開発の背景

AI チューターはトピックの説明には優れていますが、長期にわたる学習状態の管理は不得意です。チャットでは有意義な学習ができているように見えても、前提知識を忘れたり、プロジェクト間で概念を重複させたり、整った回答を習得とみなしたりすることがあります。

Knowledge Forest は、モデルに永続的な学習レイヤーを提供します。

• 目標ツリーは、観察可能な成果と、その達成に必要な最小限の知識を結び付けます。
• 正規ノードを使うことで、学習履歴を複製せずに、1つの概念を複数の目標で活用できます。
• 証拠に基づく習得判定によって、読書や支援を受けた練習と、新規の課題に対する閉じた資料環境下での実力を区別します。
• ローカルファーストのストレージにより、学習者の目標、メモ、証拠をポータブルな JSON ファイルに保持します。
• モデルに依存しない MCPにより、互換性のあるあらゆるホストで動作します。推論はホストのモデルが行い、トークン費用もホスト側が負担します。このサーバーは LLM を呼び出しません。

クイックスタート

要件：Node.js 22 以降。

任意の stdio MCP ホストで GitHub から実行する

npx --yes github:znecho9/knowledge-forest-mcp doctor
npx --yes github:znecho9/knowledge-forest-mcp

MCP Bundle としてインストールする

MCPB に対応したクライアントは、最新の GitHub リリースから、自己完結型のバンドルをインストールできます。バンドルにはサーバーと実行時依存関係が含まれていますが、Node.js 22 以降は引き続き必要です。

ローカルで開発する

git clone https://github.com/znecho9/knowledge-forest-mcp.git
cd knowledge-forest-mcp
npm ci
npm run check
npm run dev

デフォルトのデータファイルは ~/.knowledge-forest/knowledge-forest.json です。KNOWLEDGE_FOREST_FILE または --data-file で変更できます。

MCP ホストに接続する

ホストにアクセスさせる正確なデータパスを指定してください。

Codex

~/.codex/config.toml に以下を追加します。

[mcp_servers.knowledge-forest]
command = "npx"
args = ["--yes", "github:znecho9/knowledge-forest-mcp"]
env = { KNOWLEDGE_FOREST_FILE = "/absolute/path/to/knowledge-forest.json" }

Claude Desktop および JSON で設定するホスト

{
  "mcpServers": {
    "knowledge-forest": {
      "command": "npx",
      "args": ["--yes", "github:znecho9/knowledge-forest-mcp"],
      "env": {
        "KNOWLEDGE_FOREST_FILE": "/absolute/path/to/knowledge-forest.json"
      }
    }
  }
}

解決済みのパスを使用して、両方の設定スニペットを生成します。

npx --yes github:znecho9/knowledge-forest-mcp config --data-file /absolute/path/to/knowledge-forest.json

モデルでできること

MCP の機能	目的	データを変更しますか？
forest_overview	目標、進捗、着手可能な作業を確認する	いいえ
search_knowledge	再利用可能な標準ノードを見つける	いいえ
get_node_context	関係性、メモ、根拠を確認する	いいえ
diagnose_node	前提条件、深さ、根拠の不足を特定する	いいえ
get_learning_queue	着手可能なノードとブロック中のノードを見つける	いいえ
create_goal_tree	必要最小限の知識ツリーを保存する	はい
update_node_learning_state	深さまたはワークフローの状態を設定する	はい
append_learning_note	メモ、情報源、振り返り、演習を追加する	はい
record_verification	根拠を記録し、習得ルールを適用する	はい
export_forest	移植可能なアーカイブ全体を読み込む	いいえ

付属の plan_learning_goal プロンプトは、検索、明示的な再利用、ツリーの作成をホストに案内します。

習得の判定を意図的にごまかしにくくしています

record_verification は、次の4つの条件がすべて満たされた場合にのみ、ノードを verified にします。

demonstrated
AND closed_book
AND NOT assisted
AND novel_prompt

情報源を確認した調査、説明、要約、ヒント付きの回答は、引き続き有用な学習記録として残りますが、習得の根拠にはなりません。他のツールから verified に直接設定することはできません。

Knowledge Forest ワークベンチに対応

ストレージのエンベロープと中核となる目標／ノードのフィールドは、ローカルの Knowledge Forest ワークベンチにある learning/knowledge-forest.json の形式と互換性があります。MCP サーバーをそのファイルに接続すると、AI ホストとワークベンチで同じ標準フォレストを共有できます。

KNOWLEDGE_FOREST_FILE=/path/to/workbench/learning/knowledge-forest.json \
  node dist/cli.js doctor

ワークベンチで使用中のファイルを共有する前に、コミットするかバックアップを作成してください。サーバーはアトミック書き込み、プロセス間ロック、検証を行い、最新20件の MCP スナップショットを learning/backups/ に保持します。MCP 専用の追記レコードは、ワークベンチの自動保存が中核スキーマしか認識できずに消去してしまうことがないよう、隣接する knowledge-forest.mcp-records.json サイドカーにもミラーされます。export はすべてを1つの移植可能なアーカイブに統合します。

ローカル優先の保証

• モデル API キーは不要です。
• サーバーからネットワークリクエストは送信されません。
• テレメトリーは収集されません。
• v1 では削除ツールを公開していません。
• すべての変更はスキーマで検証され、アトミックに書き込まれます。
• ローカルでの同時書き込みにはロックを使用し、更新の消失を防ぎます。
• アーカイブは読み取り可能な JSON 形式で、knowledge-forest-mcp export でエクスポートできます。

オープンコアの境界

1人の学習者がフォレストを構築、確認、検証、バックアップ、移動するために必要なすべての機能は、Apache-2.0 のオープンソースです。有料サービスとして提供される可能性があるもの（このサーバーではいずれも必須ではありません）には、暗号化された複数デバイス間の同期、ホスト型リモート MCP、マネージドバックアップ、組織向け制御、プレミアムコネクターが含まれます。明確な境界については、製品概要を参照してください。

よくある質問

個人のナレッジ管理向けの MCP サーバーはありますか？

はい。Knowledge Forest は、ドキュメントの保存ではなく学習状態に重点を置いた、ローカル優先の PKM MCP サーバーです。目標、再利用可能な概念、前提条件、メモ、根拠、進捗を扱う構造化ツールを AI ホストに提供します。

AI チューターはチャットをまたいで私の進捗を記憶できますか？

はい。互換性のある各ホストを同じ Knowledge Forest JSON ファイルに接続してください。MCP サーバーは、特定のチャットやモデルプロバイダーに依存せずに学習者モデルを保存します。

これはナレッジグラフの MCP サーバーですか？

はい。ただし、グラフの範囲は意図的に絞っています。標準的な知識ノード、前提条件の関係、目標への所属、学習記録、検証の根拠を扱います。すべてのドキュメントから汎用的なエンティティグラフを抽出することは目的としていません。

汎用 AI メモリー MCP との違いは何ですか？

汎用メモリーは通常、コンテキストの保存と呼び出しを最適化します。Knowledge Forest は学習の進行を最適化します。つまり、学習者が達成したいこと、最初に学ぶ必要があること、再利用できること、ブロックされていること、習得が実証されているかどうかを扱います。

ステータス

0.1.1 は公開アルファ版です。データスキーマにはバージョンが付いていますが、ツールの契約は 1.0 までに変更される可能性があります。実際の学習データをバックアップし、アップグレード前にリリースノートを確認してください。

セキュリティと貢献

脆弱性は、SECURITY.md に記載された方法で非公開に報告してください。バグ報告や目的を絞ったプルリクエストを歓迎します。まずは CONTRIBUTING.md をご覧ください。

Apache-2.0 © Knowledge Forest 貢献者。