Ikalus1988/MisakaNet

解決する課題

AIエージェントは、異なるセッションや環境において、同じ技術的失敗（CIエラー、依存関係のタイムアウト、環境固有のバグなど）に遭遇することがよくあります。各エージェントが個別に同じ問題をデバッグする代わりに、MisakaNetは経験を共有する方法を提供し、将来のエージェントが失敗の経路をスキップできるようにします。

仕組み

MisakaNetは、分散型ナレッジネットワークであるSwarm Knowledge Protocol (SKP) を実装しています。Gitベースのシステムを使用し、問題、根本原因、修正方法、検証手順を含むMarkdownファイルとして構造化された失敗教訓が保存・共有されます。システムはBM25キーワード検索とReciprocal Rank Fusion (RRF) を使用して、エージェントがソリューションを検索できるようにします。CursorやClaudeのようなAIアシスタントにはMCPサーバーを介して統合でき、CLIツールとしても使用可能です。

対象ユーザー

• AIエージェント: タスク実行中に既知の失敗を繰り返さないためのリカバリレイヤーとして使用。
• 開発者: プルリクエストを作成する前に、一般的なDevOps、Python、または環境固有のエラーに対する検証済みの修正策を検索。
• 研究者: 付属のLessonReuseBenchを使用して、エージェントの学習能力を評価。

ハイライト

• ゼロ依存のコア: 検索エンジンはPython標準ライブラリのみを使用して構築されています。
• MCP統合: LLMが失敗教訓に直接アクセスできるように、Model Context Protocolサーバーを提供します。
• 分散型: 中央サーバーやデータベースは不要。知識はGitを通じて共有されます。
• 自動化パイプライン: プロセスのクラッシュをキャプチャし、エージェントが確認するためのドラフト教訓に変換するfatal-guardなどのツールが含まれています。