scrypster/muninndb

The cognitive database. A new class of data storage. Not a vector store, not a graph DB, not a RAG wrapper. Ebbinghaus decay, Hebbian learning, and Bayesian confidence are engine-native primitives. Memories evolve on their own. MCP-native. Single binary.

何を解決するか

MuninnDB は、AIエージェントやアプリケーションに持続的で人間のような記憶を提供することを目的とした認知記憶データベースです。従来のデータベースがデータを静的に保存するのに対し、MuninnDB は時間とともに進化する「記憶痕跡」（エングラム）を管理し、使用されるたびに強化され、無視されると徐々に消えていくことで、生物学的記憶プロセスを模倣します。

動作方法

システムは、文脈に基づいて関連する記憶を取得するための6段階のアクティベーションパイプラインを使用しています。全文検索とベクトル検索を組み合わせ、以下の認知的素因を活用します：

ヘッビアン学習：事前に定義されたスキーマを必要とせず、同時にアクティベートされた記憶同士の関連性を自動的に形成します。
時間的重み付け：記憶のアクセス頻度と最新性に基づいて、再評価された関連性（エビンガウスの消去）を計算します。
予測的アクティベーション：順序パターンを追跡し、明示的な要求がなくても次に起こりそうな記憶を事前に提示します。
ベイズ的信頼度：各記憶の確実性を追跡し、強化されると増加し、矛盾があると減少します。

単一のバイナリで提供され、依存関係はゼロで、MCP（Model Context Protocol）、REST、gRPC、および独自のバイナリプロトコル（MBP）をサポートしています。

対象ユーザー

AIエージェント、LLM駆動アプリケーション、ツール統合型AI環境（Cursor、Claude Desktop、Windsurfなど）を開発している開発者で、関連性や時間的関連性を自動的に処理できる記憶システムが必要な方々です。

特徴

即時AI統合：MCPを内蔵しており、最小限の設定でAIツールに追加可能です。
ゼロ依存：ローカル埋め込みモデルをバンドルした単一バイナリインストールで、オフライン利用も可能。
能動的記憶：意味的なトリガーにより、関連性が変化した際に関連する記憶をユーザーまたはエージェントに自動的に提示します。
後からの強化：移行なしに既存の記憶を新しい埋め込みや拡張プラグインでアップグレード可能。
IllegalArgument Exception: Bulk Insert：一度に最大50件の記憶をバッチ処理可能。