volcengine/OpenViking

OpenViking – AIエージェント向けのコンテキストデータベース

何であるか – OpenVikingは、LLMベースのエージェントが記憶、リソース、スキルを仮想ファイルシステム（viking://）として扱えるオープンソースのコンテキストストアです。ブラックボックスストアに生のベクトルクエリを送るのではなく、エージェントはls、tree、findなどの馴染み深いコマンドで階層をブラウズ、リストアップ、検索できます。各エントリは3つのレイヤー（抽象要約（L0）、概要（L1）、完全な詳細（L2））に事前に処理され、エージェントは実際に必要な分だけテキストを読み込むため、トークン使用量と待機時間は劇的に削減され、検索経路も観察可能になります。

なぜ重要か

• 決定論的で観察可能な取得 – システムがたどるパスが記録されるため、「なぜこの情報が選ばれたのか？」のデバッグが簡単になります。
• トークン効率的 – L0/L1レイヤーにより、関係のない枝を早期に除外でき、トークン使用量と待機時間が大幅に削減されます（READMEではベンチマークで34–91％のトークン削減と約60％の待機時間削減を報告）。
• 統一されたURIスキーム – すべてのデータがviking:// URIの下に統合され、記憶、ユーザー設定、公開リソース、プライベートファイル、さらには他のエージェントまで、一貫したファイルシステム風のビューを提供します。
• セッション→記憶 – 会話が終了すると、OpenVikingは設定や経験を抽出し、次のセッション用の長期記憶として保存します。

コアコンセプト

コンセプト	機能
Viking URI	任意のコンテキストタイプ（リソース、記憶、スキル、ピア）のユニフォームアドレス（viking://…）
コンテキストレイヤー（L0–L2）	L0：1文の要約（約100トークン）で即時関連性チェック。L1：概要（約2kトークン）で計画。L2：完全なコンテンツ。必要時にのみ読み込み。
ディレクトリ再帰的取得	ベクトル検索でスコアの高いディレクトリを最初に選択し、レイヤーごとに段階的に掘り下げ、周辺コンテキスト付きで結果を返却。
セッション→記憶	完了したセッションは非同期に永続的な記憶エントリ（設定、経験）に変換されます。

試してみる方法

1. インストール – pip install openviking --upgrade（Python 3.10+必須）。
   
2. 初期化 – openviking-server initはインタラクティブなウィザードを実行し、~/.openviking/ov.confを作成し、プロバイダー（Volcengine、OpenAI、Ollamaなど）を設定します。
   
3. 検証 – openviking-server doctorは設定、Pythonバージョン、接続性、ディスク容量をチェックします。
   
4. 実行 – openviking-serverでHTTPサービスを起動（バックグラウンド実行にはnohup … &を使用）。
   
5. CLIの使用 – 添付のovクライアントでリソースの追加、ディレクトリのリスト表示、検索、タスクの確認が可能。例：

   ov add-resource https://github.com/volcengine/OpenViking
   ov ls viking://resources/
   ov find "what is openviking"
   

6. インストールなしで遊ぶ – OpenViking StudioのWebプレイグラウンド（https://openviking.ai/studio）では、ファイルシステム、セマンティック検索、マルチエージェントハブのライブデモが利用可能。

エージェント統合 – OpenVikingはClaude Code、Codex、OpenClaw、Hermes、Cursor、TRAE、LangChain/LangGraphなど、多くの人気あるLLMエージェントフレームワーク用の準備済みアダプタを提供。アダプタは取得したコンテキストをエージェントのプロンプトに自動的に挿入し、セッション記憶をストアにコミットします。

VikingBot – サーバーに同梱されるオプションのPythonベースのエージェントフレームワーク（pip install "openviking[bot]"）。--with-botオプションでサーバーを起動するとチャットインターフェース（ov chat）が起動。DockerイメージにはVikingBot、サーバー、コンソールUIがバンドルされ、ワンクリックデプロイが可能。

デプロイオプション

• セルフホスト – 自分のクラウド、VPC、オフラインの空気遮断環境でHTTPサービスを実行。Docker、Kubernetes、スケーリングに関するプロダクションガイドあり。
• マネージドSaaS – Volcano Engineがホスト版を提供（50ファイルまで無料トライアル、その後有料プラン）。オープンソース版はライセンスキーなしで完全に機能します。

パフォーマンスの証拠 – ベンチマーク（LoCoMo記憶テストおよびtau2-benchマルチターンタスク）では、エージェントがOpenVikingを使用すると、精度が20％台から約80％まで急上昇し、トークン消費量と待機時間も大幅に低下します。

ライセンス – コアプロジェクトはAGPL-v3（完全なソース、機能制限なし）でリリース。CLIクレート（crates/ov_cli）および例題コードはApache 2.0。

さらに学ぶには

• ドキュメントとチュートリアル – https://docs.openviking.ai
• ベンチマークスクリプト – リポジトリ内の./benchmarkディレクトリ。
• 研究論文 – VikingMem: A Memory Base Management System for Stateful LLM-based Applications（arXiv 2605.29640, VLDB 2026）。
• コミュニティ – README内のDiscord、Lark、WeChat、X（Twitter）リンク。

---

TL;DR – OpenVikingは、エージェントが探索・デバッグ可能な階層的でレイヤー認識型のファイルシステムに、不透明なベクトルストアを置き換えます。トークン使用量を削減し、再現精度を向上させ、幅広いLLMエージェントと互換性があり、すべてAGPL-v3オープンソースライセンスの下で提供されます。