Arc Memory MCP サーバー

Arcは、エンジニアリングチームがコードの背後にあるコンテキストと履歴を理解するのに役立ちます。このMCPサーバーでは、AIアシスタントが自然言語を使用してコードベースの履歴と関係性を照会できます。

「なぜ PostgreSQL ではなく MongoDB を選択したのですか？」「認証システムは時間の経過とともにどのように進化しましたか？」「マイクロサービスアーキテクチャの背後にある理論的根拠は何ですか？」

クイックスタートワークフロー

依存関係をインストールする
pip install mcp arc-memory
GitHubで認証する
arc auth gh
GitHub での認証手順をご案内します。完了すると成功メッセージが表示されます。
リニア認証（オプション）
arc auth linear
OAuth 2.0を使用したLinearへの認証手順をご案内します。ブラウザウィンドウが開き、Arc MemoryがLinearデータにアクセスすることを承認します。この手順は任意ですが、ナレッジグラフにLinearの問題を含める場合は推奨されます。
ナレッジグラフを構築する
arc build
これにより、リポジトリが分析され、ローカルナレッジグラフが作成されます。完了すると、進行状況インジケーターと取り込まれたエンティティの概要が表示されます。ナレッジグラフに線形の問題を含めるには:
arc build --linear
これには、リニア認証 (ステップ 3) が必要です。
Claudeデスクトップ、VSコードエージェントモード、またはカーソルで構成する詳細な手順については、以下の「統合」セクションを参照してください。

Arcの仕組み

Arcは、さまざまなソースからの構造化データを接続することで、コードベースの履歴のグラフを構築します。一般的なRAGシステムのようにベクトル類似性を使用するのではなく、Arcはコミット、プルリクエスト、問題、そしてアーキテクチャ上の決定間の実際の関係性に焦点を当てています。

arc_search_storyツールは、自然言語の質問を複数の接続をたどることができるグラフクエリに変換し、AI アシスタントがプロジェクトの実際の履歴に基づいて回答を提供できるようにします。

ナレッジグラフ構造

Arc は次のような豊富な知識グラフを構築します。

エンティティ: PR、コミット、問題 (GitHub および Linear)、ADR、ファイルなど
関係: 変更、言及、統合、決定、実装
時間的コンテキスト: 変化がいつ、どのような順序で起こったか
由来: 変更が行われた理由と変更を行った人物
システム間接続: GitHub PR と Linear Issue 間のリンク

この相互接続された構造により、最初の問題からアーキテクチャ上の決定、実装の PR やコミットに至るまで、コード行の背後にある完全なストーリーを追跡できるようになります。

たとえば、一般的なパスは次のようになります。

Linear Issue ABC-123 (Feature Request)
    ↓ DECIDES
Architecture Decision Record (ADR-42)
    ↓ IMPLEMENTS
GitHub Pull Request #456
    ↓ CONTAINS
Commit abc123
    ↓ MODIFIES
File: src/auth/middleware.js

「なぜ認証ミドルウェアはこのように実装されたのか」と尋ねられた場合、Arc はこのパスを遡って完全なコンテキストを提供できます。

異なるシステムの接続

GitHub と Linear MCP を別々に使用すると基本的なクエリは機能しますが、Arc はそれらを接続します。

接続されたデータ: GitHub、Linear、Git、ADR からの情報を 1 つのグラフにリンクします
システム間接続: 線形問題と GitHub PR 間の関係を表示します。
マルチステップパス: 個別のAPI呼び出しでは見逃される接続のチェーンをたどります
時間ベースのコンテキスト: 異なるシステム間で物事がいつ起こったかを維持する
構造化された結果: AIアシスタントが関係性を説明するために使用できるパスを返します

例題

建築推論と意思決定考古学

"What were the security considerations that led to our current authentication architecture?"
"Why did we migrate from monolith to microservices in Q3 2022, and what were the tradeoffs?"
"What performance issues drove the switch from Redis to our custom caching solution?"
"How did our API design evolve after the major outage last year?"

システム間影響分析

"Which backend services were affected by the payment processing refactoring?"
"What downstream components depend on the authentication middleware we're planning to change?"
"How many different teams' code would be impacted if we deprecate the legacy API?"
"What parts of our infrastructure were modified to address the rate limiting issues?"

技術的負債と回帰の防止

"What previous attempts have we made to fix the intermittent test failures in the CI pipeline?"
"Which PRs have touched this fragile payment processing code in the last 6 months?"
"What was the root cause analysis of our last three production incidents?"
"Which architectural decisions have we revisited multiple times, suggesting design instability?"

知識移転とオンボーディング

"What's the complete history of our authentication system from initial design to current implementation?"
"Who are the domain experts for each component of our data processing pipeline?"
"What were the key design decisions made before I joined the team that explain our current architecture?"
"What's the context behind this complex caching logic that no one seems to understand anymore?"

利用可能なツール

arc_search_story : マルチホップ質問のための自然言語グラフクエリ
arc_trace_history : ファイル内の特定の行の決定履歴をトレースします。
arc_get_entity_details : 特定のエンティティに関する詳細情報を取得します
arc_find_related_entities : 指定されたエンティティに直接接続されたエンティティを検索します
arc_blame_line : 行の特定のコミットSHA、作成者、日付を取得します。

インストール

# Install dependencies
pip install mcp arc-memory

# Clone the repository
git clone https://github.com/Arc-Computer/arc-mcp-server.git
cd arc-mcp-server

# Install the server
pip install -e .

設定

GitHubで認証する（GitHub OAuth認証情報をお持ちの場合）
arc auth gh
ナレッジグラフを構築する
arc build
ローカルGitリポジトリから、コミット、ファイル、PR、問題、そしてそれらの関係性を含むグラフを作成します。データベースは~/.arc/graph.dbに保存されます。

統合

クロードデスクトップ

設定ファイルを開きます:
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows: %APPDATA%\Claude\claude_desktop_config.json
サーバー構成を追加します。
{ "mcpServers": { "arc-memory": { "command": "python", "args": ["/absolute/path/to/src/arc_mcp_server.py"] } } }
Claudeデスクトップを再起動します

VS Code エージェントモード

VS Code エージェントモード拡張機能をインストールする
VS Code 設定で MCP サーバーを構成します。
"anthropic.agent-mode.mcp.servers": { "arc-memory": { "command": "python", "args": ["/absolute/path/to/src/arc_mcp_server.py"] } }

カーソル

カーソル設定を開き、AI設定に移動します
MCP サーバーを構成する (VS Code の構成と同様)
カーソルを再開

ツールドキュメント

アーク検索ストーリー

マルチホップの質問に対する自然言語グラフクエリ。

パラメータ:

question ：自然言語で尋ねる質問
max_depth （オプション）：グラフトラバーサルの最大深度（デフォルト：3）
max_results (オプション): 返される結果の最大数 (デフォルト: 100)

戻り値:

{
  "path": [
    {"id": "pr:42", "type": "pr", "title": "Add new feature", "depth": 0},
    {"id": "adr:123", "type": "adr", "title": "Architecture decision", "depth": 1},
    {"id": "issue:456", "type": "issue", "title": "Feature request", "depth": 2}
  ],
  "meta": {
    "query_depth": 3,
    "sql": "/* The SQL query used for debugging */"
  }
}

AIアシスタントがこのデータをどのように活用するか

開発者が「なぜ Redis からカスタムキャッシュソリューションに移行したのですか?」と質問すると、AI アシスタントは構造化パスデータを使用して次のような応答を作成できます。

2023 年 7 月に Redis から当社のカスタムキャッシュソリューションに移行した主な要因は次の 3 つです。
パフォーマンスのボトルネック: 線形問題 PERF-387 では、トラフィックのピーク時に Redis 接続プーリングの問題が発生し、2023 年第 2 四半期に観測されたレイテンシースパイクの 30% を引き起こしていることが文書化されています。これは、6 月の停止後、プラットフォームチームによって P0 として優先順位付けされました。
アーキテクチャ上の制限：ADR-29（Sarah Chen 執筆）では、Redis のシングルスレッドモデルが、特に商品カタログサービスにおいて、増加する同時書き込みパターンを効率的に処理できなかった経緯を詳しく説明しています。この ADR は、当初の懸念が提起された Linear Issue ARCH-42 を参照しています。

コストに関する考慮事項：GitHub PR #1204には、カスタムソリューションによってインフラストラクチャコストが42%削減され、p99レイテンシが150ms改善されたことを示すベンチマーク結果が含まれていました。このPRは、第3四半期のコスト最適化イニシアチブにおけるLinear Issue COST-56にリンクされています。
移行は主にインフラストラクチャチームによって7件のGitHub PRに渡って実施され、在庫管理とチェックアウトサービスに最も大きな変更が加えられました。当初はデータの一貫性に関する懸念がありましたが（Alex Kim氏がPR #1209で提起）、ADR-31に記載されている2フェーズコミットプロトコルを追加することで対応しました。
カスタムソリューションは展開以降安定しており、キャッシュ無効化のエッジケースに関連する 2 件の軽微なインシデント (Linear では INC-45 および INC-52 として追跡) のみが発生、どちらも後続の GitHub PR #1567 で解決されました。

応答には次のものが含まれます。

さまざまなソースからの情報（線形の問題、GitHub PR、ADR、インシデント）
具体的な指標と測定
関係者の名前と役割
出来事の順序と技術的な詳細
発生した問題とその解決策
その後何が起こったか

これが機能するのは、Arc が通常は別々である異なるシステム間で情報を接続するためです。

一般的な使用例

1. 新しいチームメンバーのオンボーディング

新しい開発者がチームに参加すると、なじみのないコードやシステムについて質問して、実装の背景にあるコンテキストや理由を理解することができます。

2. 後退を防ぐ

複雑なシステムや重要なシステムに変更を加える前に、開発者は過去の問題の履歴、機能しなかったアプローチ、現在の実装の背後にある理由を調べることができます。

3. アーキテクチャ上の決定

アーキテクチャの変更を検討する際、チームは関連する決定の履歴を確認し、以前に何が試されたか、特定のアプローチが選択された理由を理解できます。

4. レガシーコードのリファクタリング

ドキュメントのない古いコードを扱う場合、開発者は変更を加える前にその出所をたどり、目的を理解し、依存関係を特定することができます。

将来の開発

Arc の今後の計画は次のとおりです。

潜在的な問題を特定するためにPRで軽量シミュレーションを実行する
セキュリティの脆弱性と技術的負債のリスクの検出
時間の経過に伴うシステムの動作の因果モデルの構築
シミュレーション結果をナレッジグラフに追加する

ライセンス

MITライセンス

Arc Memory MCP Server

Integrations