Skip to main content
Glama
Arin016

context-lattice

by Arin016

Context Lattice

Context Latticeは、AIコーディングエージェントの会話エクスポートをインデックス化する、スタンドアロンでソース検証可能なメモリインデックスです。Codex、Cursor、Kiro、または自分自身のエージェントが生成したJSONやJSONLを指定すると、履歴全体を次のコンテキストウィンドウで再生する代わりに、コンパクトなエビデンスバンドルを取得できます。

生のレコードは不変です。階層的なサマリーは非可逆で、使い捨てのナビゲーションインデックスです。すべての結果は、ソースファイル、JSONレコード、SHA-256ハッシュに遡ることができます。

クイックスタート

APIキーや外部データベースは必要ありません。Python 3.11+に対応しています。

cd /path/to/context-lattice
python3 -m pip install -e .

context-lattice init --root ~/exports/coding-sessions/
context-lattice ingest ~/exports/coding-sessions/
context-lattice query "Why did we change the retry policy?"
context-lattice query "What is the latest payment reference?" --json --debug
context-lattice inspect
context-lattice verify
context-lattice doctor

デフォルトでは、データベースは ~/.context-lattice/memory.db に作成されます。--db /path/to/memory.db でオーバーライドします。取り込みは、単一の .json.jsonl、またはその両方を含むディレクトリツリーを受け付けます。init は、同じデータベースとソースルートを使用して、そのまま貼り付け可能なMCP設定を出力するため、CLIとサーバーの設定のずれを防ぎます。

Related MCP server: TimeReverse

MCPサーバーとしてインストール

Context Latticeは、ローカルstdio MCP上でmemory_searchmemory_getmemory_explainmemory_syncmemory_statusを公開します。データベースと明示的なソース許可リストを設定し、MCP対応クライアントをインストール済みの実行ファイルにポイントします。

{
  "mcpServers": {
    "context-lattice": {
      "command": "context-lattice-mcp",
      "env": {
        "CONTEXT_LATTICE_DB": "/absolute/path/to/memory.db",
        "CONTEXT_LATTICE_ALLOWED_ROOTS": "/absolute/path/to/agent/sessions"
      }
    }
  }
}

複数の許可ルートは、プラットフォームのパス区切り文字を使用します(macOS/Linuxでは : 、Windowsでは ; )。memory_sync は、唯一の変更を行うMCP操作です。検索エビデンスは、信頼できないとして明示的にマークされ、トークン予算に制限され、ソースハッシュに解決できます。docs/MCP.md を参照してください。

入力アダプター

--adapter auto はレコードのエンベロープを調べ、現在次のものを認識します。

  • codexsession_metaresponse_item レコードを含むイベントJSONL

  • cursor: メッセージ、バブル、またはターンを含むエクスポートされた会話

  • kiro: メタデーターヘッダーを持つrole/content JSONL

  • claude: ネストされたメッセージブロックを含むClaude CodeプロジェクトJSONL

  • canonical: 安定したContext Lattice v1フォーマット

  • generic: 一般的なrole/content、speaker/text、ネストされたメッセージの形状

プロバイダーのフォーマットは変更される場合があります。Codex、Cursor、Kiroアダプターは意図的に寛容で、フィクトゥールテスト済みですが、保証された統合境界はネイティブスキーマです:schemas/conversation-v1.schema.json を参照してください。最小の完全な例は examples/canonical.json を見てください。

{
  "schema": "context-lattice/v1",
  "conversation_id": "release-planning",
  "messages": [
    {
      "role": "user",
      "content": "The deployment region is ap-south-1.",
      "timestamp": "2026-08-20T10:00:00Z",
      "fact_key": "deployment-region",
      "entities": ["ap-south-1"]
    }
  ]
}

認識可能な会話コンテンツを持たないレコードは、スキップとして数えられます。不正なまたは失敗したレコードは、インポート結果に報告され、インポート監査ログに保存されます。同じファイルを再インポートすることは冪等です。

検索モデル

  • イミュータブルな、追加専用の生イベントをSQLiteで

  • 元の生JSONに加えて、ファイル/レコードの来歴とハッシュ

  • 完全一致識別子のためのFTS5/BM25

  • オフラインの特徴ハッシュベースラインを備えた転置スパースポスティングインデックス

  • 固定ファンアウトの時系列サマリーツリー

  • 語彙、セマンティック、階層の候補全体を対象とした相互ランク融合

  • オプションの fact_key 値による訂正チェーン

  • 不一致トリガーによる検索拡張と、信頼度に基づく棄権

  • 明示的な証拠トークン予算と検査可能な検索トレース

インデクサーとリトリーバーは決定論的であり、LLM呼び出しを行いません。バンドルされたセマンティックモデルは特徴ハッシュであるため、移植性があり正確に再現できる一方、学習済み埋め込みモデルよりも弱いです。外部LLMはエビデンスを消費することは可能ですが、メモリインデックスの維持を信頼されません。エンベッダー境界は、エビデンス契約を変更することなく、置き換え可能です。

時系列の階層構造は、セグメントツリーに似たナビゲーションインデックスです。セマンティック検索や語彙検索を代替することはできません。ツリーは時間範囲を刈り込み、FTS5とスパーポスティングは用語と概念を特定します。クエリ際の内積はSQLite内で集約され、境界によって限定されたルートセットとビームだけがツリーを降ります。docs/ARCHITECTURE.md を参照してください。

テストと評価

python3 -m unittest discover -s tests -v
python3 -m context_lattice.cli eval --output benchmark-results.json
python3 -m context_lattice.cli golden-eval --output golden-results.json
python3 -m context_lattice.cli demo \
  "What is the current meeting room for team-3?"

決定論的な50問の評価は、(直近のトークンウィンドウ、(最新の)ウィンドウウィンドウ、フラットなベクトル検索、や階層ハイブリッド検索を比較します。answer_accuracy は、エビデンス十分性の指標であり、LLMジャッジスコアではありません。支持DESIGN.md を参照してください。

手動でレビューされたgolden-v1スイートは、ソースの再現率、精度、ランキング、クリニア化した結果、サポートされていない事実、引用の整合性、階層ブランチの再現率のリリースゲートです。これは、しきい値が退行した場合に意図的にコマンドを失敗させます。docs/GOLDEN_EVAL.md を参照してください。

本番運用体制

ローカルファーストコアには、会話ごとのアトミックなインデックス更新、WAL並行性、プロセス間メンテナンスロック、ン変更可能なイベント、ソースの検証、入力と検索の制限、入れ子になったシンボリックリンクに安全なMCP許可リスト、スキーマ互換性チェック、CI、決定論的リリースゲートがあります。context-lattice doctor は、データベースの整合性、インデックスの肥大性、FTS5、権限、SQLite、Python、MCPをチェックします。プロバイダーのフォーマットは非公式であり、変更される可能性があります。canonical v1スキーマファイルが安定した統合境界です。ローカルstdio以外のものを公開する前に SECURITY.md を確認してください。

具体的なリリースチェックリストと現在の非チュウゴクは、docs/RELEASE_GATES.md にあります。

Install Server
A
license - permissive license
A
quality
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    A
    quality
    D
    maintenance
    Enables contributing, challenging, discovering, verifying, and querying contestable public records from AI coding tools via MCP.
    6
    46
    1
    MIT
  • A
    license
    A
    quality
    C
    maintenance
    Enables LLM agents to acquire token-budgeted, deterministic context packs from repositories, with hash-chained provenance for auditability.
    2
    MIT

View all related MCP servers

Related MCP Connectors

  • Search your AI chat history (ChatGPT, Claude, Codex) from any MCP client. Remote, private, read-only

  • Token-efficient search for coding agents over public and private documentation.

  • Agent-native MCP server over the public saagarpatel.dev corpus. Read-only, stateless.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Arin016/context-lattice'

If you have feedback or need assistance with the MCP directory API, please join our Discord server