マルチソースのドキュメント知識アシスタントで、自己反省型のLangGraphエージェントによって駆動されます。PDF + Markdown + Webページを1つのベクターストアに取り込み、自身の検索結果を評価し、回答が根拠に基づいているかを検証するエージェントを通じて質問に回答します。いずれかのチェックが失敗した場合は、書き換えたクエリで再試行し、回答を根拠付けできない場合は捏造を拒否します。Langfuseでトレースされ、DeepEvalで品質テストされ、MCP経由で公開されます。
エージェンティック開発を紹介するために構築されました: LangGraph · LiteLLM · ChromaDB · MCP · Langfuse · DeepEval。
このエージェントは修正型 / 自己反省型RAGループであり、線形のretrieve → generateチェーンではありません:
question
│
▼
route ──chitchat/out_of_scope──▶ generate ──▶ END
│ kb
▼
retrieve ──▶ grade_docs ──irrelevant (rewrite query, retry)──▶ retrieve
│ relevant
▼
generate ──▶ self_check ──ungrounded (retry)──▶ retrieve
│ grounded / budget spent
▼
answer + citations (or an honest "I don't know")route — 雑談や範囲外の質問では検索をスキップします。
grade_docs — LLMによる関連性ゲート。失敗した場合はクエリを書き換えて再試行します。
self_check — 下書きした回答が取得したコンテキストによって含意されているかを検証します。 そうでない場合は、幻覚を起こす代わりに再試行するか、曖昧な回答にします。
共有の再試行予算（max_retries、デフォルト2）が両方のループを制限します。
Memory — SQLiteチェックポインターがthread_idごとにマルチターン会話状態を保持します。
Related MCP server: PDF MCP Server
# 1. Install (Python 3.11+, uv)
uv sync
# 2. Configure — only ANTHROPIC_API_KEY is required
cp .env.example .env # then edit .env
# 3. Ingest the sample corpus (2 Markdown + 1 PDF + 1 Wikipedia article)
uv run skai ingest # -> builds ./.chroma (local MiniLM embeddings, no API)
# 4. Ask (defaults to Haiku 4.5; switch per-call with --model)
uv run skai ask "What do orcas eat?"
uv run skai ask "How do orcas communicate?" --source md
uv run skai ask "Summarize orca threats" --model sonnet # haiku | sonnet (Opus blocked)
# 5. Multi-turn chat (remembers the conversation)
uv run skai chat
# 6. Web UI (chat + feedback + live data ingestion)
uv run skai ui # http://localhost:7860
# 7. Serve over MCP (stdio) for Claude Desktop / an IDE
uv run skai mcpskai uiは、ライブデモに必要な機能を備えたGradioアプリを起動します:
Chat — セッションごとのメモリ付き。各回答にはソース、ルート、モデルが表示されます。
すべての応答後のフィードバック — 👍/👎 + 任意のコメント。SQLite
（.skai/feedback.sqlite）に保存され、トレースが有効な場合はそのターンのトレースに対するLangfuseスコアとしても
プッシュされます。これがクローズドループです: 実際の使用が評価シグナルになります。
最初の対話をガイドするサンプルプロンプト。
ナレッジベースをライブで拡張 — .md/.txt/.pdfをアップロードするか、URLを貼り付けると、その場で
Chromaに取り込まれます。デモはシードコーパスに限定されません。
モデル（haiku/sonnet）とソースフィルター（all/pdf/md/web）のセレクター。
フィードバックはskai.feedback.export_jsonlを介してJSONL評価シードにエクスポートできます。
Command | 説明 |
| 読み込み → チャンク分割 → 埋め込み → Chromaに永続化 |
| 引用付きのワンショット質問 |
| メモリ付きの対話型マルチターンチャット |
| Gradio Web UI: チャット、フィードバック、ライブ取り込み |
|
|
| DeepEval品質スイートを実行（ |
サーバーは2つのツールを公開します — search_kb(query, source_type?)（生の検索）とask(question)（フルエージェント）。MCPクライアントをそれに向けます:
{
"mcpServers": {
"solid-knowledge-ai": {
"command": "uv",
"args": ["run", "skai", "mcp"],
"cwd": "/absolute/path/to/solid-knowledge-ai"
}
}
}デフォルトはHaiku 4.5（高速、低コスト — Q&Aルーター+グレーダー+ジェネレーターループに適しています）。--modelで呼び出しごとに切り替えるか、.envのSKAI_MODELでグローバルに切り替えます:
Value | 解決先 |
|
|
|
|
任意のLiteLLM ID | そのまま渡されます（例: |
Opusは意図的にブロックされています（resolve_modelが例外を発生させる）。そのため、アシスタントが誤って最も高価なティアを指すことはありません。
.envにLANGFUSE_PUBLIC_KEY / LANGFUSE_SECRET_KEY（およびオプションでLANGFUSE_HOST）を設定します。すると、すべてのグラフ実行で、ノードごとおよびLLM呼び出しごとにスパンを持つ1つのトレースが生成されます。キーがない場合、トレースは完全なノーオペレーションです — 他には何も変わりません。
uv sync --group eval
export ANTHROPIC_API_KEY=...
uv run skai ingest
uv run --group eval pytest evals -v # or: skai eval判定者はLiteLLM経由のClaudeなので、OpenAIキーは不要です。メトリクス: 忠実性、回答関連性、文脈関連性 — さらに低コストのキーワードゲート。
uv run pytest # 39 tests, fully offline: no network, no API keysLLMは依存性注入されているため、テストではグラフ全体が決定的なスタブに対して実行され、Chromaは決定的なインプロセス埋め込み関数を使用します。
src/skai/
config.py settings (.env) agent/llm.py ChatLiteLLM -> Claude
models.py Document/Chunk/AgentState agent/nodes.py route/retrieve/grade/generate/self_check
ingest/loaders.py pdf | md | web -> Document agent/prompts.py node prompts
ingest/chunk.py source-aware splitting agent/graph.py StateGraph + SQLite memory
ingest/store.py Chroma add/query observability.py Langfuse handler (or no-op)
cli.py ingest|ask|chat|mcp|eval mcp_server.py search_kb / ask as MCP tools
evals/ DeepEval suite tests/ offline unit + graph testsエージェントグラフとコンポーネント図（Mermaid）: docs/ARCHITECTURE.mdを参照してください。設計根拠と技術トレードオフ: docs/DECISIONS.mdを参照してください。
検証済み: uv run skai ingestは3つのソースタイプすべて（md 2 + pdf 1 + web 1 → 170チャンク）を読み込み、実際のセマンティック検索が関連するパッセージを返します。39のオフラインテストが合格します。ask/chat/evalにはANTHROPIC_API_KEYが必要です。
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Governed, auditable knowledge your team curates for its AI assistants, self-hostable
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Your company's brain for AI agents. Cited, permission-aware knowledge across every system.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/hailampy123/solid-knowledge-ai'
If you have feedback or need assistance with the MCP directory API, please join our Discord server