Kairn

AIアシスタント向けのコンテキスト認識型ナレッジエンジン。

ステータス: Alpha。 APIとCLIは機能し、テスト済みです（開発を参照）。ただし、インターフェースはリリース間で変更される可能性があります。フィードバックや問題報告を歓迎します。

他のツールはAIにメモリを与えます。Kairnは、インテリジェントなコンテキストルーティングを備えたナレッジグラフを与えます。何を、いつ、どのくらい読み込むかを把握しているため、AIは集中力を保ち、圧倒されることはありません。

pip install kairn-ai
kairn init ~/brain
kairn serve ~/brain

一行でClaude Codeに追加:

claude mcp add kairn -- kairn serve ~/brain

または、Pythonのセットアップ不要のワンクリックバンドルとしてインストール: 最新リリースから.mcpbファイルをダウンロードし、Claude Desktopなどのバンドル対応アプリで開きます。

他のクライアントについては、下のクイックスタートを参照してください。Kairnが初めてですか？最初の5分にジャンプしてください。

インストール方法

バンドルにはKairnのソースコード自体は含まれていません。kairn-aiを依存関係として宣言し、ホストがuvで解決するため、バンドルインストールとpip installは同一のコードを実行します。データベースの場所はバンドルインストール時に設定可能で、デフォルトは~/.kairnで、マシンから離れることはありません。

Related MCP server: madb-mcp-server

なぜKairnなのか？

すべてのAI会話はゼロから始まります。以前の洞察、決定、パターンは消えてしまいます。既存のメモリツールはフラットなキーと値のペアを保存するだけで、関係性を表現したり、適切なタイミングで適切なコンテキストを表面化したりできません。

Kairnは違います：

• コンテキストルーター + プログレッシブディスクロージャー - キーワードに基づいて関連サブグラフを自動的に読み込み、要約から始めて必要なときだけ詳細に掘り下げます。他のツールにはこれができません。

• FTS5を備えたナレッジグラフ - フラットなストレージではありません。ノード間の型付き関係（depends-on、resolves、causes）と、出所追跡、すべてにわたる全文検索を備えています。

• 経験の減衰 + 自動昇格 - 経験は時間とともに重要性が薄れます（生物学的減衰モデル）。頻繁にアクセスされる経験は自動的に永続的な知識に昇格します。AIは重要でないことを自然に忘れます。

• 22のMCPツール - Claude Desktop、Cursor、VS Code、Windsurf、およびあらゆるMCPクライアントで動作します。5動詞の関係判断のためのkn_judgeと、読み取り専用のヘルス診断のためのkn_doctorが含まれます。

• ワークスペースごとの分離 - 各ワークスペースは独立したSQLiteストアです。チーム展開にはJWT認証とロールベースのアクセス制御（owner / maintainer / contributor / reader）が同梱されています。

クイックスタート

Claude Desktop

~/Library/Application Support/Claude/claude_desktop_config.jsonに追加:

{
  "mcpServers": {
    "kairn": {
      "command": "kairn",
      "args": ["serve", "~/brain"]
    }
  }
}

Cursor

.cursor/mcp.jsonに追加:

{
  "mcpServers": {
    "kairn": {
      "command": "kairn",
      "args": ["serve", "~/brain"],
      "env": {
        "KAIRN_LOG_LEVEL": "WARNING"
      }
    }
  }
}

VS Code

.vscode/mcp.jsonに追加:

{
  "servers": {
    "kairn": {
      "type": "stdio",
      "command": "kairn",
      "args": ["serve", "~/brain"]
    }
  }
}

Windsurf

~/.codeium/windsurf/mcp_config.jsonに追加:

{
  "mcpServers": {
    "kairn": {
      "command": "kairn",
      "args": ["serve", "~/brain"]
    }
  }
}

エディタを再起動してください。Kairnの22のツールがMCPセクションに表示されます。

最初の5分

ガイド付きの初回実行を最初から最後まで:

pip install kairn-ai
kairn init ~/brain              # creates the workspace + database

上記の一行（またはクライアントのクイックスタートスニペット）を追加し、クライアントを再起動します。接続したら、アシスタントに何かを覚えてもらうように依頼します：

「分析サービスにはSQLiteではなくPostgresを選んだことを覚えておいて。同時書き込みが必要だったから。」

これは内部でkn_learnを呼び出し、次のようなJSONエンベロープを返します（実際の実行から取得、ツールのCLIミラーであるkairn learn経由）：

{"_v": "1.0", "stored_as": "node", "node_id": "002d9c22", "experience_id": "d0710c2f", "type": "decision", "confidence": "high", "namespace": "knowledge", "candidates": []}

新しいセッションを開始し、同じことを思い出すように依頼します - これはkn_recallを呼び出し、保存したばかりの内容を表面化します。再説明は不要です：

{"_v": "1.0", "count": 2, "results": [
  {"source": "node", "id": "002d9c22", "name": "Decision: we chose Postgres over SQLite for the analytics service beca", "type": "learned_decision", "description": "we chose Postgres over SQLite for the analytics service because we needed concurrent writers", "relevance": 1.0},
  {"source": "experience", "id": "d0710c2f", "type": "decision", "content": "we chose Postgres over SQLite for the analytics service because we needed concurrent writers", "confidence": "high", "relevance": 1.0}
]}

kn_learnは永続的なグラフノードと減衰する経験の両方を保存しました（高信頼度は両方を行います。信頼度ルーティングを参照）。kn_recallは3語のトピックから両方を見つけました。

いつでもkairn status ~/brainをスモークテストとして実行してください - JSON統計ブロック（ノード/エッジ/経験の数）が出力されれば、ワークスペースは正常です。手動で行う代わりに、すべてのコア機能のスクリプト化されたツアーが必要ですか？kairn demo ~/brainを実行してください - ノード作成、クエリ、経験の保存、学習、リコール、コンテキストを約30秒で一通り実行します。

どのツールをいつ使うか

22のツールは初日から頭に入れるには多いです。ほとんどのセッションではこれらだけが必要です：

その他すべて（kn_crossref、kn_related、kn_connect、kn_judge、kn_project/kn_projects/kn_log、kn_idea/kn_ideas、kn_promote_pending、kn_prune、kn_remove、kn_status、kn_doctor）は高度な使用法です - 基本を理解したら、下の完全な22ツールリファレンスを参照してください。

22ツール（kn_プレフィックス）

すべてのツールはMCPプロトコルに従い、JSONレスポンスを返します。

グラフ（6）

プロジェクトメモリ（3）

経験メモリ（5）

アイデア（2）

インテリジェンス（5）

診断（1）

リソースとプロンプト

リソース（MCP クライアント向けの読み取り専用コンテキスト）:

• kn://status - グラフの概要、アクティブなプロジェクト

• kn://projects - すべてのプロジェクトと最近の進捗

• kn://memories - 最近の関連性の高い経験

プロンプト（セッション管理）:

• kn_bootup - アクティブなプロジェクト、最近の進捗、上位の記憶を読み込む（セッション開始時）

• kn_review - セッションを要約し、次のステップを提案する（セッション終了時）

仕組み

アーキテクチャ

Any MCP Client (Claude, Cursor, VS Code)
        │
        ▼ MCP Protocol (stdio)
FastMCP Server (22 tools)
        │
   ┌────┼────┐
   ▼    ▼    ▼
Graph  Memory  Intelligence
Engine Engine  Layer
   │    │      │
   └────┼──────┘
        ▼
   SQLite + FTS5
   (per-workspace)

減衰モデル

経験は指数関数的に関連性が低下します:

relevance(t) = initial_score × e^(-decay_rate × days)

半減期は、推測ではなく、本番の経験ストアの実際のアクセステールに基づいて調整されています（例外: preference はアクセス履歴のない新しいタイプのため、その値は実データが蓄積されるまでの文書化された初期推定値です）。

kn_learn による信頼度ルーティング:

• high → 永続ノード + 経験（減衰なし）

• medium → 2 倍減衰の経験

• low → 4 倍減衰の経験

• 自動昇格: 5 回以上のアクセス → 永続ノード

• ノードアクセストラッキング: kn_recall、kn_context、kn_crossref はアクセスされたノードを記録し、減衰および昇格パイプラインに供給します

ベンチマーク

Kairn は LongMemEval-S で総合 56.2% を記録しています（500/500 問採点、 GPT-4o リーダー + ジャッジ、単一実行、エラー 0）。以下は実際のカテゴリ別 数値で、悪い結果も含みます - 各赤いセルはその診断へのリンクです:

500 問には 30 問の棄権バリアント（正解は回答を辞退すること）が含まれます。 これらは上記の各カテゴリ内でカウントされ、別途採点されます: Kairn はそのうち 96.7% で正しく棄権します。

呼び出しレイテンシはクエリあたり約 1.4 ms です（FTS5、インプロセス、ネットワークなし）。プロトコル、 誠実性に関する注記、再現手順: BENCHMARKS.md。

このスコアカードは最新の状態を維持します: リコールに影響を与えるリリースは毎回 これらの数値を再公開し、弱点セルは数値が実際に動くまで掲示されたままです。 選りすぐりの実行も、隠されたカテゴリもありません。

CLI

kairn init <path>              # Initialize workspace
kairn serve <path>             # Start MCP server (stdio)
kairn status <path>            # Graph stats
kairn demo <path>              # Interactive tutorial
kairn benchmark <path>         # Local performance benchmarks (latency, not LongMemEval)
kairn token-audit <path>       # Audit tool token usage
kairn import git <path> <repo>...  # Import git commit history (zero-LLM, offline)
kairn import claude-code <path>    # Import Claude Code session history (zero-LLM, offline)

履歴のインポート

kairn import git <workspace> <repo>... は、1 つ以上のローカル git リポジトリから Kairn ストアをバックフィルします（$0 で、LLM 呼び出しなし、ネットワーク呼び出しなし）。Conventional-commit プレフィックスは経験タイプにマッピングされます（fix: -> solution、feat:/refactor:/perf: -> pattern、 その他すべて -> decision）。マージコミットはスキップされます。インポートされた経験は、あなたの有機的な知識とは別の専用の imported-git 名前空間に配置されるため、常に区別可能で、不適切なインポートは完全に元に戻せます。

kairn import git ~/brain ~/code/my-project --dry-run   # Preview first
kairn import git ~/brain ~/code/my-project              # Then import for real
kairn import git ~/brain ~/code/proj-a ~/code/proj-b --since 2026-01-01

冪等 - 再実行すると、まだインポートされていないコミットのみがインポートされるため、リポジトリの履歴が成長しても 再実行しても安全です。

Claude Code トランスクリプト

kairn import claude-code <workspace> は、既存の Claude Code セッション履歴から Kairn ストアをバックフィルします。こちらも $0 で完全にオフラインです。--root を指定しない場合は ~/.claude/projects（および 2 つ目のアカウントがある場合は ~/.claude-secondary/projects）をスキャンします。 --root PATH は繰り返し指定可能なオーバーライドです。インポートされた経験は独自の imported-claude-code 名前空間に配置されるため、有機的な知識と区別され、不適切なインポートは元に戻せます。

kairn import claude-code ~/brain --dry-run              # Review exactly what would be stored
kairn import claude-code ~/brain                        # Import (prompts once before writing)
kairn import claude-code ~/brain --root ~/other/projects --since 2026-01-01 --yes

保存される内容（粗いモード）: セッションごとに 1 つの経験 - セッションのタイトルと そのセッションの最初のプロンプト。これは意図的に、細かい決定ごとの抽出ではなく、低詳細・高精度の サマリーです。ゼロ LLM のルールベース抽出器では、捕捉された決定と通常の計画中の雑談を 確実に区別できないため、import claude-code はノイズの多い断片ではなく、クリーンなセッションレベルの ポインターをインポートします。これは完全なトランスクリプトアーカイブではなく、一度きりの移行でもありません - 冪等であり、履歴が成長するにつれて再実行することを意図しています。

プライバシー。 保存されるすべての文字列は、まず決定的なシークレットリダクターを通過します （API キー、Authorization/Bearer ヘッダー、password=/token=/secret= の代入、 一般的なベンダーキー形状、秘密鍵ブロック、URL に埋め込まれた認証情報）。ツール出力と ツール呼び出しブロックは決して読み取られず、あなた自身のプロンプトテキストのみが対象です。リダクターは多層防御であり、 唯一の制御ではありません。実際の（ドライランではない）実行は明示的な確認の背後にゲートされ、 --dry-run は何かを書き込む前に、リダクション後の正確なテキストを表示します。リダクションは そのルールセットに制限されるため、最初の実際のインポート前の --dry-run レビューが推奨されます。 何もあなたのマシンから外部に出ることはありません。

設定

KAIRN_LOG_LEVEL=INFO|DEBUG|WARNING    # Default: WARNING
KAIRN_DB_PATH=~/brain/.kairn         # Default: {workspace}/.kairn
KAIRN_CACHE_SIZE=100                  # LRU cache entries
KAIRN_JWT_SECRET=<your-secret>        # Required for team features

開発

git clone https://github.com/primeline-ai/kairn
cd kairn
pip install -e ".[dev,team]"
pytest tests/ -v --cov
ruff check src/ && ruff format src/

プロジェクト構造

src/kairn/
├── server.py              # FastMCP server + 22 tools
├── cli.py                 # CLI commands
├── config.py              # Configuration
├── core/
│   ├── graph.py           # GraphEngine (6 tools)
│   ├── memory.py          # ProjectMemory (3 tools)
│   ├── experience.py      # ExperienceEngine (4 tools)
│   ├── ideas.py           # IdeaEngine (2 tools)
│   ├── intelligence.py    # IntelligenceLayer (5 tools)
│   └── router.py          # ContextRouter
├── storage/
│   ├── base.py            # Storage interface
│   └── sqlite_store.py    # SQLite + FTS5 implementation
├── models/                # Data models
├── events/                # Event bus
└── auth/                  # JWT + RBAC (team feature)

パフォーマンス

最新のハードウェアでの一般的な操作時間:

使用プロジェクト

ライセンス

MIT

PrimeLine エコシステムの一部

@PrimeLineAI · primeline.cc · 無料ガイド