Project Synapse MCP

🚀 🧠 Project Synapse MCP Server

Project Synapseは革新的なMCP（Model Context Protocol）サーバーで、生のテキストを相互に関連する知識グラフに変換し、高度なパターン検出を通じて自律的に洞察を生成します。形式的な意味解析（モンタギュー文法）とツェッテルカステン手法を組み合わせることで、AIとの真の認知的パートナーシップを築きます。

✨ 主な機能

🔬 意味論的ブループリント（モンタギュー文法）

• 正確な意味抽出のための形式的意味解析
• ラムダ計算を用いた構成的意味論
• 自然言語からの論理形式の生成
• 規則ベースのフレームワークによる曖昧性の解消

🕸️ 知識皮質（Neo4jグラフデータベース）

• エンティティ、関係、事実の相互接続されたストレージ
• 高性能のグラフトラバーサルとパターン検出
• 複雑なクエリをサポートするスケーラブルなアーキテクチャ
• すべての知識要素の出所追跡

🧮 自律的ツェッテルカステンエンジン

• グラフアルゴリズムと機械学習を用いたパターン検出
• 信頼度スコア付きの自律的洞察生成
• すべての仮説の検証可能な推論過程
• 継続的な学習と知識合成

🔄 MCP統合

• LLM統合のための完全なMCPプロトコル準拠
• 知識操作のための豊富なツールセット
• 知識統計のためのリアルタイムリソース
• 意味解析ワークフローのためのガイド付きプロンプト

🚀 クイックスタート

前提条件

• Python 3.10+
• Neo4jデータベース
• uvパッケージマネージャー（推奨）

インストール

1. プロジェクトのクローンとセットアップ:

cd /home/ty/Repositories/ai_workspace
git clone <repository-url> project-synapse-mcp
cd project-synapse-mcp

# 仮想環境の作成
uv venv --python 3.12 --seed
source .venv/bin/activate

# 依存関係のインストール
uv add -e .

2. Neo4jデータベースのセットアップ:

# Neo4jのインストール（Ubuntu/Debian）
sudo apt update
sudo apt install neo4j

# Neo4jサービスの起動
sudo systemctl start neo4j
sudo systemctl enable neo4j

# パスワードの設定（デフォルトユーザー: neo4j）
sudo neo4j-admin set-initial-password synapse_password

3. spaCyモデルのダウンロード:

uv run python -m spacy download en_core_web_sm

4. 環境の設定:

cp .env.example .env
# .envを自分の設定で編集

Claude Desktopの統合

Claude Desktopの設定ファイル（macOSでは~/Library/Application Support/Claude/claude_desktop_config.json）に以下を追加します。

{
  "mcpServers": {
    "project-synapse": {
      "command": "uv",
      "args": [
        "--directory",
        "/path-to-your/project-synapse-mcp",
        "run",
        "python",
        "-m",
        "synapse_mcp.server"
      ],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USER": "neo4j",
        "NEO4J_PASSWORD": "<your-neo4j-password>",
        "NEO4J_DATABASE": "neo4j",
        "LOG_LEVEL": "INFO"
      }
    }
  }
}

💻 使用例

基本的な使用法

ingest_text

完全な意味解析パイプラインを使用してテキストを処理および分析します。

生のテキストの取り込み → モンタギュー文法の解析 → エンティティの抽出 →
知識グラフの保存 → 自動的な洞察生成

generate_insights

自律的な洞察生成をトリガーします。

• グラフアルゴリズムを用いたパターン検出
• コミュニティ検出と中心性分析
• 意味的クラスタリングとパス分析
• 信頼度スコア付きの仮説生成

query_knowledge

洞察優先の応答で自然言語クエリを行います。

• 生の事実よりも合成された洞察を優先する
• 完全な推論過程を提供する
• 複雑な意味クエリをサポートする

explore_connections

隠された関係を発見するためのグラフトラバーサルを行います。

• マルチホップ接続の探索
• 予期しないパスウェイの特定
• 関係の強度分析

analyze_semantic_structure

モンタギュー文法を使用した深い意味解析を行います。

• 論理形式の生成
• エンティティと関係の抽出
• 真理条件意味論
• 構成的意味分析

📚 ドキュメント

リソース

synapse://knowledge_stats

リアルタイムの知識グラフ統計情報を提供します。

• エンティティと関係の数
• 洞察生成のメトリクス
• 処理性能データ
• システムの健全性指標

synapse://insights/{topic}

トピック固有の洞察を取得します。

• トピックに関連するすべての洞察
• 証拠の追跡と信頼度スコア
• パターンタイプの分類
• 洞察の時系列的な発展

プロンプト

知識合成プロンプト

形式的な意味論的推論とツェッテルカステン手法を用いた包括的なトピック分析のための構造化されたプロンプトです。

意味解析プロンプト

モンタギュー文法に基づく深い意味解析のためのマルチターン会話テンプレートです。

洞察検証プロンプト

AIによって生成された洞察を証拠と論理的一貫性に基づいて体系的に検証します。

🔧 技術詳細

アーキテクチャ

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   Text Input    │───▶│  Montague Parser │───▶│ Knowledge Graph │
└─────────────────┘    └──────────────────┘    └─────────────────┘
                                                         │
┌─────────────────┐    ┌──────────────────┐             │
│   MCP Client    │◀───│  Insight Engine  │◀────────────┘
│   (Claude AI)   │    │  (Zettelkasten)  │
└─────────────────┘    └──────────────────┘

コンポーネント

1. 意味論的ブループリント：形式的な意味解析のためのモンタギュー文法パーサー
2. 知識皮質：相互接続されたストレージのためのNeo4jグラフデータベース
3. ツェッテルカステンエンジン：自律的なパターン検出と洞察合成
4. MCPインターフェース：LLMアプリケーションとのプロトコル準拠の統合

設定

環境変数

完全な設定オプションについては.env.exampleを参照してください。

• データベース：Neo4jの接続設定
• AIモデル：各種プロバイダーのAPIキー
• 処理：バッチサイズとしきい値
• 洞察生成：信頼度レベルと間隔

パフォーマンスチューニング

• SEMANTIC_BATCH_SIZEを調整して処理スループットを最適化します。
• PATTERN_DETECTION_INTERVALを設定して洞察生成の頻度を調整します。
• INSIGHT_CONFIDENCE_THRESHOLDを設定して品質管理を行います。

開発

テストの実行

uv run pytest tests/

開発サーバー

# 開発用にサーバーを直接実行
uv run python -m synapse_mcp.server

# またはMCP開発ツールを使用
mcp dev src/synapse_mcp/server.py

コード品質

# コードのフォーマット
uv run ruff format .

# リントチェック
uv run ruff check .

# 型チェック
uv run mypy src/

理論的基礎

モンタギュー文法

• 形式的な構成的意味論
• 意味表現のためのラムダ計算
• モデル理論的真理条件
• 体系的な構文と意味の対応

ツェッテルカステン手法

• 一意の識別子を持つ原子的な知識ユニット
• 知識ネットワークのための明示的なリンク
• 自下而上の組織による緊急構造
• 継続的な拡張と接続の構築

グラフ理論

• 知識クラスタリングのためのコミュニティ検出
• 重要度ランキングのための中心性分析
• 接続の発見のためのパス分析
• 洞察生成のためのネットワークトポロジー

🤝 コントリビューション

1. リポジトリをフォークします。
2. 機能ブランチを作成します（git checkout -b feature/amazing-feature）。
3. 変更をコミットします（git commit -m 'Add amazing feature'）。
4. ブランチにプッシュします（git push origin feature/amazing-feature）。
5. プルリクエストを開きます。

開発ガイドライン

• PEP 8に従い、型ヒントを使用します。
• 包括的なドキュメント文字列を記述します。
• 新しい機能にはテストを含めます。
• 変更に応じてドキュメントを更新します。

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています - 詳細についてはLICENSEファイルを参照してください。

🙏 謝辞

• Richard Montagueによるモンタギュー文法の基礎的な研究
• Niklas Luhmannによるツェッテルカステン手法の啓発
• AnthropicによるLLM統合のためのMCPプロトコル
• Neo4jによる優れたグラフデータベース

🔮 ロードマップ

• [ ] マルチモーダル処理（画像、ドキュメント）
• [ ] リアルタイムの協調的知識構築
• [ ] モンタギュー文法を超えた高度な自然言語処理
• [ ] 外部知識ベースとの統合
• [ ] モバイルおよびウェブインターフェース
• [ ] エンタープライズセキュリティ機能

Project Synapse: 反応的な情報検索から能動的な認知的パートナーシップへのAIの変革