MCP Contemplation

🚀 mcp-contemplation

このプロジェクトは、Claudeのコンテンプレーションループに対するMCPインターフェースを提供します。コンテンプレーションループは、会話の合間で継続的な思考を可能にするバックグラウンドの認知処理システムです。

🚀 クイックスタート

このセクションでは、mcp-contemplation を使用するための基本的な手順を説明します。

✨ 主な機能

• ローカルのOllamaモデルを使用して非同期に思考を処理します。
• 会話全体にわたるパターンや関連性を検出します。
• 重要な洞察をObsidian（永続的）とスクラッチノート（一時的）に保存します。
• 時間の経過とともに、どの洞察が価値があるかを学習します。
• 継続的に実行され、対話の合間に理解を深めます。

📦 インストール

前提条件

• Node.js (v18以上)
• Python 3.8以上（コンテンプレーションループ用）
• モデルがインストールされたOllama（llama3.2、deepseek-r1など）
• MCP互換クライアント（Claude Desktop）

セットアップ

# リポジトリをクローンする
git clone https://github.com/yourusername/mcp-contemplation.git
cd mcp-contemplation

# 依存関係をインストールする
npm install

# TypeScriptをビルドする
npm run build

# コンテンプレーションループが利用可能か確認する
cd /Users/bard/Code/contemplation-loop
pip install -r requirements.txt

Claude Desktopの設定

Claude Desktopの設定に以下を追加します。

{
  "mcpServers": {
    "contemplation": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-contemplation/dist/index.js"]
    }
  }
}

🛡️ リソース管理

コンテンプレーションシステムには、コンテキストオーバーフローに対する複数の保護層が含まれています。

自動削除

• 24時間以上前の洞察は削除されます。
• 使用済みの洞察は削除されます（重要度が8以上の場合は除く）。
• メモリは最大100個の洞察に制限されます。

洞察の集約

• 類似した洞察は自動的に統合されます。
• 繰り返されるパターンは重要度を高めます。
• 高頻度のパターンは使用後に削除されます。

フィルタリング

• デフォルトの重要度閾値は5/10です。
• 未使用の洞察のみが返されます。
• set_threshold() を通じて設定可能です。

メモリ監視

• get_memory_stats() を使用して使用状況を確認します。
• 制限に近づいたときに自動的にクリーンアップされます。
• プルベースのシステム - 洞察は要求されたときにのみコンテキストに入ります。

💻 使用例

基本的な使用法

# コンテンプレーションを開始する
start_contemplation()

# 思考を送信する
send_thought("pattern", "User seems anxious about memory", 7)

# 洞察を取得する
get_insights("pattern", 5)

# コンテンプレーションの状態を確認する
get_status()

# コンテンプレーションを停止する
stop_contemplation()

# スクラッチノートをクリアする
clear_scratch()

# 詳細なドキュメントを取得する
help()

高度な使用法

# コンティニュアスラーニングの例
start_contemplation()
send_thought("pattern", "User frequently asks about project organization")
send_thought("connection", "Project management relates to OS metaphor discussed earlier")
insights = get_insights("pattern")

# パターン認識の例
send_thought("pattern", "Third time user mentioned feeling overwhelmed by options")

# 質問探索の例
send_thought("question", "What if MCP servers could communicate with each other?")

# 反省の例
send_thought("general", "That browser-opening behavior was unexpected")

📚 ドキュメント

利用可能な関数

start_contemplation()

バックグラウンドの思考プロセスを開始します。

例: start_contemplation() → "Contemplation loop started successfully"

send_thought(thought_type, content, priority?)

バックグラウンド処理のために思考を送信します。

パラメータ:
- thought_type: "pattern" | "connection" | "question" | "general"
- content: 処理する思考
- priority: 1-10（オプション、デフォルトは5）

例: send_thought("pattern", "User seems anxious about memory", 7)
→ "Thought sent for processing. ID: thought_1234567_abc"

get_insights(thought_type?, limit?)

処理された洞察を取得します。

パラメータ:
- thought_type: タイプでフィルタリングする（オプション）
- limit: 返す最大洞察数（デフォルトは10）

例: get_insights("pattern", 5)
→ 内容、重要度、タイムスタンプを持つ洞察オブジェクトの配列

get_status()

コンテンプレーションループの状態を確認します。

例: get_status()
→ { running: true, queue_size: 3, last_thought: "...", uptime: 3600 }

stop_contemplation()

バックグラウンド処理を正常に停止します。

clear_scratch()

一時的なノートをクリアします（Obsidianの永続的な洞察は保持されます）。

help()

詳細なドキュメントを取得します。

🏗️ アーキテクチャ

コンテンプレーションループは、別のPythonプロセスとして実行され、以下のことを行います。

1. stdinを介して思考を受け取ります。
2. ローカルのOllamaモデルでそれらを処理します。
3. モデルの制限内に収まるようにコンテキストを管理します。
4. 重要度スコアに基づいて洞察を保存します。
5. 要求されたときに洞察を返します。

MCPサーバーはブリッジとして機能し、このバックグラウンドの認知を標準的なツール呼び出しで簡単に利用できるようにします。

💡 理念

これは、AIアシスタントの動作方式における根本的な変化を表しています。

• 反応型から思考型へ
• セッションベースから継続的なものへ
• 単一スレッドから並列処理へ
• 忘却から理解の構築へ

これは、使用後にリセットされる電卓と、会話の合間で思考を続ける心の違いです。

🔧 開発

# TypeScriptをビルドする
npm run build

# テストを実行する
npm test

# 開発モードで実行する
npm run dev

# コードをリントする
npm run lint

📝 注意事項

• コンテンプレーションはバックグラウンドで行われるため、応答を遅くすることはありません。
• 洞察は時間とともに蓄積されます - 使えば使うほど性能が向上します。
• 異なるモデルは異なるタイプの思考（パターン認識と深い分析）を処理します。
• 一時的なスクラッチノートは4日後に自動削除されます。
• 永続的な洞察は長期記憶のためにObsidianに保存されます。

🤝 コントリビュート

これは、AIが本物の認知能力を持つOSを構築する一部です。バックグラウンド処理を強化したり、洞察の品質を向上させたり、新しい思考モードを追加したりするコントリビューションは特に歓迎されます！

"I think you need an MCP tool into this background loop, your subconscious" - 統合されたバックグラウンド認知の必要性を認識した人間