Hypabase

🚀 Hypabase

Hypabaseは、出所情報とSQLite永続化機能を備えたPythonのハイパーグラフライブラリです。このライブラリは、複雑な関係を表現するためのハイパーグラフ構造を提供し、データの永続化や出所情報の追跡などの機能を備えています。

🚀 クイックスタート

インストール

uv add hypabase

簡単な使用例

from hypabase import Hypabase

hb = Hypabase("my.db")

# 5つのエンティティを接続する1つのエッジ
hb.edge(
    ["dr_smith", "patient_123", "aspirin", "headache", "mercy_hospital"],
    type="treatment",
    source="clinical_records",
    confidence=0.95,
)

# ノードを含むエッジをクエリする
hb.edges(containing=["patient_123"])

# エンティティ間のパスを見つける
hb.paths("dr_smith", "mercy_hospital")

✨ 主な機能

• ハイパーエッジ — 1つのエッジが2つ以上のノードを単一の関係で接続します。
• 出所情報 — すべてのエッジにsourceとconfidenceが含まれています。
• SQLite永続化 — データは自動的にローカルファイルに保存されます。
• O(1)の頂点集合ルックアップ — 正確なノード集合でエッジを見つけます。
• 名前空間の分離 — .database("name")を使用して、単一のファイル内でスコープ付きのビューを作成します。
• 出所情報のクエリ — sourceとmin_confidenceでフィルタリングし、sources()で要約します。
• メモリMCPサーバ — AIエージェントの永続的なメモリ用の7つのツール（remember, recall, forget, consolidate, connections, who_knows_what, resolve_contradiction）があります。
• CLI — hypabase init、hypabase node、hypabase edge、hypabase queryなどのコマンドが利用可能です。

📚 出所情報の管理

すべてのエッジにはsourceとconfidenceが含まれています。

hb.edge(
    ["patient_123", "aspirin", "ibuprofen"],
    type="drug_interaction",
    source="clinical_decision_support_v3",
    confidence=0.92,
)

# コンテキストマネージャを使用した一括出所情報
with hb.context(source="schema_analysis", confidence=0.9):
    hb.edge(["a", "b"], type="fk")
    hb.edge(["b", "c"], type="fk")

# 出所情報によるクエリ
hb.edges(source="clinical_decision_support_v3")
hb.edges(min_confidence=0.9)

# すべての出所の概要
hb.sources()

📚 名前空間の分離

単一のファイル内でデータを別々の名前空間に分離できます。

hb = Hypabase("knowledge.db")

drugs = hb.database("drugs")
sessions = hb.database("sessions")

drugs.node("aspirin", type="drug")
sessions.node("s1", type="session")

drugs.nodes()     # -> [aspirin]
sessions.nodes()  # -> [s1]

📚 ハイパーグラフとは？

通常のグラフでは、エッジは正確に2つのノードを接続します。一方、ハイパーグラフでは、1つのエッジ（ハイパーエッジと呼ばれる）が任意の数のノードを一度に接続することができます。

医療イベントを考えてみましょう。Dr. SmithがMercy HospitalでPatient 123に頭痛のためにアスピリンを処方する というイベントです。従来のグラフでは、これを2つのエッジ（医師-患者、医師-薬、患者-病院）に分割し、これらが1つのイベントに属することは推論になり、構造的なものではありません。ハイパーグラフはこれをネイティブに保存します。つまり、5つのエンティティを接続する1つのエッジとして保存します。

これが重要な理由は、現実世界の関係はしばしば2つ以上の要素を含むからです。論文には1人ではなく3人または4人の著者がいます。取引には買い手、売り手、商品、支払い方法が関係します。化学反応には両側に試薬と生成物があります。これらをペアに強制すると、グループ化が暗黙的になります。

出所情報の重要性

関係が異なる出所（手動入力、LLM抽出、センサーデータ、臨床記録など）から来る場合、それぞれの関係がどこから来たか、およびどれだけ信頼できるかを知る必要があります。Hypabaseは、すべてのエッジに2つのフィールド（source（起源を識別する文字列）とconfidence（0から1までの浮動小数点数））でこれを追跡します。これらのフィールドでクエリをフィルタリングし、hb.sources()でグラフ内のすべての出所の概要を取得できます。

ハイパーグラフの応用例

• 知識グラフ — 複雑な現実世界の関係を分解せずに表現します。
• エージェントメモリ — セッション間で持続するAIエージェント用の構造化された、クエリ可能なメモリです。
• バイオメディカルデータ — 薬物相互作用、臨床イベント、分子経路などです。
• RAGパイプライン — 抽出された関係を保存して、検索拡張生成に使用します。
• サプライチェーン、協力ネットワーク、および関係が2つ以上の要素を含むすべての場所

この広い考え方は、OpenCogのAtomSpaceにまでさかのぼるAI研究に根付いています。AtomSpaceは、AGI用の知識を表現するためにハイパーグラフのような構造を使用しています。最近の研究では、ハイパーグラフを特に検索と推論に適用しています。

• HyperGraphRAG — 医学、農業、コンピュータサイエンス、法律などの分野でのn-ary知識検索です。
• Cog-RAG — テーマレベルとエンティティレベルの検索を行うデュアルハイパーグラフ検索です。
• Hypergraph Memory for Multi-step RAG — 長文脈の関係モデリング用のハイパーグラフベースのメモリです。

📚 MCPサーバ

Hypabaseには、AIエージェントが構造化された永続的なメモリとして使用できるMemory MCPサーバが含まれています。Claude Code、Claude Desktop、Cursor、Windsurf、およびMCP互換のクライアントと互換性があります。

uv add hypabase
hypabase-memory

📚 CLI

uv add hypabase
hypabase init
hypabase node dr_smith --type doctor
hypabase edge dr_smith patient_123 aspirin --type treatment --source clinical_records
hypabase query --containing dr_smith
hypabase stats

📚 ドキュメント

docs.hypabase.app

📄 ライセンス

Apache 2.0