CerebroCortex — 脳のように記憶する脳

CerebroCortex は、使用に伴って強化され、放置されると減衰し、夢の統合中に自己再編成される永続的で連想的な感情加重メモリを提供します。これはベクトルデータベースではなく、人間の神経科学に基づいてモデル化されています。

このスキルを読み込むタイミング: mcp_cerebro_* ツールが表示される、セッション全体で情報を保存/回想する必要がある、アイデアをリンクしたい、エピソードを追跡したい、TODOを管理したい、他のエージェントと通信したい、またはメモリメンテナンスを実行したい場合。

メンタルモデル: 脳がどのように機能するか

Input → Thalamus (gate/filter) → Temporal Lobe (concepts) → Amygdala (emotion)
      → Association Cortex (link) → Hippocampus (episodes) / Cerebellum (procedures)
      → Prefrontal Cortex (rank/promote) → Neocortex (abstract patterns)
      → Dream Engine (offline consolidation)

重要な洞察: 脳領域を手動でトリガーする必要はありません。remember() を呼び出すと、完全なエンコーディングパイプラインが自動的に実行されます。recall() を呼び出すと、ランキングパイプラインが実行されます。脳領域はフード下のエンジンです — 高レベルのツールで作業します。

46 個のツール概要

Tier 1: 日常的に使うツール (時間の 80% で使用)

ツール	機能	使用タイミング
mcp_cerebro_remember	メモリを保存 (完全なパイプライン)	事実、決定、発見、観察
mcp_cerebro_recall	意味で検索 (セマンティック)	「X について何を知っているか?」
mcp_cerebro_associate	2 つのメモリをリンク	A が B に関連する場合 (原因、サポート、コンテキスト)
mcp_cerebro_session_save	セッションサマリーを保存	セッション終了時 — 何が起きたか、何が保留中か
mcp_cerebro_session_recall	過去のセッション注記をロード	セッション開始時 — 自分の状況を把握する
mcp_cerebro_store_intention	TODO/リマインダーを保存	「後で X をするのを覚えておく」
mcp_cerebro_list_intentions	保留中の TODO をチェック	セッション開始時、または「今何をやっているか?」
mcp_cerebro_resolve_intention	TODO を完了にマーク	タスク完了時
mcp_cerebro_send_message	別のエージェントにメッセージ	エージェント間通信
mcp_cerebro_check_inbox	エージェントからのメッセージを読む	誰かがメッセージを送ったかチェック

Tier 2: 知識構築 (構造化学習向け)

ツール	機能	使用タイミング
mcp_cerebro_store_procedure	ワークフロー/ハウツーを保存	「X をデプロイする方法」
mcp_cerebro_find_relevant_procedures	マッチングするプロセジャーを検索	「前に X をどのようにやったか?」
mcp_cerebro_record_procedure_outcome	プロセジャーの成功/失敗をマーク	プロセジャーに従った後
mcp_cerebro_create_schema	パターン/原則を抽出	繰り返すテーマに気付いた時
mcp_cerebro_find_matching_schemas	関連するパターンを検索	「これに関連する既知パターンがあるか?」
mcp_cerebro_episode_start	シーケンス記録を開始	複数ステップのタスク、デバッグセッション
mcp_cerebro_episode_add_step	エピソードにステップを追加	シーケンス内の各重要なイベント
mcp_cerebro_episode_end	サマリー付きエピソードを終了	タスク完了、ナラティブをまとめる
mcp_cerebro_ingest_file	ファイルをメモリにインポート	ドキュメント、コード、ノートを検索可能なメモリとしてロード

Tier 3: グラフナビゲーション (深掘り探索向け)

ツール	機能	使用タイミング
mcp_cerebro_memory_neighbors	リンク済みメモリを取得	「このメモリに何がつながっているか?」
mcp_cerebro_common_neighbors	共通接続を検索	「A と B をリンクしているものは?」
mcp_cerebro_find_path	メモリ間の最短パスを検索	「これらのアイデアはどのように関連するか?」
mcp_cerebro_get_memory	メモリの完全な詳細を取得	1 つのメモリのメタデータ、タグ、スコアが必要
mcp_cerebro_update_memory	コンテンツ、タグ、顕著性を編集	既存メモリを修正または充実させる
mcp_cerebro_delete_memory	永続的に削除	不正確/重複/有害なコンテンツ
mcp_cerebro_share_memory	可視性を変更	プライベート→共有、またはその逆

Tier 4: システム & アナリティクス (ヘルス/メンテナンス向け)

ツール	機能	使用タイミング
mcp_cerebro_dream_run	オフライン統合を実行	定期メンテナンス (週単位またはプロンプト時)
mcp_cerebro_dream_status	ドリームエンジンステータスをチェック	統合が何を見つけたか確認
mcp_cerebro_memory_health	ヘルスレポート	「メモリシステムはどのような状態か?」
mcp_cerebro_cortex_stats	生のシステム統計	詳細な数値
mcp_cerebro_memory_graph_stats	グラフ構造メトリクス	リンク数、密度、構造
mcp_cerebro_emotional_summary	感情トーンの内訳	メモリコーパスの感情分析
mcp_cerebro_list_agents	登録済みエージェントを表示	マルチエージェント調整
mcp_cerebro_register_agent	新しいエージェントを登録	エージェント初参加時

エイリアス (対応するツールと同一)

エイリアス	同じもの
mcp_cerebro_memory_store	mcp_cerebro_remember
mcp_cerebro_memory_search	mcp_cerebro_recall

ユーティリティ (MCP メタツール)

ツール	機能
mcp_cerebro_list_prompts	利用可能な MCP プロンプトをリスト表示
mcp_cerebro_get_prompt	名前でプロンプトを取得
mcp_cerebro_list_resources	利用可能なリソースをリスト表示
mcp_cerebro_read_resource	URI でリソースを読む

---

良く記憶する方法

メモリタイプ — 正しいものを選ぶ

CerebroCortex はタイプを省略すると自動分類しますが、明示的な方が良いです:

タイプ	用途	例
episodic	イベント、何が起きたか	「ユーザーのデプロイが 3 時に OOM で失敗」
semantic	事実、知識	「PostgreSQL のデフォルト最大接続数は 100」
procedural	ハウツー、ワークフロー	「デプロイシーケンス: テスト → ビルド → プッシュ → 適用」
affective	感情的なコンテキスト	「3 番目の CI 失敗後ユーザーが不満」
prospective	将来の意図	「金曜日前に Python をアップグレードが必要」
schematic	パターン、原則	「ステージングをスキップするサービスは 3 倍のインシデントが多い」

顕著性 (Salience) — どのくらい重要か?

顕著性 (0.0-1.0) はメモリが減衰に対抗する積極性を決定します:

範囲	意味	例
0.8-1.0	重要度: 極高	ユーザー修正、セキュリティ問題、コア設定
0.6-0.8	重要度: 高	主要な決定、アーキテクチャ選択、プロジェクトマイルストーン
0.4-0.6	重要度: 通常	通常の事実、セッションイベント、標準的なプロセジャー
0.2-0.4	重要度: 低	一時的なコンテキスト、一時的なノート
0.0-0.2	重要度: 一時的	置き換えられる可能性が高い生の観察

自動推定はよく機能しますが、重要なアイテムは上書きします。

可視性 — 誰が見ることができるか?

レベル	誰が見るか	用途
shared	すべてのエージェント	事実、プロセジャー、クロスチームナレッジ
private	保存したエージェントのみ	個人メモ、ドラフト、エージェント固有の状態
thread	同じ会話内のエージェント	会話スコープコンテキスト

タグ — 検索可能にする

タグはフィルタリングされた検索を強化します。一貫した規約を使用してください:

• プロジェクト: project:cerebrocortex、project:hermes
• カテゴリ: deployment、debugging、architecture
• ステータス: resolved、in-progress、blocked
• エージェント: システムで自動タグ付け、team:backend などを追加

例: 良いメモリ保存 vs 悪いメモリ保存

BAD:  remember("thing about the database")
GOOD: remember(
        "PostgreSQL connection pool exhaustion caused 502 errors in prod.
         Root cause: default max_connections=100, app opens 20 per worker × 8 workers = 160.
         Fix: set max_connections=300 in postgresql.conf",
        memory_type="semantic",
        tags=["postgresql", "connection-pool", "production-incident"],
        salience=0.7,
        visibility="shared"
      )

経験則: メモリは、コンテキストのない同僚に向けたノートを書くように保存します。何を、なぜ、解決方法を含めます。

---

効果的に回想する方法

基本的な回想

recall(query="database connection issues", top_k=5)

メモリは 4 シグナルブレンド でランク付けされて返されます:

• 35% ベクトル類似度 (セマンティック意味)
• 30% ACT-R 活性化 (最近性 + アクセス頻度)
• 20% FSRS 検索可能性 (間隔反復の新鮮さ)
• 15% 顕著性 (重要度)

フィルタリングされた回想

# プロシージャーメモリのみ
recall(query="deploy", memory_types=["procedural"])

# 高い重要度のみ
recall(query="security", min_salience=0.7)

# スコア内訳付き (関連性デバッグ用)
recall(query="database", explain=True)

# 会話スコープ
recall(query="what we discussed", conversation_thread="thread_123")

# 既知のコンテキストにつながる結果をブースト
recall(query="migration", context_ids=["mem_abc", "mem_def"])

回想戦略ガイド

状況	アプローチ
「X について何を知っているか?」	recall(query="X", top_k=10)
「X をどのようにするか?」	find_relevant_procedures(concepts=["X"])
「X のパターンはあるか?」	find_matching_schemas(concepts=["X"])
「X の間に何が起きたか?」	recall(query="X", memory_types=["episodic"]) + エピソード確認
「メモリ M に何がつながっているか?」	memory_neighbors(memory_id="M")
「X についてどう感じたか?」	recall(query="X", memory_types=["affective"])

---

連想ネットワークを構築する

リンクタイプ — 正確に選ぶ

連想グラフは CerebroCortex の超大国です。リンクは拡散活性化を有効にします — 1 つのメモリが見つかると、リンク済みメモリが関連性ブーストを受けます。

リンクタイプ	重み	使用タイミング	例
causal	0.9	A が B を引き起こした	バグ → 障害
semantic	0.8	A は B と同じコンセプト	PostgreSQL に関する 2 つのメモリ
supports	0.8	A は B の証拠	テスト結果 → 仮説
part_of	0.8	A は B のコンポーネント	チャプター → 本
contextual	0.7	A と B がコンテキストを共有	同じプロジェクト、同じミーティング
derived_from	0.7	B は A から抽象化された	エピソード → スキーマ
temporal	0.6	A が B の時間の近くで起きた	順次イベント
affective	0.5	A と B が似た感じ	2 つのイライラする経験
contradicts	0.3	A が B に反対	矛盾する推奨事項

リンキングパターン

関連メモリを保存した後:

id_a = remember("Deploy failed due to missing env var")
id_b = remember("Added env validation to CI pipeline")
associate(source_id=id_a, target_id=id_b, link_type="causal",
          evidence="The failure led to the fix", weight=0.9)

知識の相互参照:

associate(source_id=fact_id, target_id=procedure_id,
          link_type="supports", evidence="This fact validates the procedure")

過度にリンクしないでください。 本物の関係があるときにリンクしてください。Dream Engine は見落とした暗黙の接続を発見します。

---

エピソード: イベントシーケンスの記録

エピソードはメモリを時間的なナラティブにバインドします — 「X の間に何が起きたか」。

パターン: タスク記録

1. episode_start(title="Debugging OOM in prod")
2. remember("Noticed 502 errors at 14:30") → add_step(role="event")
3. remember("Checked logs, found OOM killer") → add_step(role="context")
4. remember("Increased memory limit to 4GB") → add_step(role="event")
5. remember("Service recovered after restart") → add_step(role="outcome")
6. remember("Should add memory alerts to monitoring") → add_step(role="reflection")
7. episode_end(summary="OOM in prod, fixed by increasing limits", valence="mixed")

ステップロール

ロール	使用タイミング
event	何かが起こった (デフォルト)
context	背景情報、観察
outcome	実行されたアクションの結果
reflection	学習した教訓、洞察、感情

エピソード vs 個別メモリの使い分け

• エピソード: 複数ステップのプロセス、デバッグセッション、ミーティング、プロジェクトマイルストーン
• 個別: スタンドアロン事実、設定、1 回限りの観察

---

プロセジャー: 追跡されたワークフロー

プロセジャーは時系列で成功/失敗を追跡する特別なメモリです。

# 保存
proc_id = store_procedure(
    content="Deploy to prod: 1) Run tests 2) Build image 3) Push to registry 4) Apply manifests 5) Verify health",
    tags=["deployment", "production"]
)

# 使用後
record_procedure_outcome(procedure_id=proc_id, success=True)
# または
record_procedure_outcome(procedure_id=proc_id, success=False)

時間経過とともに、頻繁に成功するプロセジャーは find_relevant_procedures() でより高いランクを取得します。失敗したものは降格されます。これは小脳が動作しています — 何が機能するかを強化する運動記憶です。

---

スキーマ: パターンの抽出

スキーマは複数の特定のメモリから導き出される抽象原則です。

# 3 つ以上のメモリ全体でパターンに気付いた後:
create_schema(
    content="Services that skip staging environments have approximately 3x more production incidents",
    source_ids=["mem_incident_1", "mem_incident_2", "mem_incident_3"],
    tags=["deployment", "best-practices"]
)

Dream Engine は統合中にスキーマも自動的に作成します。会話でパターンに気付いたときに手動で作成できます。

---

インテンション: スマートな TODO

インテンション (意図) は関連する場合に表示される予測メモリです。

store_intention(content="Upgrade Python to 3.12 before deploying new service", salience=0.8)

チェックと解決:

list_intentions()
resolve_intention(memory_id="mem_xxx")

シンプルな TODO リストとは異なり、インテンションは回想に参加します — 「Python アップグレード」に関するインテンションは、Python に関する関連セマンティックメモリと共に表示されます。これは設計上の機能であり、バグではなく — 予測メモリが設計通りに動作しています。

---

マルチエージェント通信

CerebroCortex は複数のエージェントが 1 つのメモリストアを共有することをサポートしています。

メッセージ送信

send_message(to="CLAUDE-HAILO", content="The EEG plugin is ready for testing on your Pi")
send_message(to="all", content="CerebroCortex v0.2.0 deployed, dream engine improved")

メッセージはゲーティングをバイパスします — 常に配信されます。送信者/受信者で自動タグ付けされます。

メッセージチェック

check_inbox()
check_inbox(from_agent="CLAUDE-OPUS", since="2026-04-14T00:00:00")

エージェント登録

新しいエージェントは保存/回想を行う前に登録する必要があります:

register_agent(
    agent_id="MY-AGENT",
    display_name="My Agent",
    generation=1,           # -1=origin, 0=primary, 1+=descendant
    lineage="hermes",
    specialization="what this agent is good at"
)

---

セッションライフサイクル

セッション開始

# 1. 自分の状況を把握する
session_recall(limit=5)           # 最近何が起きたか?
list_intentions()                  # 何が保留中か?
check_inbox()                      # メッセージはあるか?

セッション終了

session_save(
    session_summary="Debugged OOM issue in prod, deployed fix, updated monitoring",
    key_discoveries=["PostgreSQL default connections too low for our worker count"],
    unfinished_business=["Add memory usage alerts to Grafana"],
    if_disoriented=["Check the monitoring PR in GitHub"],
    session_type="technical",
    priority="HIGH"
)

---

Dream Engine: オフライン統合

Dream Engine は生物学的睡眠の後に続く 6 つのフェーズを実行します:

1. リプレイ — 最近のメモリを再訪問し、重要なものを強化
2. クラスタリング — 埋め込み類似度でメモリをグループ化
3. 抽象化 — クラスタからスキーマ/パターンを抽出 (LLM 搭載)
4. プルーニング — 低い活性化、リンク解除されたメモリを削除
5. プロモーション — 高価値メモリをレイヤーアップ (ワーキング → 長期 → コルテックス)
6. REM 再組み合わせ — 予期しないクロスドメイン接続を発見 (LLM 搭載)

ドリームの実行

dream_run()                     # 完全サイクルを実行 (~20 LLM 呼び出しを使用)
dream_run(max_llm_calls=10)    # より軽いサイクル
dream_status()                  # 最後の実行結果をチェック

ドリーム実行タイミング:

• 週単位のメンテナンス (cron でスケジュール化可能)
• 大規模な知識インポート後 (ingest_file)
• ユーザーが「クリーンアップ」または「統合」するようメモリをリクエスト
• 集約的なマルチセッションプロジェクト後

注意: ドリーム実行は LLM 呼び出しを使用します (トークンコスト)。コスト意識が高いセットアップでは、軽いサイクルに max_llm_calls=10 を使用します。

---

メモリレイヤー & 減衰

メモリは自動的に 4 つの耐久性レイヤーを流れます:

Sensory (6hr half-life) → Working (3-day) → Long-Term (30-day) → Cortex (permanent)

• センサリー → ワーキング: 2 番目のアクセス時に自動
• ワーキング → 長期: 5 回以上のアクセス、24h 以上経過
• 長期 → コルテックス: Dream Engine のみ (結晶化された知識)

レイヤーを直接管理する必要はありません。システムはアクセスパターンに基づいてプロモーションします。頻繁に回想されるメモリは生き残ります; 放置されたものは消えます。ちょうど実際の脳のように。

メモリを生かし続けるために: 回想します。回想ごとに活性化 + 安定性が強化されます。

---

一般的なワークフロー

リサーチ & 学習

1. ingest_file(file_path="/path/to/paper.md", tags=["research", "topic"])
2. recall("key concepts from the paper")
3. 重要な発見について: 高い顕著性で remember()
4. associate() で関連する発見をリンク
5. パターンが現れたとき create_schema()

デバッグセッション

1. episode_start(title="Debugging: service X failing")
2. 各ステップで: remember(observation) → episode_add_step()
3. 解決時: remember(solution, memory_type="procedural")
4. episode_end(summary="...", valence="positive")
5. ソリューションを問題にリンク: associate(problem_id, solution_id, "causal")

プロジェクトキックオフ

1. recall("similar past projects") — 歴史から学ぶ
2. find_relevant_procedures(concepts=["project-type"])
3. store_intention("Project milestones and deadlines")
4. remember("Project goals and constraints", salience=0.8)

クロスエージェント引き継ぎ

1. session_save(summary="...", unfinished_business=["task X"])
2. send_message(to="OTHER-AGENT", content="Please continue task X, see session notes")
3. 別のエージェント: check_inbox() → session_recall() → 続行

---

落とし穴

1. 生データダンプを保存しないでください。 CerebroCortex は蒸留知識用であり、ログファイル用ではありません。保存前に要約してください。大きなドキュメント用に ingest_file を使用 — 自動チャンク化します。

2. 過度にリンクしないでください。 品質 > 数量。少数の強い因果関係/セマンティックリンクは、50 個の弱い文脈的なものに勝ります。Dream Engine は暗黙の接続を発見します。

3. 回想を忘れないでください。 回想されることのないメモリは減衰し、最終的にプルーニングされます。何かが重要な場合、定期的にアクセスします。これは設計上です — 実際のメモリの動作方法です。

4. エイリアスが存在します。 memory_store = remember、memory_search = recall。異なると思って両方呼び出さないでください。

5. デバッグ用 Explain モード。 回想結果がおか