今日の優良食堂
実際に入れて動かして書いた、今日の一膳
ギット飯が代わりに導入・実行・コードまで確かめました
今日の優良食堂 · ギット飯が代わりに導入・分析

volcengine/OpenViking

AI エージェント向けのコンテキストデータベース。知識・メモリ・スキルを仮想ファイルシステムで一元管理します。

Claude CodeやCursorに`viking://`という仮想ファイルシステムを差し込むだけで、メモリ・リソース・スキルが1つの階層構造として整理され、エージェントが「なぜその文脈を選んだか」をファイルパスで追えるようになります。L0/L1/L2の段階的ロードでトークン消費を抑えながら、検索トラジェクトリのログを見ればRAGの挙動を実際にデバッグできる感覚が味わえます。LoCoMoベンチマークでネイティブメモリ比最大3倍以上の精度向上が確認されており、Rust実装のragfsやov_cli、実テストスイート(plugin.test.mjsなど)を手元で動かして、その仕組みを今すぐ検証してみたくなります。

01 / 概要
何をするものか一文で言うと
ひとことでAI エージェント向けのコンテキストデータベース。知識・メモリ・スキルを仮想ファイルシステムで一元管理します。

OpenViking は、AIエージェントが持つ知識・記憶・スキルを一つの仮想ファイルシステム viking:// として統合管理する「コンテキストデータベース」です。Rustコア(ragfs)とPythonパッケージ、CLI、MCPサーバー、Web Studioから構成されています。mem0やsupermemoryなど既存メモリ製品と比較するベンチマーク群(locomo、longmemeval、RAGなど)も同梱されています。

02 / 構造
どう動くのか中核のしくみ
読み方動きの流れを図と一緒にほどきました。

コンテキストは viking://resources、viking://user/{id}/memories、skills のようなパス配下に配置され、エージェントは ls・tree・read・write・grep といったファイル操作でアクセスします。各ディレクトリにはL0(要約)・L1(概要)・L2(本文)の3層があり、エージェントは要約を先に読んでから本文を開くかを判断できます。Rust側は crates/ov_cli と crates/ragfs、crates/ragfs-python がワークスペースとして cargo でビルドされ、Python側の setup.py から呼び出されます。Dockerfile ではRustツールチェーン、Node(web-studio)、uv(Python)を多段ビルドでつなぎ、CLIとネイティブ拡張とStudioバンドルを1つのイメージにまとめています。agent-plugins ディレクトリには MCP プロキシ(mcp-proxy.mjs)とSKILL.md群があり、Claude Code や Codex からメモリ・スキル機能をMCP経由で呼び出せるよう設計されています。セッションをコミットすると会話がアーカイブされ、記憶がMarkdownとして抽出されるため、人が直接読んで編集できます。

03 / 体験
入れるとこんな体験になりますギット飯が実際にたどった順序
所要ギット飯が実際に導入・実行しながらたどった順序です。
  1. STEP 01

    Dockerfileを使ってビルドすると、Rustツールチェーン、Node(web-studio)、uvによるPython環境が多段で構築され、ov CLIとネイティブ拡張とStudioバンドルが1枚のイメージに収まる様子を確認できます。

  2. STEP 02

    cargo build または uv sync を実行すると、crates/ov_cli・ragfs・ragfs-pythonがビルドされ、rustc 1.91.1以上が要求されることに気づきます。

  3. STEP 03

    ov CLIで viking:// 配下を ls や tree、read で辿ると、記憶・リソース・スキルがディレクトリ構造として見え、ベクトルDBのような不透明さがないことを体感できます。

  4. STEP 04

    agent-plugins/mcp.json や .claude-plugin/marketplace.json をClaude CodeやCodexに登録すると、openviking-memoryなどのスキルがMCP経由で使えるようになります。

  5. STEP 05

    benchmark/locomo や benchmark/longmemeval 配下のrun_eval.pyを実行すると、mem0・supermemory・vikingbotなど他手法との比較評価が走り、judge結果の統計が出力されます。

  6. STEP 06

    web-studio/README.mdに従ってセルフホストすると、ブラウザ上でコンテキストの閲覧とセマンティック検索を試せます。

04 / 成果物
何が手に入るのか導入後に手元に残るもの

手元に残るのは、viking://として閲覧・編集可能な記憶・知識・スキルのディレクトリ構造と、それを操作するov CLI、MCP経由でエージェントに接続できるプラグイン群です。加えてlocomoやlongmemevalなどのベンチマークスクリプトを動かせば、他社メモリ製品との比較結果(judge統計)も得られます。

05 / 注意
ここは先に知っておいてください先に知っておくとよいこと
正直なところ誰にでも合うとは言いにくいところです。
01

ビルドにはRust 1.91.1以上、Node 24、uv(Python3.13)が同時に必要で、Dockerfileも多段構成のため準備コストが高めです。

02

ragfs-pythonはネイティブ拡張のコンパイルを伴うため、環境によってはビルド時間やccache設定の影響を受けやすいです。

03

ライセンスはAGPLv3のため、改変版をネットワーク経由で提供する場合はソース公開義務が発生する点に注意が必要です。

04

ベンチマークコードは各社サービス(mem0、supermemoryなど)のAPIキーを前提にしている箇所があり、それらを用意しない限り一部の比較検証は再現できません。

06 / 結論
ギット飯の結論食べてみる価値のある一膳か
ギット飯の最終判断優良食堂

エージェントの記憶・知識・スキルを「見える形」で管理したいチーム、特にベクトルDBのブラックボックス性に不満があり、viking://のようなファイルシステム的な透明性を求める開発者に向いています。README、Cargo.toml、Dockerfile、agent-plugins配下のテストファイル(plugin.test.mjs)、複数のベンチマークREADMEが整合的に同じアーキテクチャ(viking://・L0/L1/L2・MCPプラグイン)を裏付けているため、実機を動かさなくても構造と挙動の判断はこの資料だけで十分に信頼できます。

今日の残りの一膳
SUBSCRIBER LIBRARY
これまでに検証した優良食堂を一堂に

4 つの関門を通った優良食堂がすべてバックナンバーに集まっています。いちばん新しい一膳はどなたでも無料で読め、それより前の優良食堂の検証の根拠・詳しい解説は ギット飯 プレミアムのご購読ですでに開いています。

優良食堂バックナンバー →
リポジトリ詳細🧪 ひと言で味見する