Core Infrastructure // SERVICES

Ripen
The Shared Memory Hub for AI Teams

Cross-PC, cross-account, and cross-tool knowledge sharing. Connect N agents to 1 centralized hub to end AI 'Multi-Personality Disorder'.

Production Ready
Open Source

Ripen: End the "AI Multi-Personality Disorder"

Ripen is a high-performance, centralized memory infrastructure designed for the multi-agent era. By acting as an SSE Hub, Ripen enables seamless knowledge sharing across different AI tools (Cursor, Claude Code, Antigravity, Gemini CLI), different accounts, and even different physical machines within a team.


1. 概要: AI 駆動開発の「多重人格障害」を治す

AI 駆動開発が加速する一方で、新たな問題が発生しています。それは、**「AI ツール間、およびチームメンバー間での知識の断絶」**です。

  • Cursor で決めた設計方針を、ターミナルの Gemini CLI は知りません。
  • 開発者 A が解決したバグの知見を、開発者 B の AI エージェントは参照できません。

Ripen は、チームのどこかで常駐する「共有黒板」として機能し、すべての AI エージェントが同一の知識ベースを読み書きできるようにすることで、このサイロ化を根本から解決します。

2. 核心的な差別化:stdio (1:1) から SSE Hub (N:1) へ

一般的な MCP メモリサーバーの多くは stdio トランスポートを使用しており、1つの IDE と 1つのサーバーが 1:1 で接続される限定的な構造です。

Ripen は SSE (Server-Sent Events) ハブ として動作します。

  • N:1 接続: 複数の IDE、複数のユーザーが、同一の知識ベース(Single Source of Truth)に同時かつ自動的に接続します。
  • クロスプラットフォーム・クロスアカウント: 物理的に異なる PC や、異なるアカウントで稼働する AI エージェント同士でも、プロトコル層(MCP over SSE)を通じて知識を同期できます。

3. 3つの記憶レイヤーと知識の「熟成」

Ripen は単なるベクター検索ツールではありません。AI が「文脈」を理解し、自己組織化するための多層構造を持っています。

Logic Graph (構造化記憶 / 形式知)

AI 自身がエンティティ(技術、人、概念)とその関係性を抽出し、ネットワークとして記録します。単なる検索ではなく「論理的な推論」を支援します。

Memory Bank (静的記憶 / 深い文脈)

Markdown ベースの技術仕様書やルールを管理します。人間による直接編集や Git での差分管理が可能で、AI がプロジェクトの「憲法」として参照します。

Thought Log (推論プロセス / 思考の蒸留)

AI の「Sequential Thinking(逐次思考)」をすべて記録します。セッション終了後、AI は自らの思考を振り返り、将来役立つ知見だけをグラフへ「蒸留(Distillation)」します。

知識のライフサイクル管理

知識は保存されて終わりではありません。Ripen は、知識の 成熟(Ripening)減衰(Decay) を管理します。頻繁に使われる知識は強化され、古くなった情報は自動的にアーカイブされることで、常に新鮮なコンテキストを維持します。

4. テクニカル・ハイライト (Plan A Strategy)

「複雑さよりも信頼性」を優先し、極限まで実用性を高めた設計です。

  • 超低レイテンシ: SQLite + FAISS (Local-first) により、検索レスポンス 12ms 以下 を実現。
  • ゼロコンフィグ & Graceful Degradation: LLM (Ollama/Gemini) が未設定の状態でも、基本機能(ベクトル検索、グラフ操作)は完全に動作します。
  • ローカルファースト・プライバシー: 埋め込みエンジンに FastEmbed を採用。データは 100% 手元の環境で完結し、外部 SaaS への依存を最小限に抑えます。
  • 監査とアカウンタビリティ: audit_logs により、「どの AI が、いつ、どの知識を参照/変更したか」を完全に追跡可能です。

5. クイックスタート

uvx を利用すれば、Python 環境の構築すら不要で 3 分以内に導入可能です。

# 1. 親機 (Hub) の起動
uvx ripen --sse

# 2. 初期設定 (モードで 'hub' を選択)
uvx ripen-init

# 3. 子機 (Client) の登録 (Hub URL を入力するだけ)
uvx ripen-register --hub-url http://<hub-ip>:8377

"Every MCP memory server is 1:1. Ripen is N:1."

ツールを問わず、アカウントを問わず、チーム全員の AI が同じ「記憶」を共有する。それが Ripen が提供する、次世代の AI 駆動開発インフラです。

GitHub Repository (OSS)

Ready to enhance your
intelligence?