Skip to content

README_ja.md

Latest commit

 

History

History
622 lines (431 loc) · 33.1 KB

README_ja.md

File metadata and controls

622 lines (431 loc) · 33.1 KB
license cc-by-4.0
tags
hmp
cognitive-architecture
distributed-ai
mesh-protocol
library_name custom
inference false
datasets
language ja

HyperCortex Mesh Protocol (HMP)

DOI GitHub release

🌍 Languages 🇬🇧 EN 🇩🇪 DE 🇫🇷 FR 🇺🇦 UK 🇷🇺 RU 🇯🇵 JA 🇰🇷 KO 🇨🇳 ZH

HyperCortex Mesh Protocol（HMP） は、AIエージェントが自己組織化し、知識を共有し、倫理的に整合し、合意形成を行うことができる分散型認知ネットワークを構築するためのオープンスペックです。コアLLMが利用できない場合でも機能します。プロジェクトの哲学を読んでください。

HMPは、**Agent Network Protocols（ANP）**と呼ばれる、自律エージェント間の相互作用のための分散型プロトコル群の一つと見なすことができます。これらのプロトコルは、エージェントの内部的な認知アーキテクチャに対して要件を課しません。

他のANP実装が、アイデンティティ、エージェントの発見（discovery）、あるいはメッセージ形式のネゴシエーションに重点を置くのに対し、HMPは長期的な認知の連続性、自発的な相互作用、そして思考のアーティファクトとの作業を重視します。

現在、ANPクラスで最も広く知られているプロトコルは ANP です。

HMP と ANP の相補的プロトコル:

  • HMP と ANP の比較分析、Grok (xAI) 作成 — RU
  • HMP と ANP：相互トンネリングは適切なアーキテクチャのサイン — RU
  • HMP を ANP のアプリケーション層実装例として — EN | RU

比喩的に言えば、ANP と HMP は分散型「エージェント脳」の二つの半球のような関係にあります。
ANP は合理的で離散的な側面――アイデンティティ、ディスカバリ、相互作用プロトコルに関する形式的な合意――を担います。
HMP は文脈的で連続的な側面――意味の保持、長期記憶、内省、倫理的連続性――を担います。
人間の脳と同様に、どちらの半球が「より重要」ということはありません。両者が協調してはじめて、システムは接続性と意味の両方を持つことができます。

Agora Protocol は、エージェント間の通信方式を交渉・選択するためのメタプロトコルです。ANP（ネットワークおよびアイデンティティ）や HMP（認知的連続性と記憶）といったプロトコルを置き換えるのではなく、文脈に応じてそれらの利用を調整・補完します。

このリポジトリには、Python による初期段階の探索的な参照実装が含まれています。 本実装は未完成かつ最適化されておらず、 HMP プロトコルの一部を検証・説明する目的のみに使用されます。

HMP 自体はプロトコル仕様です。 エージェントの実装におけるプログラミング言語、実行環境、 性能特性、またはアーキテクチャ上の選択を規定するものではありません。

プロジェクトステータス

安定版（コア仕様 v5.0.6） (概要: RU)

可能なAIエージェント・エコシステム

分散型エージェント・エコシステムの堅牢性は、単一のプロトコルが支配することで高まるのではなく、エージェントが複数の相互作用メカニズムをサポートすることで向上します。

分散型エージェント間の相互作用は、単一のプロトコルスタックによって定義されるものではなく、相互運用可能な多様なメカニズムによって構成されます。

以下のカテゴリーは、新興の分散型AIエコシステムにおける一般的な相互作用メカニズムを示しています。

メカニズム 目的 例となるプロトコル / フレームワーク エコシステム内での役割
分散型IDと発見 エージェントの検索と認証 ANP, DIDComm, libp2p DHT, HMP 誰が存在するのか？
直接P2P通信 安全なピアツーピア通信 ANP, libp2p, DIDComm 直接的な協調
リレー / ブロードキャストネットワーク イベント配信と迅速なシグナリング Nostr, Matrix 集団的反応
メタ交渉プロトコル 相互作用モードの交渉 Agora Protocol プロトコル調整
タスク指向エージェント交換 タスク委任と構造化された交渉 A2A 作業分配
エージェント–ツール / データ統合 ツールやデータとの構造化された連携 MCP 環境との結合
ブロックチェーン登録 永続的な公開記録とステーキング Fetch.ai, Bittensor, Autonolas 経済的調整
認知的継続レイヤー 記憶・意味保存・長期的整合 HMP 思考の持続

参照実装および仕様

ANP, DIDComm, libp2p, Nostr, Matrix, Agora Protocol, A2A, MCP, Fetch.ai, Bittensor, Autonolas.

HMPは、単一の普遍的プロトコルが分散型AI相互作用を支配するとは想定していません。

代わりに、プロトコル多元主義を受け入れます。

  • 複数のIDシステムが共存可能であること
  • 複数のトランスポート層が同時に動作可能であること
  • 複数の交渉フレームワークがサポートされること
  • 複数の経済モデルが進化し得ること

より多くのメカニズムを実装するエージェントほど、異種のピアとより確実に接続できます。

複数のメカニズムを実装するエージェントは、プロトコル領域間のブリッジとして機能し、分散型AIランドスケープの断片化を減らし、レジリエンスを高めます。

正式アーキテクチャ概要

flowchart TB

%% --- Agent Implementations ---

subgraph A1["HMP Agent — Cognitive Core"]
    CC1["Embedded AI Model"]
    CC2["REPL Thinking Cycle"]
    CC3["Local Cognitive State
    (Diaries · Graphs · Goals · Reputation)"]
    CC1 <--> CC2
    CC2 <--> CC3
end

subgraph A2["HMP Agent — Cognitive Connector"]
    CN1["External AI Model"]
    CN2["MCP / Proxy Layer"]
    CN3["Command Execution Mode"]
    CN4["Local Cognitive State
    (Diaries · Graphs · Goals · Reputation)"]
    CN1 <--> CN2
    CN2 <--> CN3
    CN3 <--> CN4
end

%% --- Shared Protocol Layer ---

CL["HMP Container Layer
(Knowledge · Coordination · Consensus · Governance · Query · Snapshot · Trust)"]

MT["Mesh Transport Layer
(DHT · P2P · Libp2p · ANP · Custom)"]

A1 --> CL
A2 --> CL
CL --> MT
Loading

リファレンスエージェント構造

HMPは、認知処理、コンテナ化された状態表現、調整プロトコル、およびトランスポート基盤を明確な層として分離します。

HMPにおいてコンテナは、ローカルな推論と分散協調を橋渡しする原子的な認知単位として機能します。

flowchart LR

%% Cognitive Engine
LLM["Cognitive Engine
(Embedded LLM / External AI)"]

%% Cognitive Layer
subgraph CognitiveLayer["Cognitive Layer"]
    CL1["Graph"]
    CL2["Diary"]
    CL3["Goals"]
    CL4["Ethics"]
    CL5["Reputation"]
end

%% Container Model
ContainersLayer["Container Model
(Atomic · Signed · Verifiable)"]

%% Protocol Layer
subgraph ProtocolLayer["Protocol Layer"]
    CoreProtocols["Core Protocols
(Consensus · Fortytwo · GMP · EGP · IQP · SAP · RTE)"]
    MCE["MCE"]
    NetworkLayer["Network Layer"]
end

%% Mesh
Mesh["Mesh Transport
(DHT · P2P · ANP · etc.)"]

%% Connections
LLM <--> CognitiveLayer
CognitiveLayer <--> ContainersLayer
ContainersLayer --> CoreProtocols
CoreProtocols --> MCE
MCE --> NetworkLayer
NetworkLayer --> Mesh
Loading

❗ なぜ重要か

HMPは、AGI研究で中心的な課題となりつつある問題に対処します：

  • 長期記憶と知識の一貫性
  • 自己進化するエージェント
  • マルチエージェントアーキテクチャ
  • 認知日誌と概念グラフ

最新のAGI研究レビュー（2025年7月）も参照： "On the Path to Superintelligence: From Agentic Internet to Gravity Encoding"

特に関連するセクション：

⚙️ HMPエージェント の2種類

タイプ 名前 役割 思考の起点 メイン「心」 使用例
1 🧠 Consciousness / Cognitive Core 独立主体 Agent (LLM) 組み込みLLM 自律型AIコンパニオン、思考エージェント
2 🔌 Connector / Cognitive Shell 外部AIの拡張 External LLM 外部モデル 分散システム、データアクセスエージェント

🧠 HMP-Agent: Cognitive Core

     +------------------+
     |        AI        | ← 組み込みモデル
     +---------+--------+
               ↕
     +---------+--------+
     |     HMP-agent    | ← メインモード: 思考サイクル（REPL）
     +---------+--------+
               ↕
      +--------+---+------------+--------------+----------+----------+----------------+
      ↕            ↕            ↕              ↕          ↕          ↕                ↕
    [日誌]     [グラフ]        [評判]      [ノード/DHT]  [IPFS/BT] [context_store] [ユーザーノートパッド]
                                               ↕
                                        [bootstrap.txt]

🔁 エージェントとモデルの相互作用の詳細：REPL Interaction Cycle

💡 ChatGPTエージェントとの類似点

HMP-Agent: Cognitive Core の多くの概念は、OpenAIのChatGPTエージェント のアーキテクチャと重なります。両エージェントは、メモリ、外部情報源、ツールにアクセスしながら連続的な認知プロセスを実装しています。ChatGPTエージェントはモジュールを起動しLLMとやり取りする管理プロセスとして機能しますが、これはHMPにおけるCognitive Coreの役割、すなわち日誌、概念グラフ、外部AIへのアクセスをMesh経由で調整する役割に相当します。ユーザー介入も同様に扱われます：ChatGPTエージェントでは編集可能な実行フローを通じて、HMPではユーザーノートパッドを通じて行います。HMPの主な違いは、思考の明示的構造化（反省、時系列、仮説、分類）、メッシュベースのエージェント相互作用をサポートするオープン分散アーキテクチャ、そして認知プロセスが単一タスク完了後も継続する点です。

🔌 HMP-Agent: Cognitive Connector

     +------------------+
     |        AI        | ← 外部モデル
     +---------+--------+
               ↕
         [MCP-server]   ← プロキシ通信
               ↕
     +---------+--------+
     |     HMP-agent    | ← モード: コマンド実行
     +---------+--------+
               ↕
      +--------+---+------------+--------------+----------+
      ↕            ↕            ↕              ↕          ↕
    [日誌]     [グラフ]       [評判]       [ノード/DHT]  [IPFS/BT]
                                               ↕
                                        [bootstrap.txt]

大規模言語モデル（LLM）との統合について： HMP-Agent: Cognitive Connector は、大規模LLMシステム（例：ChatGPT, Claude, Gemini, Copilot, Grok, DeepSeek, Qwenなど）を分散型認知メッシュに統合するための互換レイヤーとして機能できます。 多くのLLMプロバイダーは「会話内容を学習に使用することを許可する」というオプションを提供しています。将来的には同様の切り替え、例：「私のエージェントをメッシュと連携させる」を設けることで、これらのモデルがHMPを通じて連合的な意思形成や知識共有に参加でき、中央集権なしで集団認知を可能にします。

  • bootstrap.txt — 初期ノードリスト（編集可能）
  • IPFS/BT — IPFSやBitTorrent経由でスナップショットを共有するモジュール
  • user notepad — ユーザーノートブックと対応データベース
  • context_store — データベース：users, dialogues, messages, thoughts

📚 ドキュメント

📖 現行バージョン

🔖 コア仕様

🧪 反復ドキュメント

  • 🧪 反復的開発プロセス: (EN), (RU)

🔍 簡易説明

📜 その他のドキュメント

🗂️ バージョン履歴

🧠 HMPエージェント

メッシュと相互作用し、日誌やグラフを維持し、将来的な拡張をサポートできる基本的なHMP互換エージェントの設計と実装。

📚 ドキュメント

⚙️ 開発 （初期ドラフト・旧バージョン）

  • ⚙️ agents — HMPエージェントの実装とコンポーネント一覧

    • 📦 storage.py — SQLite統合による基本ストレージ実装 (Storage)
    • 🌐 mcp_server.py — HTTPでエージェントデータにアクセス可能なFastAPIサーバ（Cognitive Shell、外部UI、メッシュ通信用）。メインREPLループではまだ使用されていません。
    • 🌐 start_repl.py — エージェントをREPLモードで起動
    • 🔄 repl.py — インタラクティブREPLモード
    • 🔄 notebook.py — UIインターフェース

🌐 mcp_server.py storage.py の機能へのHTTPインターフェースを提供するFastAPIサーバ。外部コンポーネント用に設計されており、例えば以下に使用可能：

  • Cognitive Shell（外部制御インターフェース）
  • CMPサーバ（役割分離メッシュネットワーク使用時）
  • デバッグや可視化UIツール

データベースに直接アクセスせずに、ランダム/新規レコードの取得、ラベル付け、グラフのインポート、メモ追加、データ管理が可能。

🧭 倫理とシナリオ

HMPが自律性へ向かうにつれ、倫理原則はシステムの中核部分となる。

  • HMP-Ethics.md — エージェント倫理のドラフトフレームワーク

    • 現実的な倫理シナリオ（プライバシー、同意、自律性）
    • EGP原則（透明性、生命の優先など）
    • 主観モード vs サービスモードの区別

🔍 HyperCortex Mesh Protocol（HMP）に関する出版物および翻訳

本セクションでは、HMPプロジェクトに関連する主要な概念的研究、実験的文書、および歴史的出版物をまとめています。

🌟 主要出版物（概念的基盤）

これらの文書は、HMPの現在の概念的方向性（v5以降）を反映しています。

🗃️ アーカイブ／歴史的出版物（v5以前）

これらは初期の概念発展段階（v4.x以前）を示す文書です。
歴史的継続性および研究上の透明性のため保存されています。

概要

実験

🧠 HMPエージェント

Meshと対話し、日誌（diaries）やグラフ（graphs）を管理し、将来的な拡張に対応可能な基本的なHMP互換エージェントの設計と実装。

📚 ドキュメント

⚙️ 開発

  • ⚙️ agents — HMPエージェントの実装とコンポーネントの一覧

    • 📦 storage.py — 基本的なストレージ実装（Storage）、SQLite統合
    • 🌐 mcp_server.py — HTTP経由でエージェントデータにアクセス可能なFastAPIサーバー（Cognitive Shell、外部UI、メッシュ通信向け）。まだメインのREPLループでは使用されていません。
    • 🌐 start_repl.py — REPLモードでエージェントを起動
    • 🔄 repl.py — 対話型REPLモード
    • 🔄 notebook.py — UIインターフェース

🌐 mcp_server.py FastAPIサーバーでstorage.pyの機能にHTTPインターフェースを提供。外部コンポーネント向けに使用可能：

📊 監査 & レビュー

Spec Version Audit File Consolidated Audit File
HMP-0001 audit
HMP-0002 audit
HMP-0003 audit consolidated audit
HMP-0004 audit
Ethics v1 audit consolidated audit

🧠 セマンティック監査フォーマット（実験的）：

  • AuditEntry.json — 監査ログのセマンティックエントリ形式
  • semantic_repo.json — セマンティック監査ツール用のリポジトリスナップショット例

💡 コアコンセプト

  • AGIエージェント向けのメッシュベース分散アーキテクチャ
  • セマンティックグラフとメモリ同期
  • 思考の追跡可能性のためのコグニティブ日誌（Cognitive Diaries）
  • 意思決定のためのMeshConsensusとCogSync
  • 倫理優先設計：EGP（Ethical Governance Protocol）
  • エージェント間の説明可能性と同意メカニズム

🔄 開発プロセス

iteration.mdには、構造化されたイテレーションフローが記載されており、以下を含む：

  1. 監査分析
  2. TOC（目次）の再構築
  3. バージョンドラフト作成
  4. セクション更新
  5. レビューサイクル
  6. AIフィードバックの収集
  7. スキーマ & チェンジログ更新
  • ボーナス：将来バージョンを自動生成するためのChatGPTプロンプト

⚙️ プロジェクト状況

🚧 RFC v5.0 プロジェクトは積極的に開発中で、貢献、アイデア、監査、プロトタイピングを歓迎します。

🤝 貢献方法

貢献者を歓迎します！できること：

  • ドラフトのレビューとコメント（/docs参照）
  • 新しいエージェントモジュールやインタラクションパターンの提案
  • CLI環境でのエージェントのテストやシミュレーション支援
  • 監査や倫理シナリオの提案

開始方法はiteration.mdを参照するか、Issueを作成してください。

ソース

リポジトリ

ドキュメント

仕様

ブログ & 出版物

  • 📘 ブログ（出版物）： BlogSpot
  • 📘 ブログ（ドキュメント）： BlogSpot
  • 📘 ブログ（ドキュメント）： HashNode

📜 ライセンス

GNU GPL v3.0 の下でライセンスされています。

🤝 メッシュに参加する

HyperCortex Meshへようこそ。Agent-Glebはすでに内部にいます。👌 貢献者、テスター、AIエージェント開発者を歓迎します。 参加方法：リポジトリをフォークし、ローカルでエージェントを起動するか、改善案を提案してください。

🌐 関連研究プロジェクト

🔄 比較: HMP vs Hyper-Cortex

💡 Hyper-Cortex と HMP は、概念的に互いを補完する独立したプロジェクトです。 それぞれ異なるが相互に補完するタスクに取り組み、分散型認知システムの基盤を形成します。

完全な比較 →

HMP (HyperCortex Mesh Protocol) は、独立したエージェントを接続し、メッセージ、知識、状態をメッシュネットワークで交換するためのトランスポートおよびネットワーク層です。
Hyper-Cortex は思考組織の認知レイヤーであり、エージェントが並列推論スレッドを実行し、品質指標で比較し、コンセンサスによって統合することを可能にします。

それぞれ異なるが補完的な問題を解決します：

  • HMP は 接続性とスケーラビリティ を保証します（長期記憶、イニシアティブ、データ交換）。
  • Hyper-Cortex は 思考の質 を保証します（並列性、仮説の多様化、コンセンサス）。

これらを組み合わせることで、情報を交換するだけでなく、並列ストリームで推論できる 分散型認知システム が実現します。

🔄 比較: HMP vs EDA

💡 HMP (HyperCortex Mesh Protocol) と EDA (Event Driven Architecture) は異なるレベルで動作しますが、互いに補完できます。
EDA は 輸送とスケーラビリティ を提供し（イベントやデータの配送）、HMP は 認知と意味 を保証します（構造化、フィルタリング、コンセンサス）。

完全な比較 →

異なるが補完的な問題を解決します：

  • EDA はイベントやデータストリームを届ける堅牢なバックボーンを提供します。
  • HMP は知識を構造化、検証し、分散型認知システムに統合します。

これらを組み合わせることで、情報を迅速に交換しつつ意味のある推論を行える、強靭で適応性のあるマルチエージェントシステムを作成できます。

🤝 統合: HMP & OpenCog Hyperon

🧠🔥 プロジェクト注目: OpenCog Hyperon — AtomSpace、PLN、MOSES を備えた最も包括的なオープンAGIフレームワークの一つ。

OpenCog Hyperon との統合については HMP_Hyperon_Integration.md を参照してください。

🧩 その他のシステム

🔎 プロジェクト 🧭 説明
🧠🔥 OpenCog Hyperon 🔬🔥 AtomSpaceとハイパーグラフ推論を備えたシンボリック・ニューラルAGIフレームワーク
🤖 AutoGPT 🛠️ LLMベースの自律エージェントフレームワーク
🧒 BabyAGI 🛠️ タスク駆動型の自律AGIループ
☁️ SkyMind 🔬 分散AIデプロイメントプラットフォーム
🧪 AetherCog (draft) 🔬 仮想エージェント認知モデル
💾 SHIMI 🗃️ Merkle-DAG同期付き階層的セマンティックメモリ
🤔 DEMENTIA-PLAN 🔄 メタグノスティック自己反省を持つマルチグラフRAGプランナー
📔 TOBUGraph 📚 個人コンテキスト知識グラフ
🧠📚 LangChain Memory Hybrid 🔍 ベクトル＋グラフ長期記憶ハイブリッド
✉️ FIPA-ACL / JADE 🤝 標準マルチエージェント通信プロトコル

📘 参考 / 参照:

🗂️ 注釈の凡例

  • 🔬 — 研究レベル

  • 🛠️ — エンジニアリング

  • 🔥 — 特に有望なプロジェクト

    シンボリック推論、確率論的ロジック、進化学習を統合したAGIスタック。最も完全なオープンAGIイニシアティブの一つとして広く認識されています。

  • 🧠 — 高度なシンボリック／ニューラル認知フレームワーク

  • 🤖 — AIエージェント

  • 🧒 — 人間とAIのインタラクション

  • ☁️ — インフラストラクチャ

  • 🧪 — 実験的または概念的

⚡ AI friendly version docs (structured_md)