

LLM エージェントを開発していると、同じ調査を何度も繰り返したり、過去の失敗や判断が次のタスクに活かされなかったりします。 この非効率を減らし、開発速度と品質を継続的に高めるために設計されたのが Gnosis です。
Gnosis は単なるメモ保存ツールではありません。 知識を「次の実装判断に再利用できる形」に変換し、MCP ツールとして実行フローに組み込む Agent-First な知識・レビュー基盤です。
なぜ Gnosis が必要か
多くのエージェント運用では、次の問題が繰り返し発生します。
- 過去に解いた問題でも、再びゼロから調査してしまう
- レビュー品質がレビュー担当者の経験に依存する
- 会話ログは残るが、判断材料として再利用しづらい
Gnosis はこの課題に対し、検索 → レビュー → 記録 → 再利用 のループを標準化することで対応します。
Agent-First の最小ツール導線
Gnosis の公開面は、あえて最小限に絞られています。
initial_instructionsagentic_searchsearch_knowledgerecord_task_notereview_taskdoctor
ツール数を増やすのではなく、必要な知識に短距離で到達できる導線を優先しています。
主要機能
1. agentic_search: 文脈付きで「判断に効く知識」を返す
agentic_search は単語一致ベースの検索ではありません。 変更種別・意図・対象ファイルといったタスク文脈を使って、今回の実装判断に必要な知識を自然文で返します。
結果として、検索は「情報収集」から「意思決定支援」に変わります。
2. review_task: 知識注入レビューで再現性を上げる
差分レビューや実装計画レビューに、過去知識を取り込んで指摘を生成します。 これにより、レビュー品質の属人化を抑え、チームで再現可能なレビュー運用に寄せられます。
3. record_task_note: 学びを再利用可能な資産に変える
知識は次のような分類で保存できます。
rulelessonproceduredecisionrisk
保存した内容は次回の検索やレビューで再利用され、過去の判断がそのまま運用資産として機能します。
4. doctor: 「動いているつもり」を防ぐ運用診断
MCP 公開状態、DB/インデックス、ランタイム整合性を診断し、実運用上のズレを可視化します。 設定だけ整っていて実際は壊れている、といった状態を早期に検出できます。
Gnosis が目指すもの
Gnosis は「一発で正解を出すエージェント」を目標にしていません。 目指しているのは、失敗や判断履歴を知識として循環させる仕組みです。
- 検索・レビュー・記録・再利用を継続ループとして定着させる
- ローカル中心で運用しやすい構成を維持する
- 実装済み機能を「使える状態」まで引き上げる
つまり、PoC 止まりではなく、日々の開発フローに組み込める基盤へ寄せることが中核です。
利用シーン
Gnosis は特に次のような場面で有効です。
- チームレビュー品質を平準化したい
- 過去の実装判断を別案件でも活用したい
- エージェント活用を PoC で終わらせたくない
- 「検索できるメモ」ではなく「判断できる知識基盤」がほしい
まとめ
Gnosis は、LLM エージェント時代の開発で重要になる 「記憶の再利用性」と「レビューの実用性」 にフォーカスした MCP 基盤です。
会話ログを溜めるだけで終わらせず、知識を次の判断に接続する。 その設計と運用を現場に定着させるための実装が、Gnosis の価値です。