単なるObsidian×AI連携ではない。「RAGのMCP化」が創る最強のマルチAI手帳
最近、「Obsidian(ローカルMarkdownメモ)をAIと組み合わせる」というアプローチが世間で流行っています。しかし、私が今回最もこだわり、そして到達した結論は単なる連携ではありません。** それは、「Obsidianの情報をRAG(検索拡張生成)システムとして独立させ、さらにそれをMCP(Model Context Protocol)化する」**という設計です。
このアーキテクチャにより、私のObsidianは単なるメモ帳から、**あらゆるAI(市販のAIツールや自作のAIエージェント)から共通して参照できる「My手帳(汎用ナレッジベース)」**へと進化しました。
構成図(アーキテクチャ)
graph TD
subgraph Obsidian_Vault [Obsidian Vault]
NOTES["📝 My手帳 (Obsidian)日々の記録・アイデア"]
end
subgraph Unified_RAG_MCP [Unified RAG MCP - Raspberry Pi]
WATCHER["👁️ Watcher(3分待機で自動ベクトル化)"]
VECTOR_DB[("🗄️ SQLite Vector DB(Gemini Embeddings)")]
MCP_SERVER["🔌 MCP Server(RAG検索APIを提供)"]
NOTES -.->|ファイル更新検知| WATCHER
WATCHER -->|見出しベースで高速チャンク化| VECTOR_DB
VECTOR_DB |検索リクエスト| MCP_SERVER
end
subgraph AI_Clients [AI Clients - マルチアクセス]
ANTIGRAVITY["🤖 Antigravity(最先端のMCP対応AI)"]
GONRAS["🦅 Gonras(日々の対話をこなす独自AI)"]
ANTIGRAVITY |ツールとしてRAGを呼び出し| MCP_SERVER
GONRAS |ツールとしてRAGを呼び出し| MCP_SERVER
end
一般的なObsidian×AIの限界
よくある構成は、Obsidianのプラグインを使ってChatGPTを呼び出したり、特定のAIアプリにObsidianのフォルダを読み込ませたりするアプローチです。** しかしこれでは、「その特定のAI」からしか手帳を使えません。また、巨大な手帳データを毎回AIに読ませるのは非効率であり、すぐにコンテキスト(記憶枠)の限界に達してしまいます。
私がこだわった「RAGのMCP化」というブレイクスルー
そこで私は、Obsidianのデータを外部のRAG(ベクトルデータベース)として独立させました。 さらに、そのRAGシステムを話題のMCP(Model Context Protocol)サーバー**として包み込みました。これが最大のポイントです。
これにより、以下のような「マルチAIアクセス」が可能になりました。
-
独自AIエージェント(Gonras)からの利用** 私が自作したAIエージェント「Gonras」は、私と会話する中で「あ、これは手帳に書いてあったな」と思えば、MCP経由でRAGを検索し、文脈を踏まえた返答をしてくれます。
-
最先端AIツール(Antigravity等)からの利用**** GeminiやClaudeなどの最先端モデルを搭載したMCP対応ツールも、この「My手帳MCP」を接続するだけで、初対面なのに私の個人的な知識や背景(サーバーの設定から自転車の趣味まで!)をすべて理解したアシスタントに早変わりします。
究極の「My手帳」エコシステムの完成
-
人間**はただObsidianにメモを書くだけ。
-
**裏側(Watcher)**がそれを自動で高速にチャンク化(意味段落に分割)し、ベクトルDBを更新。
-
MCPを通じて、どんなAIエージェントも瞬時にその知識を引き出せる。
AIの進化は日進月歩で、明日にはもっと賢い新しいAIモデルが登場するでしょう。** しかし、この「RAGのMCP化」というアーキテクチャを組んでおけば、AIモデルがどれだけ変わろうと、「自分の脳(Obsidian)」をプラグのように新しいAIへ挿し込むだけ**で済みます。
これこそが、情報過多の時代を生き抜くための、真にポータブルで無敵な「My手帳」の姿です。