システム詳細概要 (Tauri 2 Edition)

📌 はじめに

本ドキュメントでは、SQLite Vector MCP Server の内部構造、各コンポーネントの責務、および最新のアーキテクチャに基づいたデータフローについて詳細に解説します。

🏗️ 主要コンポーネントと役割

Tauri v2 への移植に伴い、システムのコアロジックは高性能かつ型安全な Rust 側に集約されました。

1. Tauri Backend (Rust / `src/backend`)

モジュール	責務	使用技術
`src/backend/src/lib.rs`	アプリケーションのライフサイクル、Sidecar 起動、システムトレイ制御。	`tauri`, `tokio`
`src/backend/src/mcp.rs`	MCP プロトコル（JSON-RPC / SSE）の実装、ツールハンドリング。	`axum`, `serde_json`
`src/backend/src/db.rs`	データベース接続管理、スキーマ初期化、トリガー設定。	`sqlx`, `rusqlite`
`src/backend/src/entities/`	データベーステーブルの Rust 構造体マッピング。	`sea-orm`
`src/backend/src/llama.rs`	`llama-server` と整合した HTTP 通信、Embedding/Completion 依頼。	`reqwest`

2. Sidecar (LLM Server)

llama.cpp プロジェクトの llama-server を外部プロセスとして実行します。

Embedding: テキストを 384次元（Gemma 3 300M のデフォルト）のベクトルに変換。
Completion: 指定されたコンテキストに基づくテキスト生成。

3. Frontend (Webview2)

ユーザーへの状態通知（Sidecar の稼働状況、ログ出力のモニタリングなど）を行う軽量な UI です。

Status Hub: バックエンドからのイベントを受信し、GUI に反映。

🔄 詳細なデータフロー

1. 文書の登録 (`add_item_text`)

sequenceDiagram
    participant User as MCP Client
    participant Axum as MCP Handler (Axum)
    participant Llama as Llama Client
    participant Sidecar as llama-server
    participant SeaORM as SeaORM / DB
    
    User->>Axum: Call Tool: add_item_text(content)
    Axum->>Llama: generate_embedding(content)
    Llama->>Sidecar: POST /embedding
    Sidecar-->>Llama: [f32; 384]
    Llama-->>Axum: Vector Result
    Axum->>SeaORM: Transaction: Insert into items & vec_items
    SeaORM-->>Axum: Success (ID)
    Axum-->>User: JSON Response (ID, Datetime)

2. 日時管理と自動更新

データの一貫性と追跡可能性を確保するため、データベースレベルで以下の処理が行われます。

INSERT 時: created_at, updated_at に localtime が自動付与。
UPDATE 時: トリガーにより updated_at が現在の時刻に自動更新。

🛠️ 技術スタックの選定理由

なぜ Electron ではなく Tauri なのか？

ランタイムサイズ: Node.js を内蔵しないため、インストーラーサイズが 1/10 以下に。
メモリ効率: Rust によるメモリ管理により、常駐時のオーバーヘッドを最小化。
並列処理: tokio ランタイムを活用し、複数の MCP リクエストや Sidecar 管理を非同期で効率的に処理。

なぜ Knex ではなく SeaORM なのか？

型安全: コンパイル時にクエリの整合性を確認可能。
非同期対応: Rust の async/await にネイティブ対応しており、Tauri との相性が抜群。

📈 拡張性と今後の展望

マルチベクトル検索: 異なるモデル（例：画像・テキストのマルチモーダル）への対応。
全文検索 (FTS5) 統合: ベクトル検索とキーワード検索を組み合わせたハイブリッド検索の実装。
リモート LLM 対応: ローカル Sidecar だけでなく、OpenAI 互換 API へのフォールバック機能。