diff --git a/README.md b/README.md
index 4e767d8..24faf25 100644
--- a/README.md
+++ b/README.md
@@ -1,122 +1,137 @@
-# SQLite Vector MCP Server (Tauri + Rust)
+# 🦀 SQLite Vector MCP Server (Tauri 2 Edition)
 
-> 🦀 **Tauri 2 + Rust + SeaORM** を使用した、極めて軽量で高速な常駐型 MCP サーバー。
-> SQLite + `sqlite-vec` によるベクトル検索機能と、`llama.cpp` による LLM 連携を統合。
+> **究極のパフォーマンスとポータビリティを追求した、ローカル完結型ベクトル検索基盤**
 
-## 概要
+[![Tauri 2](https://img.shields.io/badge/Tauri-2.0-blue?style=for-the-badge&logo=tauri)](https://tauri.app/)
+[![Rust](https://img.shields.io/badge/Rust-LATEST-orange?style=for-the-badge&logo=rust)](https://www.rust-lang.org/)
+[![Gemma 3](https://img.shields.io/badge/LLM-Gemma_3_300M-8E44AD?style=for-the-badge&logo=google-cloud)](https://blog.google/technology/ai/google-gemma-3/)
 
-このプロジェクトは、元々 Electron + Bun で構成されていた `sqlitevector` アプリケーションを、パフォーマンスとリソース効率を最大化するために **Tauri + Rust** へ完全に移植したものです。バックエンドには型安全な **SeaORM** を採用し、データベース操作の堅牢性を高めています。
-さらに、**Gemma 3 300M Embedding** モデルのフルサポートと、`llama-server` の **Sidecar 統合** により、別途サーバーを立てることなくスタンドアロンで動作するようになりました。
+## 📝 イントロダクション
 
-## 特徴
+このプロジェクトは、Model Context Protocol (MCP) に準拠した、高性能なベクトル検索サーバーです。かつて Electron + Bun で構成されていた基盤を、**Tauri 2 + Rust** へと完全にフルスクラッチで移植しました。
 
-- 🎯 **常駐型デザイン**: システムトレイに格納され、最小限のメモリで MCP サーバーとして動作。
-- 🔍 **ベクトル検索**: `sqlite-vec` を Rust からネイティブ操作し、高速な近傍検索（MATCH 句）を実現。
-- 📅 **日時型・自動更新対応**: `created_at` / `updated_at` を日時型として管理し、SQLite トリガーにより自動的に時刻を更新。ローカルタイムを標準採用。
-- 📝 **ロギング・ローテーション**: `tauri-plugin-log` による詳細なログ出力と、ファイルサイズベース（10MB/ファイル）の自動ローテーションを実装。デバッグ時はプロジェクトルートの `logs` フォルダにも出力。
-- 🤖 **内蔵 LLM サーバー (Sidecar)**: アプリ起動時に `llama-server` を自動起動。Gemma 3 300M モデルを標準サポート。
-- 🧠 **高度な Embedding**: Gemma 3 による高精度なベクトル変換をローカル環境で完結。
-- 🛠 **SeaORM**: 型安全なクエリビルダにより、複雑なデータベース操作を確実に実行。
-- 🚀 **ワンバイナリ体験**: DLL やバイナリ、モデルを含んだポータブルな配布が可能。
+単なる移植に留まらず、**Gemma 3 300M Embedding** モデルのフルサポートと、`llama-server` の **Sidecar 自動管理機能**を標準装備。これにより、外部サーバーや複雑な環境構築に頼ることなく、ダブルクリック一つで高度なセマンティック検索環境があなたのローカルマシン上で完結します。
 
-## システムアーキテクチャ
+---
+
+## ✨ 主要な特徴と技術的優位性
+
+### 1. 🚀 超軽量・高反応な常駐型デザイン
+
+バックエンドを Rust で構築したことで、Electron 時代と比較してメモリ使用量を劇的に削減しました。システムトレイにスマートに常駐し、バックグラウンドで静かに、かつ確実に MCP リクエストに応答します。
+
+### 2. 🔍 プロ格のベクトル検索性能
+
+`sqlite-vec` 拡張を Rust から直接制御。SQLite の堅牢なリレーショナル機能と、高速な近傍検索（`MATCH` 演算子）を融合させました。
+
+### 3. 🤖 Sidecar 統合による「ゼロ設定」LLM
+
+`llama-server` をアプリケーションに内蔵（Sidecar）。アプリの起動と共に、最適化された Embedding 生成エンジンが自動的にスピンアップします。
+
+### 4. 🛠️ 型安全なデータ管理 (SeaORM & SQLite)
+
+Rust の強力な型システムと **SeaORM** を採用。リレーショナルデータとベクトルデータの不整合を排除し、`created_at` / `updated_at` の自動更新トリガーなど、運用面での信頼性も追求しています。
+
+### 5. 📅 万全のロギングと運用性
+
+`tauri-plugin-log` による詳細なログ記録に加え、10MB×5世代の自動ローテーションを実装。デバッグ時にはプロジェクトルート、本番環境では OS 標準のログフォルダへと適切に振り分けます。
+
+---
+
+## 🏗️ システムアーキテクチャ
+
+本システムは、高い分離性と連携性を両立した 3 レイヤー構造を採用しています。
 
 ```mermaid
 graph TD
-    subgraph "Frontend (Webview2)"
-        UI[User Interface / React]
+    subgraph "Frontend Layer (WebView2)"
+        UI["User Interface (React/JS)"]
     end
     
-    subgraph "Tauri Backend (Rust / v2)"
-        CMD[Tauri Commands]
-        MCP[MCP SSE Server: Axum]
-        DB[(SQLite + SeaORM)]
-        VEC[sqlite-vec Extension]
-        LLM[Llama Client: reqwest]
-        SC[Manage Sidecar Process]
+    subgraph "Tauri Backend Layer (Rust / v2)"
+        Tray["System Tray Manager"]
+        Axum["MCP SSE Server (Axum)"]
+        SeaORM["ORM Logic (SeaORM)"]
+        LlamaClient["Llama API Client"]
+        SidecarMgr["Sidecar Process Manager"]
     end
     
-    subgraph "Sidecar"
-        llama[llama-server.exe]
-        Model[Gemma 3 300M GGUF]
+    subgraph "Sidecar Layer (Local Process)"
+        llama["llama-server.exe"]
+        Model["Gemma 3 300M GGUF"]
     end
     
-    UI <--> CMD
-    MCP <--> DB
-    DB <--> VEC
-    DB <--> LLM
-    LLM <--> llama
-    SC -->|Spawn| llama
-    llama -->|Load| Model
+    subgraph "Persistence Layer"
+        DB[("SQLite + sqlite-vec")]
+    end
+    
+    UI <-->|Tauri Commands| Tray
+    Axum <--> SeaORM
+    SeaORM <--> DB
+    LlamaClient <-->|HTTP/JSON| llama
+    SidecarMgr -->|Spawn/Lifecycle| llama
+    llama -->|Memory Mapped| Model
+    SidecarMgr -.->|DLL Path Solution| llama
 ```
 
-## フォルダ構成
+---
 
-```text
-sqlitevector/
-├── src/
-│   └── frontend/       # UI 資産 (HTML/JS/CSS)
-├── src-tauri/
-│   ├── bin/            # Sidecar バイナリ (llama-server)
-│   ├── resources/      # 依存 DLL 等
-│   ├── src/
-│   │   ├── entities/   # SeaORM エンティティ定義
-│   │   ├── db.rs       # データベース接続・初期化
-│   │   ├── llama.rs    # LLM (llama.cpp) クライアント
-│   │   ├── mcp.rs      # MCP SSE ハンドラー実装
-│   │   └── lib.rs      # エントリーポイント・Sidecar 制御ロジック
-│   ├── tests/          # 統合テスト
-│   └── Cargo.toml      # Rust 依存関係
-├── models/             # LLM モデル (Gemma 3 等)
-├── scripts/            # セットアップスクリプト
-├── journals/           # 開発記録
-└── package.json        # Node.js/Bun 設定
-```
-
-## セットアップ
+## 🚀 クイックスタート
 
 ### プリリクエスト
 
-- [Rust](https://www.rust-lang.org/)
-- [Bun](https://bun.sh/)
+- **Rust**: 1.75 以上
+- **Bun** (または Node.js): パッケージ管理用
+- **Vulkan 1.3 互換ドライバ**: GPU 加速を利用する場合
 
-### 1. 依存バイナリとモデルのセットアップ
+### 1. セットアップ
 
-以下のスクリプトを実行して、`llama-server` バイナリと Gemma 3 モデルを自動ダウンロードします。
+専用のスクリプトを使用して、必要なバイナリとモデルを自動的に収集します。
 
 ```powershell
-# llama-server (Vulkan 1.3サポート) のダウンロード
+# llama-server バイナリのダウンロード (Windows 用)
 pwsh -File scripts/setup-llama-server-vulkan.ps1
 
 # Gemma 3 300M モデルのダウンロード
 pwsh -File scripts/setup-model.ps1
 ```
 
-### 2. 開発・起動
+### 2. 開発起動
 
 ```bash
-# パッケージのインストール
 bun install
-
-# 開発サーバーの起動 (Sidecar も自動起動します)
 bun tauri dev
 ```
 
-## 統合テスト
+起動後、システムトレイに 🦀 アイコンが表示されます。
 
-```bash
-cd src-tauri
-cargo test --lib
-```
+---
 
-## ビルド
+## 🛠️ MCP ツール仕様
 
-リリース用バイナリ (EXE/MSI) を生成します。DLL や Sidecar バイナリも自動的にバンドルされます。
+本サーバーは以下のツールを外部エージェント（Claude Desktop 等）に提供します。
 
-```bash
-bun tauri build
-```
+| ツール名 | 説明 | 主要引数 |
+| :--- | :--- | :--- |
+| `add_item_text` | 文書を追加（自動ベクトル化） | `content`, `path` |
+| `search_text` | 自然言語による類似文書検索 | `content`, `limit` |
+| `add_item` | ベクトルを指定して文書追加 | `content`, `vector`, `path` |
+| `search_vector` | 純粋なベクトル検索 | `vector`, `limit` |
+| `llm_generate` | 内蔵 LLM によるテキスト生成 | `prompt`, `n_predict` |
 
-## ライセンス
+---
 
-ISC License
+## 📘 詳細ドキュメント
+
+より深い情報を知りたい場合は、以下のドキュメントを参照してください。
+
+- [📖 アーキテクチャ詳細](document/architecture.md): 内部モジュールと役割の解説
+- [⚙️ Sidecar 統合の仕組み](document/sidecar_integration.md): Windows におけるパス解決と DLL 管理
+- [🗄️ データベース設計](document/database.md): Schema 構成と `sqlite-vec` の動作
+- [💻 開発ガイド](document/development_guide.md): 新機能の追加とテスト手順
+
+---
+
+## 📜 ライセンス
+
+ISC License.
diff --git a/document/architecture.md b/document/architecture.md
new file mode 100644
index 0000000..83769f1
--- /dev/null
+++ b/document/architecture.md
@@ -0,0 +1,81 @@
+# システムアーキテクチャ概要
+
+本システムは、Tauri v2 を基盤とした常駐型デスクトップアプリケーションであり、ローカル LLM (Gemma 3) を活用したベクトル検索バックエンドを提供します。
+
+## 全体コンポーネント構成
+
+システムは大きく分けて「フロントエンド」「Rust バックエンド」「Sidecar (LLM サーバー)」の3つの層で構成されています。
+
+```mermaid
+graph TD
+    subgraph "Frontend Layer (WebView2)"
+        UI[React / HTML / JS]
+    end
+
+    subgraph "Rust Backend Layer (Tauri v2)"
+        Core[Tauri Core]
+        Axum[Axum SSE / MCP Server]
+        SeaORM[SeaORM / DB Logic]
+        LlamaClient[Llama Client / reqwest]
+        SidecarMgr[Sidecar Process Manager]
+    end
+
+    subgraph "Sidecar Layer (External Process)"
+        LS[llama-server.exe]
+        Model[Gemma 3 300M GGUF]
+    end
+
+    subgraph "Data Layer"
+        DB[(SQLite + sqlite-vec)]
+    end
+
+    UI <-->|Invoke / Events| Core
+    Core <--> Axum
+    Core <--> SeaORM
+    Core <--> LlamaClient
+    Core <--> SidecarMgr
+
+    Axum <--> DB
+    SeaORM <--> DB
+    LlamaClient <-->|HTTP/JSON| LS
+    SidecarMgr -->|Spawn / Lifecycle| LS
+    LS -->|Load| Model
+```
+
+## 各コンポーネントの役割
+
+### 1. Frontend Layer
+
+- **User Interface**: 状態表示、簡易的な検索インターフェースを提供。
+- **IPC通心**: `invoke` を通じて Rust 側のコマンドを呼び出し、システムの状態を取得または操作。
+
+### 2. Rust Backend Layer
+
+- **Tauri Core**: アプリケーションのライフサイクル（起動、システムトレイ常駐、終了）を管理。
+- **Axum (MCP Server)**: Model Context Protocol (MCP) に準拠した SSE サーバーを提供。外部エージェントからのリクエストを受付。
+- **SeaORM**: SQLite データベースへの型安全なアクセス。アイテムのメタデータ管理を担当。
+- **Llama Client**: `llama-server` と通信し、文章のベクトル化 (Embedding) やテキスト生成を依頼。
+- **Sidecar Manager**: `llama-server` プロセスの起動、環境変数パスの解決、DLL 依存関係の処理。
+
+### 3. Sidecar Layer
+
+- **llama-server**: `llama.cpp` の HTTP サーバー版。Gemma 3 アーキテクチャをサポートし、Vulkan によるハードウェア加速を利用。
+- **Gemma 3 300M**: 埋め込み抽出に特化した軽量高精度モデル。
+
+### 4. Data Layer
+
+- **SQLite**: メタデータの保存。
+- **sqlite-vec**: ベクトル演算拡張。`vec0` 仮想テーブルを用いた高速な ANN (Approximate Nearest Neighbor) 検索を提供。
+
+## 技術スタックまとめ
+
+| カテゴリ | 採用技術 |
+| :--- | :--- |
+| Core Framework | Tauri v2 |
+| Language | Rust / JavaScript |
+| Database | SQLite (rusqlite) |
+| ORM | SeaORM |
+| Vector Engine | sqlite-vec (vec0) |
+| LLM Engine | llama.cpp (llama-server) |
+| MCP Protocol | Axum (SSE) |
+| Model | Gemma 3 300M |
diff --git a/document/database.md b/document/database.md
new file mode 100644
index 0000000..1139046
--- /dev/null
+++ b/document/database.md
@@ -0,0 +1,76 @@
+# データベース設計とベクトル検索仕様
+
+本システムは SQLite を、メタデータ管理とベクトル検索エンジンの両方として利用します。
+
+## ER図
+
+```mermaid
+erDiagram
+    items ||--|| vec_items : "id (Primary Key)"
+    
+    items {
+        integer id PK "自動インクリメント"
+        text content "文章本文"
+        text path "ファイルのパス等のメタデータ"
+        datetime created_at "登録日時"
+        datetime updated_at "更新日時"
+    }
+    
+    vec_items {
+        integer id PK "items.id と一致"
+        blob embedding "384次元ベクトル (f32 LE)"
+    }
+```
+
+## テーブル詳細仕様
+
+### 1. `items` テーブル (SeaORM 管理)
+
+アプリケーションの主要なデータを保存します。SeaORM によるマイグレーションと型安全な CRUD が可能です。
+
+| カラム名 | 型 | 説明 |
+| :--- | :--- | :--- |
+| `id` | INTEGER | プライマリキー（自動インクリメント）。 |
+| `content` | TEXT | ベクトルの元となったテキストデータ。 |
+| `path` | TEXT | （オプション）ソースファイルのパスやタイトル。 |
+| `created_at` | DATETIME | 作成時刻。SQLite の `datetime('now', 'localtime')`。 |
+| `updated_at` | DATETIME | 更新時刻。トリガーにより自動更新。 |
+
+### 2. `vec_items` 仮想テーブル (sqlite-vec)
+
+ベクトル検索を高速に行うための仮想テーブルです。`vec0` モジュールを使用します。
+
+```sql
+CREATE VIRTUAL TABLE vec_items USING vec0(
+  id INTEGER PRIMARY KEY,
+  embedding FLOAT[384]
+);
+```
+
+- **id**: `items` テーブルの ID と 1:1 で対応させます。
+- **embedding**: 384次元の浮動小数点配列。内部的には BLOB として保存されます。
+
+## ベクトル検索の仕組み
+
+検索には `MATCH` 句を使用します。これは `sqlite-vec` 特有の構文で、最も類似度の高いアイテムから順に、計算された「距離」とともに返却します。
+
+```sql
+SELECT
+  i.id,
+  i.content,
+  v.distance
+FROM vec_items v
+JOIN items i ON v.id = i.id
+WHERE embedding MATCH ?
+ORDER BY distance
+LIMIT 10;
+```
+
+### 距離計算アルゴリズム
+
+デフォルトでは **L2 距離 (Euclidean distance)** または検索パラメーターにより **コサイン類似度** が使用されます。本システムの現在の実装では `sqlite-vec` の標準的な `MATCH` を利用しています。
+
+## 注意事項
+
+- **同期**: `items` への登録と `vec_items` への登録は、アトミックなトランザクションとして扱われます（Rust 側で保証）。
+- **次元数**: 使用するモデル (Gemma 3 300M) に合わせて 384 次定数として定義されています。モデルを変更する場合は、仮想テーブルの再構築が必要です。
diff --git a/document/development_guide.md b/document/development_guide.md
new file mode 100644
index 0000000..c2e1b4d
--- /dev/null
+++ b/document/development_guide.md
@@ -0,0 +1,98 @@
+# 💻 開発ガイド (Development Guide)
+
+本ドキュメントでは、本プロジェクトの開発環境構築、コードの変更、新しいツールの追加、およびテストの手順について解説します。
+
+---
+
+## 🛠️ 開発環境のセットアップ
+
+### プログラミング言語・ランタイム
+
+- **Rust**: [rustup](https://rustup.rs/) を通じて最新の安定版をインストールしてください。
+- **Bun**: フロントエンドの管理と外部テストの実行に使用します。
+
+### 依存関係のインストール
+
+```bash
+bun install
+```
+
+### Sidecar とモデルの準備
+
+開発実行には `llama-server` と学習済みモデルが必要です。`scripts/` 内のスクリプトを使用してください。
+
+---
+
+## 📁 主要なディレクトリ構成と責務
+
+- `src-tauri/src/mcp.rs`: MCP の全ツールロジックが集約されています。新しいツールを追加する場合はここを編集します。
+- `src-tauri/src/db.rs`: テーブルの定義、インデックス、トリガーなどの DB スキーマ管理。
+- `src-tauri/src/entities/`: SeaORM のモデル。DB スキーマを変更した際は再生成が必要です。
+- `test/`: JavaScript/Bun による外部結合テスト。
+
+---
+
+## ➕ 新しい MCP ツールの追加手順
+
+新しい機能を MCP ツールとして公開する場合、以下の手順を踏みます。
+
+### 1. ツール名の定義
+
+`src-tauri/src/mcp.rs` 内で、JSON-RPC でやり取りするメソッド名（例: `tools/list`）を確認し、新しいツール用の定義を追加します。
+
+### 2. ハンドラーの実装
+
+`handle_search_vector` などの既存の関数を参考に、新しい非同期関数を実装します。
+
+### 3. リクエストのディスパッチ
+
+`message_handler` 関数の `match` 文にツール名を追加し、実装したハンドラーを呼び出すように設定します。
+
+### 4. 単体テストの追加
+
+`mcp.rs` の末尾にある `mod tests` に、新しいツールの入出力を検証するテストを追加してください。
+
+---
+
+## 🧪 テストの実行方法
+
+### Rust 単体テスト (推奨)
+
+コアロジック（DB・MCP・LLM連係）のテストです。
+
+```bash
+cd src-tauri
+cargo test
+```
+
+### Bun E2E テスト
+
+実際の HTTP/SSE 通信を介したテスト（開発環境が整っている場合）。
+
+```bash
+bun test
+```
+
+---
+
+## 🚀 リリース手順
+
+### 1. バージョンアップ
+
+`package.json` および `src-tauri/cargo.toml` のバージョンを更新します。
+
+### 2. ビルドの実行
+
+```bash
+bun tauri build
+```
+
+`src-tauri/target/release/bundle/` 内に MSI インストーラーや EXE ファイルが生成されます。
+
+---
+
+## 📝 コーディング規約
+
+- **Rust**: `cargo fmt` および `cargo clippy` を遵守してください。
+- **Commit**: 分かりやすいメッセージを心がけ、必要に応じてジャーナルファイルを更新してください。
+- **Documentation**: ユーザーに影響する変更を加えた場合は、`README.md` や `document/` 内の該当ドキュメントを必ず更新してください。
diff --git a/document/mcp_specification.md b/document/mcp_specification.md
new file mode 100644
index 0000000..4f60f81
--- /dev/null
+++ b/document/mcp_specification.md
@@ -0,0 +1,71 @@
+# MCP ツール詳細仕様
+
+本 MCP サーバーが提供するツールの一覧と、その入出力仕様を定義します。
+
+## プロトコル基本情報
+
+- **トランスポート**: SSE (Server-Sent Events)
+- **エンドポイント**:
+  - SSE Connection: `GET /sse`
+  - Message Post: `POST /messages`
+
+## 提供されるツール一覧
+
+### 1. `add_item_text`
+
+文章をベクトル化してデータベースに登録します。
+
+- **入力パラメータ**:
+  - `content` (string, 必須): 登録したい文章本文。
+  - `path` (string, 任意): ドキュメントの出典やタイトル。
+- **動作**:
+  1. Sidecar に Embedding をリクエスト。
+  2. 受け取ったベクトルと文言を SQLite に保存。
+- **レスポンス**: 登録成功メッセージと ID。
+
+### 2. `search_text`
+
+自然言語のクエリを使って、類似度の高いアイテムを検索します。
+
+- **入力パラメータ**:
+  - `content` (string, 必須): 検索クエリ。
+  - `limit` (number, 任意): 返却する件数（デフォルト 10）。
+- **動作**:
+  1. クエリをベクトル化。
+  2. `sqlite-vec` の `MATCH` 句を使用して類似検索。
+- **レスポンス**: 一致したアイテムのリフレッシュリスト（本文、メタデータ、距離値）。
+
+### 3. `search_vector`
+
+外部で計算済みのベクトルを直接指定して検索します。
+
+- **入力パラメータ**:
+  - `vector` (array<number>, 必須): 384次元の数値配列。
+  - `limit` (number, 任意): 返却件数。
+- **レスポンス**: 類似度順にソートされたアイテムリスト（`id`, `content`, `path`, `created_at`, `updated_at`, `distance`）。
+
+### 4. `add_item`
+
+外部で計算済みのベクトルと本文をセットで登録します。
+
+- **入力パラメータ**:
+  - `content` (string, 必須): 本文。
+  - `vector` (array<number>, 必須): 384次元ベクトル。
+  - `path` (string, 任意): メタデータ。
+
+### 5. `llm_generate`
+
+内蔵された Sidecar (Gemma 3) を使用してテキスト生成を行います。
+
+- **入力パラメータ**:
+  - `prompt` (string, 必須): プロンプト本文。
+  - `n_predict` (number, 任意): 最大生成トークン数。
+  - `temperature` (number, 任意): 生成の多様性 (0.0 - 1.0)。
+- **レスポンス**: 生成されたテキストを含む JSON オブジェクト。
+
+## エラーコード仕様
+
+MCP 仕様に基づき、問題発生時には以下の JSON-RPC エラーオブジェクトを返却します。
+
+- `-32603`: 内部エラー（Sidecar への接続失敗、DBエラー等）。
+- `message`: エラーの具体的な詳細内容。
diff --git a/document/overview.md b/document/overview.md
index acaef00..d048b35 100644
--- a/document/overview.md
+++ b/document/overview.md
@@ -1,162 +1,86 @@
-# SQLite Vector MCP Server（Electron + Bun）
+# システム詳細概要 (Tauri 2 Edition)
 
-## 概要
+## 📌 はじめに
 
-このプロジェクトは、Electron で常駐する MCP サーバーを立ち上げ、SQLite + sqlite-vec を使ってベクトル検索を提供します。MCP への接続は SSE（Server-Sent Events）で行い、埋め込み生成とテキスト生成は llama.cpp を利用します。
+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。
 
-## 構成
+## 🏗️ 主要コンポーネントと役割
 
-- **Electron**: 常駐アプリ（トレイ）としての実行基盤
-- **MCP Server**: SSE でツールを提供
-- **DB**: `better-sqlite3` + `sqlite-vec`
-- **ORM**: `knex`（`items` テーブルの操作に使用）
-- **LLM**: `llama.cpp`（埋め込み生成・テキスト生成）
+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。
 
-## フォルダ構成
+### 1. Tauri Backend (Rust)
 
-- `src/db.js`: DB 接続・初期化
-- `src/mcp-tools.js`: MCP ツール定義
-- `src/mcp-handlers.js`: ツールの処理
-- `src/mcp-server.js`: SSE と MCP の接続
-- `src/main.js`: Electron 起動と常駐処理
-- `src/llama-client.js`: llama.cpp API クライアント
+| モジュール | 責務 | 使用技術 |
+| :--- | :--- | :--- |
+| `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` |
+| `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` |
+| `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` |
+| `entities/` | データベーステーブルの Rust 構造体マッピング。 | `sea-orm` |
+| `llama.rs` | `llama-server` との HTTP 通信、Embedding/Completion 依頼。 | `reqwest` |
 
-## ツール一覧
+### 2. Sidecar (LLM Server)
 
-- `add_item_text`: テキストから埋め込みを生成して保存
-- `add_item`: ベクトルを直接指定して保存
-- `search_text`: テキストから埋め込みを生成して検索
-- `search_vector`: ベクトルで検索
-- `llm_generate`: llama.cpp でテキスト生成
+`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。
 
-## データフロー（図解）
+- **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。
 
-```mermaid
-graph TD
-  A[MCP Client] -->|SSE| B[Express /sse]
-  B --> C[MCP Server]
-  C --> D{Tool Handler}
-  D -->|embedding| L[llama.cpp]
-  D -->|add_item| E[knex: items]
-  D -->|add_item| F[sqlite-vec: vec_items]
-  D -->|search_vector| F
-  F --> G[Result]
-  E --> G
-  G --> C
-  C --> B
-  B --> A
-```
+### 3. Frontend (Webview2)
 
-## ER図
+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。
 
-```mermaid
-erDiagram
-  items {
-    INTEGER id PK
-    TEXT content
-    TEXT path
-    TEXT created_at
-    TEXT updated_at
-  }
-
-  vec_items {
-    INTEGER id PK
-    FLOAT embedding[VEC_DIM]
-  }
-
-  items ||--|| vec_items : "id = id"
-```
-
-## 環境変数
-
-`.env` に以下を設定します。
-
-```
-LLAMA_CPP_BASE_URL=http://127.0.0.1:8080
-LLAMA_CPP_EMBEDDING_MODEL=
-LLAMA_CPP_MODEL=
-VEC_DIM=3
-```
-
-## 実行
-
-```bash
-bun start
-```
-
-## API 定義（REST / SSE）
-
-### SSE 接続
-
-- **GET** `/sse`
-  - MCP の SSE セッションを開始します。
-
-### MCP メッセージ送信
-
-- **POST** `/messages`
-  - MCP のリクエスト/レスポンスメッセージを送信します。
-  - SSE セッションが未接続の場合は **400** を返します。
-
-> 注: `/messages` のペイロードは MCP 仕様に準拠します。
-
-### REST（追加予定）
-
-現在は MCP 経由のツール呼び出しが主です。REST API を追加する場合は以下のような構成になります。
-
-- **POST** `/api/items`
-  - テキストから埋め込みを生成して保存
-  - Body: `{ "content": "..." }`
-
-- **POST** `/api/search`
-  - テキストから埋め込みを生成して検索
-  - Body: `{ "content": "..." }`
-
-## MCP 設定例
-
-`mcp.json` などに以下を設定します。
-
-```json
-{
-  "mcpServers": {
-    "sqlite-vector-electron": {
-      "url": "http://localhost:3000/sse"
-    }
-  }
-}
-```
+- **Status Hub**: バックエンドからのイベントを受信し、GUI に反映。
 
 ---
 
-## ⚠️ 重要な注意事項
+## 🔄 詳細なデータフロー
 
-### knex はベクトル検索に対応していません
+### 1. 文書の登録 (`add_item_text`)
 
-**問題:**
-- `knex` は標準的な SQL クエリビルダーです
-- SQLite の `sqlite-vec` 拡張で提供される `MATCH` 演算子には対応していません
-- knex を経由してベクトル検索クエリを実行すると、`MATCH` 演算子がエスケープされてしまい、検索が機能しません
-
-**現在の解決方法:**
-```javascript
-// ベクトル検索は db.prepare() + raw SQL で実行
-const results = db.prepare(`
-  SELECT ... FROM vec_items v
-  WHERE embedding MATCH ?    // ← sqlite-vec の MATCH 演算子
-  ORDER BY distance
-  LIMIT 5
-`).all(new Float32Array(embedding));
-
-// 通常のテーブル操作は knex で実行
-const insertIds = await knexDb("items").insert({ content, path });
+```mermaid
+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)
 ```
 
-**ベストプラクティス:**
-- ベクトル検索（`vec_items`）: `db.prepare()` + raw SQL を使用する
-- 通常の CRUD（`items`）: `knex` で効率的に実行する
-- このハイブリッド方式を維持してください
+### 2. 日時管理と自動更新
 
-### sqlite-vec の制限事項
+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。
 
-- `sqlite-vec` は現在 **alpha 版** (`0.1.7-alpha.2`)
-- 本番環境での使用は慎重に検討してください
-- 安定版リリースを待つか、代替ベクトルDB を検討する選択肢もあります
+- **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？
+
+1. **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。
+2. **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。
+3. **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
+
+1. **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。
+2. **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。
+3. **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。
diff --git a/document/sidecar_integration.md b/document/sidecar_integration.md
new file mode 100644
index 0000000..a412846
--- /dev/null
+++ b/document/sidecar_integration.md
@@ -0,0 +1,78 @@
+# llama-server Sidecar 統合詳細
+
+## 🧠 コンセプト
+
+本アプリケーションは、外部の LLM サーバー（埋め込み用）に依存せず、スタンドアロンで動作することを目指しています。これを実現するために、Tauri の **Sidecar** 機能を利用して `llama-server` プロセスをバックエンド（Rust）から直接起動・管理しています。
+
+## 🛠️ 技術的課題と解決策：Windows における DLL 解決
+
+Windows 環境において、外部バイナリ（`.exe`）を Sidecar として実行する際、最も大きな懸念点は「依存 DLL（`ggml.dll`, `llama.dll` 等）の読み込みエラー」です。
+
+通常、Windows は以下の順序で DLL を検索します。
+
+1. 実行ファイルのあるディレクトリ。
+2. カレントディレクトリ。
+3. システムディレクトリ。
+4. `PATH` 環境変数に含まれるディレクトリ。
+
+Tauri のデフォルト設定で Sidecar を起動すると、実行ディレクトリやカレントディレクトリの解決が不安定になり、DLL が見つからず起動に失敗するケースが多発します。
+
+### 本プロジェクトでの解決アプローチ
+
+`src-tauri/src/lib.rs` において、以下の 3 つの戦略を組み合わせて「DLL 地獄」を回避しています。
+
+#### 1. 実行パスの絶対パス解決
+
+`std::env::current_dir()` や `PathBuf` を駆使し、実行バイナリとモデルファイルのパスをOSに依存しない形式で、なおかつ「絶対パス」で構築します。
+
+#### 2. 起動時カレントディレクトリ (CWD) の強制指定
+
+`Command::current_dir` を使用して、Sidecar の起動ディレクトリを、バイナリと DLL が物理的に配置されている `src-tauri/bin` (またはインストール先の対応フォルダ) に強制的に設定します。これにより、Windows の検索ルール (1) が確実に適用されます。
+
+#### 3. 環境変数 `PATH` の継承と補強
+
+親プロセス（Tauri 本体）の `PATH` を取得し、その先頭に Sidecar フォルダへのパスを明示的に追加した上で、Sidecar プロセスに渡します。
+
+```rust
+// 概念コード (lib.rs)
+let mut current_path = std::env::var_os("PATH").unwrap_or_default();
+let mut paths = std::env::split_paths(&current_path).collect::<Vec<_>>();
+paths.insert(0, sidecar_dir_path.clone()); // DLLのあるフォルダを最優先に
+
+let new_path = std::env::join_paths(paths).unwrap();
+let mut cmd = tauri::process::Command::new_sidecar("llama-server").unwrap();
+cmd = cmd.current_dir(sidecar_dir_path); // CWDの設定
+cmd = cmd.env("PATH", new_path); // 補強されたPATHの継承
+```
+
+---
+
+## 🔄 ライフサイクル管理
+
+Sidecar は単なる「起動」だけでなく、適切な「終了」も管理されています。
+
+1. **起動**: アプリ本体の `setup` フック内でスピンアップ。
+2. **疎通確認**: 起動直後、バックエンドから `health check` リクエストを送り、準備完了を待機。
+3. **終了**: アプリ本体の終了イベント（トレイからの Quit 等）に連動して、Sidecar プロセスを確実に Kill します。これにより「ゾンビプロセス」の発生を防ぎます。
+
+---
+
+## ⚙️ Sidecar の実行引数 (最適化)
+
+`llama-server` は以下のオプションで最適化されて起動します。
+
+- `--host 127.0.0.1`: ローカルループバックアドレスに限定（セキュリティ）。
+- `--port 8080`: デフォルトの待機ポート（環境変数で変更可能）。
+- `-m [MODEL_PATH]`: Gemma 3 300M の GGUF ファイルを指定。
+- `--embedding`: 埋め込み抽出機能を有効化。
+- `--parallel 4`: 同時リクエスト処理数の最適化。
+
+---
+
+## 💡 トラブルシューティング
+
+### Sidecar が起動しない場合
+
+1. **バイナリの存在**: `libs/llama-server.exe` が正しいアーキテクチャ名（`llama-server-x86_64-pc-windows-msvc.exe` 等）で配置されているか確認してください。
+2. **DLL の存在**: 同一フォルダに `ggml.dll`, `llama.dll` が存在することを確認してください。
+3. **Vulkan**: 最新の GPU ドライバがインストールされているか確認してください。