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。
