Leviathan

Leviathan は、大規模な業務記録を扱うエージェント向けのオープンソースかつローカル優先の検索ツールです。JSONL、JSON、CSV、TSV、SQLite、またはデータベース CLI の出力を SQLite ベースの全文検索インデックスへ変換します。長いログ全体をエージェントに渡す代わりに、search コマンドが引用付きで順位付けした短いカードを返します。最初の安定版 v0.1.0 は 2026 年 10 月 6 日に Apache-2.0 ライセンスで公開されました。

主な機能

• 幅広い入力形式：JSONL、JSON、CSV、TSV、SQLite、さらに psql や DuckDB などがストリーム出力する構造化データをインデックス化できます。
• スキーマを意識した導入：leviathan init はコメント付き設定を推論し、ID、タイトル、本文、グループ、日付、フィルター、表示フィールドをマッピングできます。
• コンパクトで根拠を追える検索：search、recent、resolve、get は生の履歴ではなく絞り込んだレコードカードを返します。グループが曖昧な場合は、勝手に推測せず候補を報告します。
• エージェント連携：CLI とリポジトリの Skill を使えるほか、leviathan mcp で検索、グループ解決、レコード取得、インデックス説明の4つの読み取り専用 MCP ツールを提供します。
• ローカル運用：公式説明では、インデックスは1つの SQLite ファイルに保存されます。データベース資格情報を自ら保持せず、DB CLI の出力を取り込めます。

向いているケース

Leviathan は、チケット、インシデントログ、CRM エクスポート、保守履歴から答えを出す必要があるコーディングエージェント、サポートエージェント、社内アシスタント向けです。実用的な流れは、範囲を限定したデータをエクスポートし、leviathan init でフィールドを確認し、設定ファイルでインデックスを作り、CLI Skill をエージェントへ渡すことです。エージェントは顧客、機器、プロジェクトで絞り込んでから、回答の根拠となる記録を取得できます。

リポジトリには合成保守ログのベンチマークが含まれます。公開されている100万レコードの結果は、回答コンテキストの中央値 436 token、上位5件に関連レコードが含まれる割合 99.0%、中央値レイテンシ 33 ms です。これはプロジェクト自身のベンチマークであり、独立した製品比較ではありません。データ生成、手法、ハードウェア、注意点はリポジトリに公開されています。

インストールと料金

Leviathan は Apache-2.0 ライセンスです。公式ドキュメントでは cargo install leviathan-index、Git リポジトリからの導入、GitHub Releases のビルド済みバイナリを案内しています。今回確認した公式資料にはホステッドサービスや価格ページはありません。主なコストはローカルマシン、インデックス保存領域、周辺のデータエクスポート処理です。

制約とリスク

• v0.1.0 が公開されたばかりです。プロダクション依存にする前に、インデックスの挙動とリリース頻度を確認してください。
• 検索品質は正しいフィールドマッピングとソース記録の構造に依存します。アクセス制御やソースデータ品質の代替にはなりません。
• ベンチマークは合成データを使っています。すべてのデータセットへ一般化せず、公式テストの再現または代表データによる検証を行ってください。

クイックスタート

cargo install leviathan-index
leviathan init ./export
leviathan index tickets.csv --id "Ticket ID" --group customer_id --date created_at
leviathan search -g acme "sso login loop after password reset"

まず機密情報を含まないエクスポートで始め、エージェントへ接続する前に返却カードを確認してください。データベースの資格情報は DB クライアント側で保持し、インデックス化する行だけを Leviathan にパイプするのが安全です。

よくある質問

Leviathan はホステッドのベクトルデータベースですか？

いいえ。公式プロジェクトは SQLite ベースのインデックスを作るローカル静的バイナリとして説明しています。CLI または任意の読み取り専用 MCP サーバーで使用できます。

インデックス作成に LLM は必要ですか？

文書化されたインデックス作成と検索はローカル全文検索です。エージェントが使うときは LLM が返却カードを消費しますが、公式にはインデックス構築の必須要件として記載されていません。

代替手段はありますか？

• Hindsight：LLM で事実を抽出・統合するエージェント記憶システム。
• AgentMemory：コーディングエージェント向けローカル記憶レイヤー。
• Letta：マネージドの選択肢もあるステートフルエージェント。

まとめ

大量の構造化されたローカル履歴を、丸ごとコンテキストへ投入せずに検索する必要がある場合、Leviathan は焦点の合った選択肢です。公式 README とベンチマーク手法を読み、アクセス制御された代表的なエクスポートで試してください。