후지쯔 소셜 디지털 트윈 MCP 서버

이 프로젝트에서는 Fujitsu의 Social Digital Twin과 Digital Rehearsal API를 Model Context Protocol(MCP) 과 통합하여 대규모 언어 모델(LLM)이 자연어를 통해 Fujitsu의 Digital Rehearsal API에 액세스할 수 있도록 합니다.

개요

후지쯔의 소셜 디지털 트윈은 현실 세계 데이터를 기반으로 디지털 공간에서 사람과 사물의 상태뿐만 아니라 경제 및 사회 활동 전반을 재현합니다. 핵심 기능인 "디지털 리허설"을 통해 사용자는 현실 세계에 조치를 적용하기 전에 디지털 공간에서 인간 및 사회적 행동을 시뮬레이션하여 그 효과와 영향을 사전에 검증할 수 있습니다.

이 프로젝트에서는 MCP를 사용하여 LLM과 Digital Rehearsal API 간의 격차를 해소하고, 사용자가 자연어를 사용하여 시뮬레이션을 실행하고 결과를 분석할 수 있도록 합니다.

주요 특징

시뮬레이션 목록 검색 및 표시
시뮬레이션 시작
시뮬레이션 결과 검색 및 분석
시뮬레이션 데이터 관리
교통 시뮬레이션 분석
시나리오 비교
자연어에서 시뮬레이션 구성 생성

필수 조건

Python 3.13 이상
Fujitsu API Gateway(API 키)에 대한 액세스
MCP 호환 LLM 클라이언트(예: Claude Desktop)

설치

Smithery를 통해 설치

Smithery를 통해 Claude Desktop용 Fujitsu Social Digital Twin Server를 자동으로 설치하려면:

지엑스피1

1. 저장소 복제

git clone https://github.com/3a3/fujitsu-sdt-mcp.git
cd fujitsu-sdt-mcp

2. 환경 설정

uv 사용(권장) :

먼저, uv를 설치하세요:

# Install uv using pip
pip install uv

# Or using curl (Linux/macOS)
curl -sSf https://astral.sh/uv/install.sh | sh

그런 다음 uv를 사용하여 환경을 설정하세요.

# Create virtual environment
uv venv

# Activate virtual environment
# Windows:
.venv\Scripts\activate
# Unix/MacOS:
source .venv/bin/activate

# Install dependencies
uv pip install -r requirements.txt

또는 제공된 설정 스크립트를 사용할 수 있습니다.

# Make the script executable
chmod +x setup.sh

# Run setup
./setup.sh

3. 환경 변수 설정

# Windows:
set FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
set FUJITSU_API_KEY=your_api_key_here

# Unix/MacOS:
export FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
export FUJITSU_API_KEY=your_api_key_here

또는 다음 설정을 사용하여 .env 파일을 만들 수 있습니다.

FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
FUJITSU_API_KEY=your_api_key_here

용법

MCP 서버 시작

python -m fujitsu_sdt_mcp

서버는 표준 I/O를 사용하여 MCP 클라이언트와 통신합니다.

대화형 클라이언트 사용

MCP 서버와 직접 상호 작용할 수 있는 간단한 클라이언트도 제공됩니다.

python client.py

클라이언트를 시작하면 사용 가능한 리소스와 도구 목록이 표시되고, 명령줄에서 이를 호출할 수 있습니다.

Claude Desktop으로 설정

Claude Desktop과 같은 MCP 호환 LLM 클라이언트와 함께 서버를 사용하려면:

클로드 데스크톱 열기
설정 > 개발자 설정 > 구성 파일 편집으로 이동하세요.
다음 설정을 추가합니다.

"command": "uvx",
"args": [
    "fujitsu-sdt-mcp"
],
"env": {
    "FUJITSU_API_BASE_URL": "https://apigateway.research.global.fujitsu.com/sdtp",
    "FUJITSU_API_KEY": "your_api_key_here"
}

Claude Desktop을 다시 시작하세요

리소스 및 도구

자원

resource://digital_rehearsal_overview : 디지털 리허설 기술 개요
resource://simulation_metrics_explanation : 시뮬레이션 메트릭에 대한 설명
resource://scenario_examples : 예시 시나리오

도구

list_simulations : 시뮬레이션 목록을 검색합니다.
start_simulation : 시뮬레이션을 시작합니다
get_simulation_result : 시뮬레이션 결과 검색
get_metrics : 시뮬레이션 메트릭 검색
list_simdata : 시뮬레이션 데이터 목록을 검색합니다.
get_simdata : 시뮬레이션 데이터 검색
analyze_traffic_simulation : 교통 시뮬레이션 분석
compare_scenarios : 시나리오 비교
create_natural_language_simulation_config : 자연어에서 시뮬레이션 설정 생성

사용 예

시뮬레이션 목록 검색

tool list_simulations

시뮬레이션 시작

tool start_simulation {"simdataId": "your_simdata_id"}

교통 시뮬레이션 분석

tool analyze_traffic_simulation {"simulationId": "your_simulation_id", "region": "Tokyo", "timeRange": "morning rush hour", "scenario": "traffic optimization"}

자연어에서 시뮬레이션 설정 생성

tool create_natural_language_simulation_config {"description": "I want to run a traffic optimization simulation during morning rush hour in Tokyo"}

LLM 상호 작용 예시

User: I want to run a traffic simulation during morning rush hour in Tokyo

Claude: I can help you run a traffic simulation for Tokyo's morning rush hour. Here's how we can set it up.

First, let's generate simulation settings from your natural language description:
[Tool execution: create_natural_language_simulation_config]

Generated settings:
{
  "simulationType": "traffic",
  "parameters": {
    "region": "Tokyo",
    "timeRange": "morning_rush"
  },
  "name": "traffic_20250416_123045"
}

Next, let's check available simulation data:
[Tool execution: list_simdata]

From this data, I can start a simulation using Tokyo's morning traffic data.
I've selected the appropriate simulation data ID and will start the simulation:
[Tool execution: start_simulation]

The simulation has started. The simulation ID is "sim_12345".
It will take some time for the results to be available. Once complete, I'll analyze them.

(After simulation completes)
Let's analyze the simulation results:
[Tool execution: analyze_traffic_simulation]

Analysis results:
- CO2 emissions: 1,250kg
- Average travel time: 42 minutes
- Total traffic volume: 15,700 vehicles

From these results, I can see that the Shibuya-Shinjuku route experiences particularly severe congestion.
Here are some potential improvements:
1. Optimize traffic signal control
2. Implement one-way traffic on certain roads during specific times
3. Increase public transportation frequency

Would you like to see a more detailed analysis?

기여하다

버그나 기능 요청은 GitHub Issues를 통해 알려주세요. 풀 리퀘스트도 환영합니다.

특허

이 프로젝트는 MIT 라이선스에 따라 배포됩니다. 자세한 내용은 라이선스 파일을 참조하세요.

감사의 말

후지쯔 주식회사 - 소셜 디지털 트윈 기술 개발
모델 컨텍스트 프로토콜(MCP) - LLM과의 원활한 통합 지원

Fujitsu Social Digital Twin MCP Server

Integrations