🧠 ネクサスマインド

思考グラフによる知的な科学的推論

バージョンパイソンライセンスドッカーファストAPI ネットワークX 最終更新日

🔍 概要

NexusMindはグラフ構造を活用して高度な科学的推論を実行します。Claude DesktopなどのAIアプリケーションと統合するために、**モデルコンテキストプロトコル（MCP）**を実装しています。

主なハイライト:

グラフベース推論を使用して複雑な科学的クエリを処理する
多次元評価による動的信頼度スコアリング
高性能を実現する最新のPythonとFastAPIで構築
簡単に導入できるようDocker化されている
拡張性とカスタマイズ性を実現するモジュール設計

Related MCP server: Sequential Thinking Multi-Agent System

🌟 主な機能

8段階推論パイプライン

コア推論プロセスは、洗練された 8 段階のパイプラインに従います。

🌱 初期化
- クエリからルートノードを作成する
- 初期のグラフ構造を確立する
- 信頼のベースラインを設定する
🧩 分解
- クエリをディメンションに分割します
- 主要コンポーネントを特定する
- 次元ノードを作成する
🔬 仮説・計画
- 複数の仮説を生成する
- 推論戦略を作成する
- 偽造基準を確立する
📊 証拠の統合
- 裏付けとなる証拠を集める
- 証拠と仮説を結びつける
- 信頼スコアを更新
✂️ プルーニング/マージ
- 価値の低い要素を削除する
- 類似ノードを統合する
- グラフ構造を最適化
🔍 サブグラフ抽出
- 関連部分を特定する
- 高価値パスに焦点を当てる
- ターゲットサブグラフを作成する
📝 構成
- 主要な調査結果を統合する
- 一貫した洞察を生み出す
- 包括的な回答を生成する
🤔 反省
- 推論の質を評価する
- 改善点を特定する
- 最終的な信頼度評価

技術的能力

🧠 グラフ知識表現： networkxを使用して複雑な関係をモデル化します
🔄 動的信頼ベクトル：
- 経験的裏付け
- 理論的根拠
- 方法論的厳密さ
- コンセンサス調整
🔌 MCP サーバー: シームレスな Claude Desktop 統合
⚡ 高性能API ：最新のFastAPI実装
🐳 簡単なデプロイメント：Docker と Docker Compose のサポート
🧩 拡張可能なアーキテクチャ：カスタマイズのためのモジュール式コンポーネント
⚙️ 柔軟な構成: Pydantic と YAML 構成

🛠️ テクノロジースタック

📂 プロジェクト構造

asr-got-reimagined/ ├── config/ │ ├── settings.yaml │ └── claude_mcp_config.json ├── src/asr_got_reimagined/ │ ├── api/ │ │ ├── routes/ │ │ │ └── mcp.py │ │ └── schemas.py │ ├── domain/ │ │ ├── models/ │ │ │ ├── common.py │ │ │ ├── graph_elements.py │ │ │ └── graph_state.py │ │ ├── services/ │ │ │ └── got_processor.py │ │ ├── stages/ │ │ │ ├── base_stage.py │ │ │ ├── stage_1_*.py │ │ │ └── stage_2_*.py... │ │ └── utils/ │ ├── main.py │ └── app_setup.py ├── scripts/ ├── Dockerfile ├── docker-compose.yml └── pyproject.toml

🚀 はじめに

前提条件

Python 3.13+ (Docker イメージでは Python 3.13.3-slim-bookworm を使用)
詩：依存関係の管理
Docker :コンテナ化されたデプロイメント用

インストールとセットアップ（ローカル開発）

リポジトリをクローンします:
git clone https://github.com/SaptaDey/NexusMind.git cd NexusMind
Poetry を使用して依存関係をインストールします。
poetry install
これにより、仮想環境が作成され、 pyproject.tomlで指定された必要なパッケージがすべてインストールされます。
仮想環境をアクティブ化します:
poetry shell
アプリケーションを構成します:
- 必要に応じてconfig/settings.yamlの設定を調整します
- 機密情報用の環境変数または.envファイルを構成する
開発サーバーを実行します:
python src/asr_got_reimagined/main.py
あるいは、さらに制御するには:
uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000
API はhttp://localhost:8000で利用できます。

Docker デプロイメント

Docker コンテナをビルドして実行します。
docker-compose up --build
デタッチドモードの場合:
docker-compose up --build -d
Docker イメージは、パフォーマンスとセキュリティを向上させるために、Python 3.13.3-slim-bookworm をベースイメージとして使用します。
API にアクセスします。API はhttp://localhost:8000 (またはdocker-compose.ymlで設定されているとおり) でアクセスできます。

🔌 APIエンドポイント

コアエンドポイント

MCPエンドポイント: POST /mcp
- Claude DesktopなどのMCPクライアントとの通信用
- AIインタラクションのためのモデルコンテキストプロトコルを実装
ヘルスチェック: GET /health
- 監視とサービス検出のための基本的なヘルスチェック

追加のエンドポイント（計画中）

グラフクエリ: POST /api/graph/query
- ASR-GoTクエリの直接インターフェース
グラフ状態: GET /api/graph/{session_id}
- 推論グラフの現在の状態を取得する
アナリティクス: GET /api/analytics/{session_id}
- 推論プロセスに関する指標を取得する

🧪 テストと品質

開発ツール

型安全性:
- mypy.iniとpyrightconfig.jsonで設定
- python scripts/add_type_hints.pyのロガータイプの問題を修正しました
コード品質:
- 型注釈付きの完全に型付けされたコードベース
- 事前コミットフックが利用可能: poetry run pre-commit install
- Ruffによる自動フォーマット