Context Engineering MCP Platform

# 🧠 Context Engineering MCP プラットフォーム 単なるAIガイドの取得にとどまらず、完全なコンテキスト管理、最適化、プロンプトエンジニアリング機能を提供する包括的なAI駆動のContext Engineeringプラットフォームです。 ## ✨ 主な機能 ### 📚 AIガイド管理 - **完全なガイドリスト**: OpenAI、Google、AnthropicのAIガイドの包括的なメタデータにアクセス - **検索機能**: キーワード、トピック、説明によるガイドのフィルタリング - **セマンティック検索**: Gemini AIによる意味理解ベースの高度な検索 - **ガイド分析**: 学習目標生成を含む詳細分析 - **ガイド比較**: 複数ガイドの並列比較 ### 🔧 Context Engineering システム - **コンテキストウィンドウ管理**: トークン追跡機能付きコンテキストウィンドウの作成・管理 - **コンテキスト分析**: セマンティック一貫性チェックを含むAI駆動の品質評価 - **最適化エンジン**: トークン削減、明確性、関連性の自動最適化 - **マルチモーダル対応**: テキスト、画像、音声、動画、ドキュメントの処理 - **RAG統合**: 検索拡張生成のコンテキスト管理 ### 📋 プロンプトテンプレート管理 - **テンプレート作成**: 再利用可能なプロンプトテンプレートの作成・管理 - **AI生成**: 目的と例に基づくテンプレートの自動生成 - **バージョン管理**: テンプレート使用状況と品質スコアの追跡 - **テンプレートレンダリング**: 動的な変数置換 ### 🤖 MCP サーバー統合 - **Claude Desktop サポート**: 完全なMCPプロトコル統合 - **15の包括的なツール**: コンテキストエンジニアリング用の完全なツールセット - **リアルタイム更新**: ライブ更新のためのWebSocketサポート ### 📊 ワークフロー管理 - **自動ワークフロー生成**: 自然言語入力からのワークフロー作成 - **インテリジェントタスク分解**: AI駆動のタスク分割 - **エージェント管理**: 能力に基づく自動割り当て - **リアルタイム可視化**: 進捗追跡のための美しいダッシュボード ## 🛠️ 前提条件 - Python 3.10+ - Node.js 16+ (MCPサーバー用) - Google Gemini API キー - Docker (オプション、コンテナ化デプロイメント用) ## 🚀 セットアップとインストール ### 1. リポジトリのクローン ```bash git clone https://github.com/ShunsukeHayashi/context_-engineering_MCP.git cd "context engineering_mcp_server" ``` ### 2. 環境設定 ```bash cp .env.example .env # .envファイルを編集してGEMINI_API_KEYを追加 ``` ### 3. 依存関係のインストール #### AI Guides API サーバー用 ```bash pip install -r requirements.txt ``` #### Context Engineering システム用 ```bash cd context_engineering python -m venv context_env source context_env/bin/activate # Windows: context_env\Scripts\activate pip install -r requirements.txt ``` #### MCP サーバー用 ```bash cd mcp-server npm install ``` ## 🌐 プラットフォームの実行 ### 1. AI Guides API サーバー ```bash uvicorn main:app --host 0.0.0.0 --port 8888 --reload ``` ### 2. Context Engineering API サーバー ```bash cd context_engineering ./start_context_engineering.sh ``` ### 3. MCP サーバー (Claude Desktop用) ```bash cd mcp-server node context_mcp_server.js ``` ## 🌍 アクセスポイント ### AI Guides API - **APIサーバー**: http://localhost:8888 - **APIドキュメント**: http://localhost:8888/docs - **ReDoc**: http://localhost:8888/redoc ### Context Engineering プラットフォーム - **ダッシュボード**: http://localhost:9001 - **APIドキュメント**: http://localhost:9001/docs - **WebSocket**: ws://localhost:9001/ws ### MCP サーバー設定 Claude Desktop の設定に追加: ```json { "mcpServers": { "context-engineering": { "command": "node", "args": ["/path/to/mcp-server/context_mcp_server.js"] } } } ``` ## 📡 API エンドポイント ### AI Guides エンドポイント #### 基本エンドポイント - `GET /guides` - 全AIガイドの一覧 - `GET /guides/search?query={keyword}` - ガイド検索 - `GET /guides/{title}` - ガイド詳細取得 - `GET /guides/{title}/download-url` - ダウンロードURL取得 #### Gemini強化エンドポイント - `POST /guides/search/gemini` - セマンティック検索 - `GET /guides/{title}/analyze` - ガイド分析 - `POST /guides/analyze-url` - 外部URL分析 - `POST /guides/compare` - 複数ガイド比較 ### Context Engineering エンドポイント #### セッション管理 - `POST /api/sessions` - 新規セッション作成 - `GET /api/sessions` - セッション一覧 - `GET /api/sessions/{session_id}` - セッション詳細 #### コンテキストウィンドウ - `POST /api/sessions/{session_id}/windows` - コンテキストウィンドウ作成 - `POST /api/contexts/{window_id}/elements` - コンテキスト要素追加 - `GET /api/contexts/{window_id}` - コンテキストウィンドウ取得 - `POST /api/contexts/{window_id}/analyze` - コンテキスト分析 #### 最適化 - `POST /api/contexts/{window_id}/optimize` - コンテキスト最適化 - `POST /api/contexts/{window_id}/auto-optimize` - 自動最適化 - `GET /api/optimization/{task_id}` - 最適化ステータス #### テンプレート管理 - `POST /api/templates` - テンプレート作成 - `POST /api/templates/generate` - AIでテンプレート生成 - `GET /api/templates` - テンプレート一覧 - `POST /api/templates/{template_id}/render` - テンプレートレンダリング ## 🧰 MCP ツール (15種類) ### AI Guides ツール (4種) 1. **list_ai_guides** - 全AIガイドの一覧 2. **search_ai_guides** - キーワードでガイド検索 3. **search_guides_with_gemini** - Geminiによるセマンティック検索 4. **analyze_guide** - 特定ガイドの分析 ### Context Engineering ツール (7種) 5. **create_context_session** - 新規コンテキストセッション作成 6. **create_context_window** - コンテキストウィンドウ作成 7. **add_context_element** - コンテキストに要素追加 8. **analyze_context** - コンテキスト品質分析 9. **optimize_context** - コンテキストウィンドウ最適化 10. **auto_optimize_context** - 自動最適化 11. **get_context_stats** - システム統計取得 ### テンプレート管理ツール (4種) 12. **create_prompt_template** - 新規テンプレート作成 13. **generate_prompt_template** - AIテンプレート生成 14. **list_prompt_templates** - 利用可能テンプレート一覧 15. **render_template** - 変数でテンプレートレンダリング ## 🎯 使用例 ### 基本的なAIガイド検索 ```bash curl "http://localhost:8888/guides/search?query=エージェント" ``` ### Geminiによるセマンティック検索 ```bash curl -X POST "http://localhost:8888/guides/search/gemini" \ -H "Content-Type: application/json" \ -d '{"query": "AIエージェントの構築方法", "use_grounding": true}' ``` ### コンテキストセッション作成 ```bash curl -X POST "http://localhost:9001/api/sessions" \ -H "Content-Type: application/json" \ -d '{"name": "私のAIプロジェクト", "description": "チャットボット開発用コンテキスト"}' ``` ### コンテキスト要素追加 ```bash curl -X POST "http://localhost:9001/api/contexts/{window_id}/elements" \ -H "Content-Type: application/json" \ -d '{ "content": "あなたは親切なAIアシスタントです...", "type": "system", "priority": 10 }' ``` ### コンテキスト最適化 ```bash curl -X POST "http://localhost:9001/api/contexts/{window_id}/optimize" \ -H "Content-Type: application/json" \ -d '{ "goals": ["reduce_tokens", "improve_clarity"], "constraints": {"min_tokens": 100} }' ``` ## 📊 システムアーキテクチャ ### コアコンポーネント - **main.py**: AIガイド用FastAPIメインアプリケーション - **gemini_service.py**: Gemini AI統合サービス - **context_engineering/**: 完全なコンテキストエンジニアリングシステム - **context_models.py**: コンテキスト管理用データモデル - **context_analyzer.py**: AI駆動コンテキスト分析 - **context_optimizer.py**: コンテキスト最適化エンジン - **template_manager.py**: プロンプトテンプレート管理 - **context_api.py**: コンテキストエンジニアリング用FastAPIサーバー - **mcp-server/**: MCPサーバー実装 - **index.js**: 基本AIガイドMCPサーバー - **context_mcp_server.js**: 完全なコンテキストエンジニアリングMCPサーバー ### 事前定義テンプレート (5種類) 1. **基本的な質問応答** - シンプルな質問回答形式 2. **専門家ロールプレイ** - 専門的な応答 3. **段階的思考プロセス** - 思考の連鎖推論 4. **Few-Shot学習** - 例ベースの学習 5. **コード生成** - プログラミングタスクテンプレート ## 🔧 Dockerデプロイメント ### Dockerイメージのビルド ```bash docker build -t context-engineering-platform . ``` ### Docker Composeで実行 ```bash docker-compose up -d ``` ## 🚀 パフォーマンス最適化 - Gemini APIレート制限の考慮 - トークン使用量の最適化 - WebSocket接続管理 - 頻繁にアクセスされるデータのキャッシング ## 🤝 貢献 このプロジェクトはオープンソースです。Issue報告やPull Requestを歓迎します。 ### 開発環境のセットアップ ```bash # 開発用依存関係のインストール pip install -r requirements.txt pip install pytest pytest-asyncio httpx # テストの実行 pytest # 開発サーバーの起動 uvicorn main:app --reload # AI Guides cd context_engineering && python context_api.py # Context Engineering ``` ## 📄 ライセンス MIT License - 詳細はLICENSEファイルを参照してください。 ## 🆘 サポート 問題が発生した場合： 1. [Issues](https://github.com/ShunsukeHayashi/context_-engineering_MCP/issues)でバグ報告 2. [Discussions](https://github.com/ShunsukeHayashi/context_-engineering_MCP/discussions)で質問 3. 📧 開発者への直接連絡 --- **🤖 このプロジェクトはClaude Codeによって強化されました** AIガイド管理から高度なコンテキスト最適化、プロンプトエンジニアリング、リアルタイムワークフロー可視化まで、すべてを処理する完全なContext Engineeringプラットフォームです。