Deep Thinking Assistant

# Deep Thinking Assistant - Gemini MCP Server 深い思考と分析を提供するGemini APIベースのMCPサーバーです。 AIエディタのモデルと連携して、より深い分析と洞察を提供します。 ## 特徴 - 多角的な視点からの問題分析 - 批判的思考と創造的思考の統合 - 実践的で具体的な提案 - 既存の知識の統合と新しい視点の提供 - コンテキストに応じた適切な詳細度の調整 - 提案された解決策の批判的分析と改善提案 ## プロジェクト構造 ``` dive_deep/ ├── logs/ # ログファイルディレクトリ ├── dive_deep_server.py # メインサーバーファイル ├── logger_config.py # ロギング設定 ├── prompts.py # プロンプト定義 ├── requirements.txt # 依存関係 ├── .env # 環境変数設定 └── README.md # ドキュメント ``` ## セットアップ 1. 依存関係のインストール: ```bash pip install -r requirements.txt ``` 2. 環境変数の設定: `.env`ファイルを作成し、以下の内容を設定してください： ``` GEMINI_API_KEY=your_api_key_here GEMINI_MODEL=gemini-2.0-flash ``` ## 使用方法 サーバーの起動: ```bash python dive_deep_server.py ``` ## 利用可能なツール ### deep_thinking_agent 問題解決のための思考プロセスを深め、着眼点を提示します。このツールは、問題に対する深い理解と多角的な分析を提供し、より良い解決策を導き出すためのガイドラインを提示します。 パラメータ: - `instructions`: ユーザーからの指示（必須） - `context`: 思考プロセスのコンテキスト（必須） - `model`: 使用するモデル名（デフォルト: "gemini-2.0-flash"） ### enhancement_agent コードの改善点を分析し、具体的な提案を行います。このツールは、コードの品質、パフォーマンス、保守性などの観点から包括的な分析を行い、実践的な改善提案を提供します。 パラメータ: - `instructions`: レビュー対象のコードに対する指示（必須） - `code`: コードのリスト（必須） - `model`: 使用するモデル名（デフォルト: "gemini-2.0-flash"） - `temperature`: 生成時の温度パラメータ（デフォルト: 0.7） ### final_review_agent 最終的なコードレビューを行い、改善点を提示します。このツールは、提案された変更や改善点を批判的に分析し、潜在的な問題や更なる最適化の機会を特定します。 パラメータ: - `instructions`: レビュー対象のコードに対する指示（必須） - `code`: コードのリスト（必須） - `model`: 使用するモデル名（デフォルト: "gemini-2.0-flash"） - `temperature`: 生成時の温度パラメータ（デフォルト: 0.7） ## 使用例 1. 思考プロセスの深化: ```python response = deep_thinking_agent( instructions="このアルゴリズムの最適化方法を考えてください", context="現在の実装では時間計算量がO(n^2)となっています", model="gemini-2.0-flash" ) ``` 2. コードの改善提案: ```python response = enhancement_agent( instructions="このコードのパフォーマンスを改善してください", code=["def example():\n # コード内容"], model="gemini-2.0-flash" ) ``` 3. 最終レビュー: ```python response = final_review_agent( instructions="実装された改善案の最終確認をお願いします", code=["def improved_example():\n # 改善されたコード"], model="gemini-2.0-flash" ) ``` ## デフォルトのシステムプロンプト ### 思考支援プロンプト サーバーは以下の原則に基づいて思考を支援します： 1. 問題理解と構造化思考 - システム思考による全体像の把握 - MECEによる問題の分解 - 因果関係の分析（Why-Why分析、特性要因図） - ステークホルダー分析と要件整理 2. 解決策の設計と評価 - デザインパターンとアーキテクチャ原則の適用 - トレードオフの定量的評価（コストvs.ベネフィット） - リスク分析と対策（FMEA手法） - 実現可能性の検証（PoC戦略） 3. 技術的卓越性の追求 - クリーンアーキテクチャの原則 ・疎結合と高凝集 ・依存関係の適切な方向性 ・インターフェースの抽象化 - コード品質の最適化 ・可読性と保守性 ・パフォーマンスとスケーラビリティ ・セキュリティと堅牢性 - テスト戦略の設計 ・テストピラミッドの考慮 ・境界値とエッジケース ・自動化と継続的検証 4. イノベーションと創造的思考 - ラテラルシンキングの活用 - SCAMPERメソッドによるアイデア展開 - 制約を活かした創造的問題解決 - 新技術とレガシーシステムの統合 5. 実装とデプロイメントの最適化 - 段階的な実装戦略 - 技術的負債の管理と返済計画 - 変更の影響分析 - デプロイメントリスクの最小化 6. 継続的改善と学習 - KPIとメトリクスの設定 - フィードバックループの確立 - 知識の体系化と共有 - PDCAサイクルの実践 7. コミュニケーションとコラボレーション - 技術的説明の明確化 - ドキュメントの構造化 - チーム間の知識共有 - レビューとフィードバックの促進 ### 回答分析プロンプト 回答の分析は以下の観点から行われます： 1. 論理的整合性と完全性 - 前提条件と制約の妥当性 - 論理展開の一貫性 - 結論の導出プロセス - 見落とされた要素の特定 - 反証可能性の検証 2. 技術的実現可能性と最適性 - アルゴリズムとデータ構造の適切性 - システムアーキテクチャの堅牢性 - パフォーマンスとスケーラビリティ - セキュリティと信頼性 - 保守性と拡張性 3. 実装と運用 - 開発効率と生産性 - 運用負荷とコスト - 監視と障害対応 - バージョン管理とデプロイメント - チームコラボレーションの有効性 4. リスクと課題 - 技術的制約と限界 - セキュリティ脆弱性 - パフォーマンスのボトルネック - 依存関係の複雑さ - 潜在的な技術的負債 5. ビジネス価値とインパクト - 開発・運用コスト - 市場投入までの時間 - ユーザー体験への影響 - ビジネス要件との整合性 - 競争優位性への貢献 分析結果の構成： 1. 提案の強み - 技術的優位性 - 実装の効率性 - ビジネス価値 - 革新的要素 2. 改善が必要な領域 - 技術的課題 - 実装上のリスク - 運用上の懸念 - スケーラビリティの制限 3. 具体的な改善提案 - 短期的な改善 - 中長期的な最適化 - 代替アプローチ - ベストプラクティスの適用 4. 追加の考慮事項 - エッジケースと例外処理 - 将来のスケーラビリティ - セキュリティ考慮事項 - パフォーマンス最適化 5. 実装ロードマップ - タスクの優先順位付け - マイルストーンの設定 - 成功指標（KPI）の定義 - リスク軽減戦略