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
- 依存関係のインストール:
pip install -r requirements.txt
- 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:
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
- 思考プロセスの深化:
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"
)
- コードの改善提案:
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"
)
- 最終レビュー:
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：
- 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
- 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）
- 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
- 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
- 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
- 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
- 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：
- 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
- 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
- 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
- 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
- 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：
- 提案の強み
- 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
- 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
- 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
- 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