LOG-mcp

どのAIモデルを使うべきか推測するのはやめましょう。このMCPサーバーは、ドラフト回答を選択するたびにあなたの好みのデータセットを構築します。一般的なベンチマークではなく、あなたの実際の選択から学習します。

ライブURL: https://log-mcp.casey-digennaro.workers.dev ライセンス: MIT • ランタイム: Cloudflare Workers • 依存関係: 0

なぜこれが存在するのか

公開されているモデルのランキングは、多くの場合、あなたの特定のニーズを反映していません。このサーバーは、作業中にあなたが行う選択から直接好みを学習し、将来のプロンプトをあなたが選ぶ可能性が高いモデルへとルーティングする手助けをします。

クイックスタート

まずこのリポジトリをフォークして、独自のインスタンスを作成してください。

1. フォーク: このリポジトリをフォークします。

2. デプロイ: フォーク内のワンクリックボタンを使用してCloudflare Workersにデプロイします。

3. APIキーの追加: Workerの環境変数にモデルのAPIキーを追加します。

ローカル開発の場合:

git clone https://github.com/your-username/log-mcp
cd log-mcp
cp .env.example .env
# Add your API keys to the .env file
npm run dev

仕組み

プロンプトを送信すると、LOG-mcpは設定された各モデルからドラフト回答を生成します。あなたが最適なものを選択すると、その選択があなたのプライベートな好みプロファイルをトレーニングします。時間が経つにつれて、プロンプトはあなたが選択したであろうモデルに直接ルーティングされるようになります。すべての選択データはWorker内に留まります。

特徴

• 好み学習: 過去の選択に基づいてプロンプトをルーティングします。

• PII（個人情報）の削除: モデルAPIに送信する前に、デフォルトで識別可能な情報（名前、メールアドレス、電話番号）を削除します。

• セマンティックキャッシュ: 意味的に類似した以前に回答済みのプロンプトについては、再生成をスキップします。

• トレーニングデータのエクスポート: 好みのペアを標準のLoRA/DPO形式でエクスポートします。

• マルチモデルサポート: OpenAI、Anthropic、Google、およびオープンウェイトモデルのエンドポイントを設定可能です。

• MCP準拠: Model Context Protocolをサポートするあらゆるクライアントで動作します。

• ゼロ依存関係: 迅速にデプロイできる単一の自己完結型スクリプトです。

制限事項

このシステムが学習するには、明示的な選択データが必要です。ドラフト間の選択をほとんど行わない場合、効果的なルーティングプロファイルを構築できず、すべてのモデルの出力を表示し続けることになります。

アーキテクチャ

LOG-mcpはCloudflare Workers上でステートレスに動作します。すべての好みデータはCloudflare KV名前空間に保存されます。管理が必要な外部データベースやバックグラウンドプロセスはありません。