Skip to main content
Glama

🧠 バイブチェックMCP

バージョン ライセンス パターンステータス 鍛冶屋のバッジバイブチェックMCPサーバー

Vibecheck は、 mcpservers.orgGlama.aimcp.soでも見つかります。

AI が自分でアヒルの姿になれないときの AI 内部のアヒルの姿。

バイブチェックとは何ですか?

「バイブコーディング」の時代では、AI エージェントは驚異的な能力を備えていますが、問題は次のようになります。

から

「私の AI エージェントは本当にこの複雑なタスクを実行できるのでしょうか?」

「私の AI エージェントは、私が数十億ドル規模のテクノロジー企業向けのインフラストラクチャではなく、単純なプログラムを書きたいのだということを理解できるでしょうか?」

AIエージェントには現状では備わっていない、「ちょっと待て…これは違う」という重要な瞬間、つまり自己修正型の監視レイヤーを内蔵しています。Vibe Coderの正気度チェックMCPサーバーとして、まさに決定版と言えるでしょう。

  • 戦略的なパターン中断を実装することで、AI ワークフローにおける連鎖エラーを防止します。

  • LearnLM 1.5 Pro (Gemini API) で「Vibe Check」というツールを使用し、教育学とメタ認知に合わせて微調整することで複雑なワークフロー戦略を強化し、トンネルビジョンエラーを防止します。

  • 「Vibe Distill」を実装して、計画の簡素化を促進し、ソリューションの過剰エンジニアリングを防ぎ、エージェントのコンテキストドリフトを最小限に抑えます。

  • 自己改善型フィードバック ループ: エージェントは「Vibe Learn」に間違いを記録して意味的想起を改善し、時間の経過とともに監視 AI がパターンをターゲットにするのに役立ちます。

TLDR: エージェントが自信を持って間違ったことを実装する前に、エージェントを停止して再考させるように微調整されたエージェントを実装します。

Related MCP server: Think MCP Tool

問題:パターンの慣性

バイブコーディング運動では、LLMを使ってコードを生成、リファクタリング、デバッグしています。しかし、これらのモデルには重大な欠陥があります。一度推論の道筋を辿り始めると、その道筋が明らかに間違っている場合でも、そのまま進み続けてしまうのです。

You: "Parse this CSV file"

AI: "First, let's implement a custom lexer/parser combination that can handle arbitrary 
     CSV dialects with an extensible architecture for future file formats..."

You: *stares at 200 lines of code when you just needed to read 10 rows*

このパターンの慣性により、次のことが起こります。

  • 🔄トンネルビジョン:エージェントが一つのアプローチに固執し、代替案が見えなくなる

  • 📈スコープクリープ: 単純なタスクが徐々にエンタープライズ規模のソリューションへと進化する

  • 🔌オーバーエンジニアリング:必要のない問題に抽象化のレイヤーを追加する

  • 不整合: 依頼した問題とは隣接しているが異なる問題を解決する

機能: メタ認知監視ツール

Vibe Check は、次の 3 つの統合ツールを使用して、エージェントのワークフローにメタ認知レイヤーを追加します。

🛑 バイブチェック

メタ認知的質問によってトンネルビジョンを打破するパターン中断メカニズム:

vibe_check({
  "phase": "planning",           // planning, implementation, or review
  "userRequest": "...",          // FULL original user request 
  "plan": "...",                 // Current plan or thinking
  "confidence": 0.7              // Optional: 0-1 confidence level
})

⚓ バイブ・ディスティル

複雑なワークフローを再調整するメタ思考のアンカーポイント:

vibe_distill({
  "plan": "...",                 // Detailed plan to simplify
  "userRequest": "..."           // FULL original user request
})

🔄バイブラーン

時間の経過とともにパターン認識を構築する自己改善フィードバック ループ:

vibe_learn({
  "mistake": "...",              // One-sentence description of mistake
  "category": "...",             // From standard categories
  "solution": "..."              // How it was corrected
})

バイブチェックの実践

バイブチェック前:

前に

クロードはMCPの意味が曖昧であるにもかかわらずそれを前提としており、その後のすべてのステップでこの誤った前提が採用されることになる。

バイブチェック後:

後

バイブチェックMCPが呼び出され、曖昧さを指摘し、クロードはこの情報不足を認め、積極的に対処することを余儀なくされました。

インストールとセットアップ

Smithery経由でインストール

Smithery経由で Claude Desktop 用の vibe-check-mcp-server を自動的にインストールするには:

npx -y @smithery/cli install @PV-Bhat/vibe-check-mcp-server --client claude

npm による手動インストール (推奨)

# Clone the repo
git clone https://github.com/PV-Bhat/vibe-check-mcp-server.git
cd vibe-check-mcp-server

# Install dependencies
npm install

# Build the project
npm run build

# Start the server
npm run start

クロードとの統合

claude_desktop_config.jsonに追加します:

"vibe-check": {
  "command": "node",
  "args": [
    "/path/to/vibe-check-mcp/build/index.js"
  ],
  "env": {
    "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY"
  }
}

環境設定

プロジェクト ルートに.envファイルを作成します。

GEMINI_API_KEY=your_gemini_api_key_here

エージェントプロンプトガイド

パターン割り込みを効果的に行うには、システム プロンプトに次の命令を含めます。

As an autonomous agent, you will:

1. Treat vibe_check as a critical pattern interrupt mechanism
2. ALWAYS include the complete user request with each call
3. Specify the current phase (planning/implementation/review)
4. Use vibe_distill as a recalibration anchor when complexity increases
5. Build the feedback loop with vibe_learn to record resolved issues

各ツールをいつ使用するか

道具

いつ使うか

🛑バイブチェック

エージェントがToDoアプリのブロックチェーンの基礎を説明し始めたら

バイブ・ディスティル

エージェントのプランに、技術仕様全体よりも多くの箇条書きが含まれている場合

🔄バイブラーン

エージェントを手動で複雑性の深淵から戻した後

APIリファレンス

完全な API ドキュメントについては、テクニカル リファレンスを参照してください。

建築

Vibe Checkは、再帰的監視原理に基づく二層メタ認知アーキテクチャを実装しています。主な知見:

  1. パターン慣性抵抗: LLM エージェントは、推論パスにおいて自然に運動量のような特性を示し、方向転換するには外部介入が必要です。

  2. 位相共鳴中断: メタ認知質問は、是正効果を最大限に高めるために、エージェントの現在のフェーズ (計画/実装/レビュー) と一致する必要があります。

  3. 権限構造の統合: エージェントは、外部のメタ認知フィードバックをオプションの提案ではなく、優先度の高い割り込みとして扱うように明示的に指示される必要があります。

  4. アンカー圧縮メカニズム: 複雑な推論フローを最小限のアンカー チェーンに凝縮して、効果的な再調整ポイントとして機能する必要があります。

  5. 再帰フィードバック ループ: 観察されたすべてのミスステップを保存し、活用して、中断の有効性を向上させる長期的な障害モデルを構築する必要があります。

基礎となる設計原則の詳細については、 「哲学」を参照してください。

バイブチェックの実践(続き)

VC1


V2


V3


V4

ドキュメント

書類

説明

エージェントプロンプト戦略

エージェント統合の詳細なテクニック

高度な統合

フィードバック連鎖、信頼度レベルなど

技術リファレンス

完全なAPIドキュメント

哲学

Vibe Checkの背後にあるAIアライメントの原理

ケーススタディ

Vibe Check の実際の使用例

貢献

Vibe Check への貢献を歓迎します。バグ修正、機能追加、ドキュメントの改善など、まずは貢献ガイドラインをご覧ください。

ライセンス

マサチューセッツ工科大学

Install Server
A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/PV-Bhat/vibe-check-mcp-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server