Reexpress Model-Context-Protocol (MCP) サーバー

ツール呼び出し対応LLM（例：Claude Opus 4.5やSonnet 4.5）およびmacOS（Appleシリコン搭載のSequoia 15以降）またはLinuxで動作するMCPクライアント向け

動画概要¹: こちら

Reexpress MCPサーバーは、複雑なLLMパイプラインや、ソフトウェア開発およびデータサイエンス環境における検索やQAのための日常的なLLM利用に、最先端の統計的検証を追加するためのドロップインソリューションです。これは、AIワークフローのための初の信頼性が高く、統計的に堅牢なAIの「セカンドオピニオン」です。

MCPサーバーをインストールし、チャットテキストの最後にReexpressプロンプトを追加するだけです。ツール呼び出し対応LLM（例：AnthropicのLLMモデルClaude Opus 4.5）は、提供された事前学習済みのReexpress Similarity-Distance-Magnitude (SDM) 推定器を使用してその回答をチェックします。この推定器は、gpt-5.2-2025-12-11、gemini-3-pro-preview、およびgranite-3.3-8b-instruct（ローカル実行）をアンサンブルし、ツール呼び出し対応LLMからの出力とともに、OpenVerification1データセットの学習およびキャリブレーション例のデータベースに対して、予測不確実性の堅牢な推定値を計算します。Reexpressメソッドのユニークな点は、モデルをタスクに簡単に適応させられることです。検証完了後にReexpressAddTrueまたはReexpressAddFalseツールを呼び出すだけで、将来のReexpressツールの呼び出しにおいて、検証確率を計算する際にあなたの更新内容が動的に考慮されます。また、モデルの学習スクリプトも同梱しているため、より実質的な変更が必要な場合や、別の基盤LLMを使用したい場合に、完全な再学習を実行することも可能です。

[!NOTE] 指示に対する出力の信頼性について原則に基づいた推定値を（ユーザーである）あなたに提供することに加え、ツール呼び出し対応LLM自体が検証出力を使用して回答を段階的に洗練させたり、外部リソースやツールが必要かどうかを判断したり、あるいは行き詰まってあなたに追加の明確化や情報を求める必要があるかどうかを判断したりすることができます。これこそが私たちがSDM検証による推論と呼ぶものであり、個人および企業の両方にとって、LLMやLLMエージェントのより幅広いユースケースを切り開く、AIツールキットにおける全く新しい機能です。

データは標準的なLLM API呼び出しを通じてAzure/OpenAIおよびGoogleにのみ送信され、gemini-3-pro-previewの呼び出しにはAPIを通じて標準的なウェブ検索アクセスが付与されます。SDM推定器のすべての処理は、あなたのコンピュータ上でローカルに行われます。Reexpress MCPはシンプルで保守的ですが効果的なファイルアクセスシステムを備えています。ファイルアクセスツールであるReexpressDirectorySet()およびReexpressFileSet()を使用してファイルを明示的に指定することで、どの追加ファイル（もしあれば）をLLM APIに送信するかを制御できます。

バージョン2.1.0の新機能

バージョン2.1.0では、モデルアンサンブルとしてgpt-5.2-2025-12-11とgemini-3-pro-previewを使用し、gpt-5-2025-08-07とgemini-2.5-proを置き換えました。その他の注記はchangelog.mdを参照してください。

Related MCP server: File Convert MCP Server

システム要件

このMCPサーバーはLinuxおよびmacOSで動作します。主な要件は、MCPサーバーを実行するマシンがローカルで ibm-granite/granite-3.3-8b-instruct を（HuggingFace transformersライブラリ経由で）実行できることです。これは2つの短いモデルの説明と1つの短い要約を入力として受け取り、1トークンを生成するだけでよいため、実用上の計算要件は比較的控えめです。

インストール

INSTALL.mdを参照してください。

[!TIP] Reexpress MCPサーバーは他のMCPサーバーと比較してセットアップが簡単ですが、LLM、MCP、およびコマンドラインツールに関するある程度の知識があることを前提としています。ターゲット読者は開発者およびデータサイエンティストです。信頼できるソースからのMCPサーバーのみを追加し、他のMCPツールが予期しない方法で当社のMCPサーバーの動作を変更する可能性があることに留意してください。

設定オプション

CONFIG.mdを参照してください。

使用方法

documentation/HOW_TO_USE.mdを参照してください。

ツール呼び出しの出力から静的HTMLを生成する

documentation/OUTPUT_HTML.mdを参照してください。

ガイドライン

documentation/GUIDELINES.mdを参照してください。

FAQ

documentation/FAQ.mdを参照してください。

学習およびキャリブレーションデータ

documentation/DATA.mdを参照してください。

OpenVerification1での評価

documentation/EVAL.mdを参照してください。

システムデモンストレーション論文

Reexpress MCPサーバーのバージョン2.1.0に特に焦点を当てたシステムデモンストレーション論文「Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following」のコピーはこちらに含まれています。分析を再現するためのサポートスクリプトはこちらに含まれています。

引用

このソフトウェアが有用であると思われる場合は、以下の査読済み論文の引用を検討してください。

@misc{Schmaltz-2025-SimilarityDistanceMagnitudeActivations,
      title={Similarity-Distance-Magnitude Activations}, 
      author={Allen Schmaltz},
      year={2025},
      eprint={2509.12760},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2509.12760},
      note={To appear in \emph{Findings of the Association for Computational Linguistics: ACL 2026}, San Diego, CA, USA.},
}

@misc{Schmaltz-2026-ReexpressMCPServer,
      title={Introspectable, Updatable, and Uncertainty-aware Classification of Language Model Instruction-following}, 
      author={Allen Schmaltz},
      year={2026},
      note={To appear in the \emph{1st ACM Conference on AI and Agentic Systems: Demos (ACM CAIS'26 Demos)}, San Jose, CA, USA.},
}