Foundryスタイルの運用オントロジーのためのAIコマンドレイヤー：MCPを介して接続し、実際のクエリデータで自然言語の質問に回答し、人間が承認したアクションを提案し、オンデマンドで運用ダッシュボードを生成するLLMエージェント — 自己構築型のPalantir AIPスタイル運用ツール。
系譜: このプロジェクトは、私がLocari（私のリードジェンSaaS — 本番稼働中、プライベートリポジトリ）向けに構築したAI サイト生成エージェントを、「LLMがウェブサイトを生成する」から「LLMがガバナンス付きでエンタープライズオントロジー上で運用する」へと進化させたものです。同じエージェントループのDNAを持ちながら、すべての機能が型付けされ、ホワイトリスト化され、プレビュー可能で、人間の承認を必要とし、監査されます。このエージェントはPACIFIC SENTINEL（プロジェクト1）と連携し、そのFastAPIオントロジーを直接消費できます。
すべてを実行（オフライン、APIキー不要）：
.venv/bin/python scripts/demo.pyまたは、Webアプリに次のように入力します：
# | プロンプト | 表示内容 |
1 |
| エージェントはオントロジースキーマに基づき、フィルタリングクエリを実行し、テーブルで回答します。すべてのツール呼び出しが右パネルにライブストリーミングされます。 |
2 |
| エージェントは提案します。プレビューカードに変更前後の状態と制約チェックが表示されます。あなたが承認して実行をクリックするまで何も変わりません。その後、補給所の在庫を再質問して状態変化を確認し、 |
3 |
| エージェントはライブデータをクエリし、JSONダッシュボード仕様を公開します。キャンバスに統計タイル、テーブル、棒グラフが表示されます。 |
|
|
|
|
Related MCP server: Enterprise Architecture MCP Server
MCP（Model Context Protocol） は、LLMに外部システム上の型付けされ、発見可能で、制限されたツールサーフェスを提供するオープンプロトコルです。サーバーはツール（名前 + 説明 + JSON Schema）を公開し、任意のクライアント（エージェント、IDE、チャットアプリ）が接続し、それらをリストし、呼び出します。プロトコルの境界がガバナンスの境界です。モデルはサーバーが公開するものだけを実行できます。
このプロジェクトはPalantirのAIPアーキテクチャのミニチュア版です：
このプロジェクト | Palantir AIP / Foundry相当 |
オントロジーバックエンド（ | Foundryオントロジー：生データ上のセマンティックオブジェクト、すべてのダウンストリームサーフェスで消費される単一のハブ |
MCP読み取りツール（ | AIPエージェントがグラウンディングに使用するオントロジーAPI / オブジェクトクエリ |
| AIPアクションタイプ（提出基準 + 人間承認ワークフロー）— 書き込みはガバナンスされ、検証された操作であり、生のテーブル編集ではない |
オペレーターキーによる承認ゲート + シングルユーストークン + エージェントツールホワイトリスト | エージェントの能力と人間の権限を分離するAIPの仕組み |
すべての提案/承認/実行/拒否の追記専用監査ログ | AIP評価・監査証跡 |
| オントロジーデータ上に構築されたWorkshopスタイルの運用アプリ（宣言的設定、任意のコードではない） |
エージェントループ（Claude + MCPツール + イベントストリーム） | AIP Agent Studio（ツールアクセス + ストリーム推論を持つエージェント） |
user ──ask──▶ Agent (LLM) MCP server FastAPI (operator)
│ propose_action(...) ──▶ validate params
│ run constraint checks
│ build before/after PREVIEW (no mutation)
│ ◀── proposal + action_id ─┘
UI shows preview card ──── human clicks Approve ──▶ approve_action(operator_key)
└─ mints SINGLE-USE token
execute_action(token)
├─ re-validates vs CURRENT state
├─ applies the change
└─ audit log: proposed→approved→executed3つの実施レイヤーがエージェントを提案のみに制限します：
ホワイトリスト — approve_action / reject_action / execute_action はLLMのツールリストから削除されます。エージェントループは与えられていないツールへの呼び出しを拒否します。
能力ゲート — 承認には、オーケストレーションサーバーのプロセス内にのみ存在するOPERATOR_KEYが必要です（MCPサブプロセス環境に注入されます）。LLMコンテキストにそれが含まれることは決してないため、エージェントは原理的に承認トークンを生成できません。
トークンメカニズム — トークンはシングルユース（secrets.compare_digest、初回使用で消費）であり、実行は現在の状態に対してすべての制約を再検証するため、古い承認で補給所を超過引き出しすることはできません。
同じ哲学がダッシュボードにも適用されます。エージェントは厳密に検証されたJSON仕様（extra="forbid"、3つのウィジェットタイプ、制限付きサイズ）を出力し、固定のReactコンポーネントが解釈します。HTML、JSX、実行可能コードは決して使用されません。
React 18 + Vite + TS + Tailwind FastAPI (port 8100) MCP server (stdio subprocess)
┌──────────────┬───────────────┐ WS ┌──────────────────────┐ MCP ┌─────────────────────────┐
│ Chat panel │ Actions cards │ ◀─────▶ │ /ws agent events │ ◀─────▶ │ 9 tools over ontology │
│ (markdown) │ Live trace │ HTTP │ /actions/{id}/approve│ stdio │ ┌─ StubOntology (dflt) │
│ │ Dashboard │ ◀─────▶ │ /actions/{id}/reject │ │ └─ HttpOntology ──▶ Project 1
│ │ canvas │ │ /audit /health │ │ (pacific-sentinel)
└──────────────┴───────────────┘ │ OpsAgent loop + LLM │ └─────────────────────────┘
│ (Claude ⟷ MockLLM) │
└──────────────────────┘# Backend
python3.11 -m venv .venv && .venv/bin/pip install -e ".[dev]"
.venv/bin/python -m pytest # 60 tests, fully offline
.venv/bin/python scripts/demo.py # scripted 3-prompt demo (mock LLM)
.venv/bin/python scripts/smoke_mcp.py # raw MCP stdio smoke run
# CLI
.venv/bin/python -m ops_agent.cli --llm mock "Which units are critically low on water?"
# Web app: API on :8100, frontend on :5174
LLM_MODE=mock .venv/bin/python -m uvicorn ops_agent.server:app --port 8100
cd frontend && npm install && npm run dev # open http://localhost:5174
npm test # 8 Vitest component tests
# Real LLM (claude-opus-4-8; key read from env, never hardcoded)
export ANTHROPIC_API_KEY=sk-ant-...
.venv/bin/python -m ops_agent.cli "Which units are critically low on water?"
# Against Project 1's live ontology instead of the stub
ONTOLOGY_BACKEND=http ONTOLOGY_API_URL=http://localhost:8000 ...LLMモード — LLM_MODE=auto（デフォルト：ANTHROPIC_API_KEYが設定されていればライブ、それ以外はモック）/ mock / live。MockLLMはツール呼び出しモデル（グラウンディングクエリ→フィルタリングクエリ→回答、アクション解析、ダッシュボード構築）のように動作するため、テストやデモを含むすべてのフローがオフラインで決定論的に実行されます。
M1 MCPサーバー：交換可能なバックエンド上の読み取り専用オントロジーツール + テスト
M2 エージェントループ：MCP上のLLMツール呼び出し、ホワイトリスト、監査イベント、CLI
M3 FastAPI WebSocketストリーミング + Reactチャット/トレースUI
M4 提案 → 人間承認（オペレーターキー + シングルユーストークン）→ 実行 → 監査
M5 ダッシュボード仕様生成（安全なJSON）+ Reactレンダラー（recharts）
M6 デモスクリプト、スクリーンショット、このREADME
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
An AI concierge that turns static forms into adaptive AI conversations. From any MCP client.
GibsonAI MCP server: manage your databases with natural language
Official Microsoft MCP Server to query Microsoft Entra data using natural language
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/aryanpatel27/sentinel-agent'
If you have feedback or need assistance with the MCP directory API, please join our Discord server