# Creative Ideation MCP Server

Google Gemini APIを使用して、創造的思考のためのコンテキスト別カテゴリと選択肢を生成するMCP（Model Context Protocol）サーバーです。

## 主要機能

- **カテゴリ生成**: 指定されたコンテキストに関連する思考カテゴリを作成
- **選択肢生成**: 各カテゴリに対して多様な選択肢を生成
- **ランダムサンプリング**: AIの選択パターンを回避するオプション機能
- **日本語対応**: すべての出力が日本語で提供
- **レート制限対応**: Gemini API用の5秒間隔制御
- **エラーハンドリング**: 自動リトライとJSON修復機能

## 前提条件

- Node.js 18以上
- Google Gemini APIキー

## セットアップ

### Gemini APIキーの取得

1. [Google AI Studio](https://aistudio.google.com/)にアクセス
2. Googleアカウントでサインイン
3. 新しいAPIキーを作成

### MCPサーバー設定例

```json
{
  "mcpServers": {
    "creative-ideation-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@creating-cat/creative-ideation-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY",
        "GEMINI_MODEL": "gemini-2.5-flash-lite-preview-06-17"
      },
      "disabled": false,
      "timeout": 300
    }
  }
}
```

* `YOUR_GEMINI_API_KEY`にはあなたのGemini API KEYを設定してください。
* `GEMINI_MODEL`は使用するGeminiモデルを指定します。デフォルトは`gemini-2.5-flash-lite-preview-06-17`です。

## ランダムサンプリング機能

### 解決する問題

AIは学習データの偏りにより、同じようなパターンの選択肢を生成しがちです。例えば：

- 「ゲームメカニクス」で常に「ワーカープレイスメント」「デッキ構築」が上位に来る
- 「料理のジャンル」で「イタリアン」「フレンチ」「和食」が定番として選ばれる
- 創造的なアイデア発想において、予想可能な選択肢に偏る

### 解決策

AIに大量の選択肢を生成させた後に、その中からいくつかの選択肢をランダムに選択したもののみ提示することにより、通常選択肢の中にある王道的な選択肢がランダムにマスクされたような状態になることで、以下のような効果が期待されます：

- **多様性の確保**: 普段は選ばれにくい選択肢も考慮することになる可能性がある
- **意外性の創出**: 予想外の組み合わせや視点が得られる可能性がある
- **創造的思考の促進**: 固定観念を打破する新しい発想のきっかけになる可能性がある

### 使用例

```json
{
  "expert_role": "ゲームデザイナー",
  "target_subject": "オリジナルボードゲーム",
  "target_categories": 3,
  "target_options_per_category": 50,
  "randomize_selection": true,
  "random_sample_size": 8
}
```

この設定では、各カテゴリで50個の選択肢を生成し、その中からそれぞれランダムに8個の選択肢を提示します。結果として、通常では得られない多様で創造的な選択肢の組み合わせが得られます。

**動作の仕組み**: `target_options_per_category` で指定した数の選択肢を生成後、その数が `random_sample_size` を超える場合にランダムサンプリングが適用されます。

## ツール: `generate_categories`

このMCPサーバーは `generate_categories` という名前のツールを提供します。

### 基本的な使用例

**入力:**
```json
{
  "expert_role": "ゲームデザイナー",
  "target_subject": "オリジナルボードゲーム",
  "target_categories": 3,
  "target_options_per_category": 5
}
```

**応答例:**
```json
{
  "success": true,
  "data": {
    "expert_role": "ゲームデザイナー",
    "target_subject": "オリジナルボードゲーム",
    "categories": [
      {
        "name": "ゲームメカニクス",
        "description": "ゲームの基本的な仕組みや遊び方",
        "options": [
          "ワーカープレイスメント",
          "デッキ構築",
          "エリアコントロール",
          "協力ゲーム",
          "正体隠匿"
        ]
      },
      {
        "name": "テーマ設定",
        "description": "ゲームの世界観や背景設定",
        "options": [
          "中世ファンタジー",
          "宇宙開拓",
          "現代都市",
          "古代文明",
          "サイバーパンク"
        ]
      },
      {
        "name": "プレイヤー体験",
        "description": "プレイヤーが感じる楽しさや感情",
        "options": [
          "戦略的思考の楽しさ",
          "協力による達成感",
          "予想外の展開",
          "成長の実感",
          "競争の緊張感"
        ]
      }
    ]
  }
}
```

### 入力パラメータ

| パラメータ名 | 説明 | デフォルト値 |
| ------------ | ---- | ------------ |
| `expert_role` | (string, 必須) 専門家役割の視点（例: "ゲームデザイナー", "料理研究家"） | なし |
| `target_subject` | (string, 必須) 考察対象のテーマ（例: "オリジナルボードゲーム", "新しいレシピ"） | なし |
| `target_categories` | (number, 任意) 生成カテゴリ数の目安（10-30） | `20` |
| `target_options_per_category` | (number, 任意) 各カテゴリの選択肢数の目安（10-200） | `20` |
| `randomize_selection` | (boolean, 任意) ランダム選択の有効化 | `false` |
| `random_sample_size` | (number, 任意) ランダム選択時の最大出力数（5-200） | `10` |
| `domain_context` | (string, 任意) 追加のドメイン固有コンテキスト | なし |

### 出力

成功した場合、生成されたカテゴリと選択肢のJSONデータを返します。
失敗した場合は、エラーコードとメッセージを含むエラー情報を返します。

## 注意事項

* **非決定性**: 同じパラメータで実行しても、AI生成のため毎回異なる結果が返されます。この特性を活かして複数回実行することで、より多様なアイデアを得ることができる可能性があります。
* 処理時間は約(1+カテゴリ数)×5-10秒です（例：20カテゴリで2-4分）
* APIキーの取り扱いには十分注意してください。
* Gemini APIの利用制限にご注意ください。

## ライセンス

MIT License - 詳細はLICENSEファイルを参照してください。