# リポジトリのクローン
git clone https://github.com/yynet2022/digitize_agent.git
cd digitize_agent

# 仮想環境の作成と有効化
python -m venv .venv

# Windows (PowerShell) の場合:
.venv\Scripts\Activate.ps1
# Linux / macOS の場合:
source .venv/bin/activate

# パッケージと依存関係のインストール (編集可能モード)
pip install -e .

digitize-agent
# または
python -m digitize_agent.server

{
  "mcpServers": {
    "digitize-agent": {
      "command": "C:\\path\\to\\digitize_agent\\.venv\\Scripts\\python.exe",
      "args": ["-m", "digitize_agent.server"]
    }
  }
}

{
  "mcpServers": {
    "digitize-agent": {
      "command": "/path/to/digitize_agent/.venv/bin/python",
      "args": ["-m", "digitize_agent.server"]
    }
  }
}

from digitize_agent.tools import (
    auto_calibrate_axes,
    calibrate_and_convert_coordinates,
    crop_and_transform_region,
    extract_vector_curve_points,
    render_verification_overlay,
)

# 1. キャプション bbox から直上の図表領域を自動推定して 300 DPI でクロップ
crop_res = crop_and_transform_region(
    pdf_path="paper.pdf",
    page_number=1,
    dpi=300.0,
    caption_bbox=[240, 210, 380, 225],  # キャプションの pt 座標
    output_path="output/fig_cropped.png",
)

# 2. 目盛り線と数値ラベルを幾何学照合し、X軸・Y軸の校正値を全自動推定
calib_auto = auto_calibrate_axes(
    image_path="output/fig_cropped.png",
    pdf_path="paper.pdf",
    page_number=1,
    crop_bbox_points=crop_res["estimated_bbox"],
    dpi=300.0,
)
x_calib = calib_auto["x_calibration"]
y_calib = calib_auto["y_calibration"]

# 3. 複数描画を一括抽出し、同一ストローク色ごとに自動統合
vec_res = extract_vector_curve_points(
    pdf_path="paper.pdf",
    page_number=1,
    drawing_indices=[31, 32, 33],
    group_by_color=True,
    dpi=300.0,
)

# 4. 複数曲線を共通 X 格子に補間し、横持ち (Wide) 形式で CSV 保存
calib_res = calibrate_and_convert_coordinates(
    curves=vec_res["color_grouped_curves"],
    column_names=["V_DS_V", "I_DS_mA"],
    x_calibration=x_calib,
    y_calibration=y_calib,
    output_csv_path="output/curves_wide.csv",
    output_format="wide",
    num_grid_points=100,
)

# 5. 複数曲線を色分けした透過オーバーレイ検証画像を生成
verify_res = render_verification_overlay(
    original_image_path="output/fig_cropped.png",
    csv_path="output/curves_wide.csv",
    x_calibration=x_calib,
    y_calibration=y_calib,
    output_overlay_path="output/verification_overlay.png",
)

print(
    f"変換行数: {calib_res['row_count']}, 一致率: {verify_res['alignment_metric']}"
)

from digitize_agent.tools import (
    detect_legend_region,
    detect_plot_colors,
    extract_plot_pixels_by_color,
)

# 1. 凡例ボックスを自動検出し、除外矩形リストを取得
legend_res = detect_legend_region(image_path="plot.png")
exclude_boxes = legend_res["legend_bboxes"]

# 2. 画像内のプロット色を自動検出
color_info = detect_plot_colors(image_path="plot.png", max_colors=3)
print("検出色:", [c["color_name"] for c in color_info["dominant_colors"]])

# 3. 凡例領域を除外しながら指定色プロット線を抽出
pixel_res = extract_plot_pixels_by_color(
    image_path="plot.png",
    target_hex="#1F77B4",
    color_tolerance=35.0,
    exclude_bboxes=exclude_boxes,
    extract_mode="continuous_line",
)

from digitize_agent.tools import (
    auto_calibrate_axes,
    calibrate_and_convert_coordinates,
    crop_and_transform_region,
    detect_axes_and_ticks,
    detect_legend_region,
    extract_plot_pixels_by_color,
    render_verification_overlay,
)

# 1. 300 DPI で図表を高解像度クロップ
crop_res = crop_and_transform_region(
    pdf_path="paper.pdf",
    page_number=3,
    caption_bbox=[100, 500, 250, 515],
    output_path="output/qualitative_crop.png",
)

# 2. プロット外枠（Box Frame）を検出し内寸矩形を取得
axes_res = detect_axes_and_ticks(
    image_path="output/qualitative_crop.png",
    detect_box_frame=True,
)
inner_box = axes_res["box_frame"]["inner_bbox"]

# 3. 凡例から各曲線の代表色と推奨 HSV 範囲を取得
legend_res = detect_legend_region(image_path="output/qualitative_crop.png")
leg_items = legend_res["legend_items"]

# 4. 外枠基準の正規化モードで [0.0, 1.0] ドメインへ校正
calib_res = auto_calibrate_axes(
    image_path="output/qualitative_crop.png",
    mode="normalized",
    box_frame_bbox=inner_box,
    normalized_domain_x=[0.0, 1.0],  # または論文記載の波長範囲 [min, max]
    normalized_domain_y=[0.0, 1.0],
)

# 5. 各曲線を平滑化フィルタ (smooth_filter) と区間限定 (x_range) で抽出
extracted_curves = []
for item in leg_items:
    pts_res = extract_plot_pixels_by_color(
        image_path="output/qualitative_crop.png",
        hsv_lower=item["suggested_hsv_lower"],
        hsv_upper=item["suggested_hsv_upper"],
        smooth_filter=True,
        max_jump=15.0,
    )
    extracted_curves.append(
        {
            "label": item["color_hex"],
            "points": pts_res["pixel_points"],
        }
    )

# 6. 定義域外を NaN に保ったまま共通 X 格子上に横持ち CSV 出力
csv_res = calibrate_and_convert_coordinates(
    curves=extracted_curves,
    x_calibration=calib_res["x_calibration"],
    y_calibration=calib_res["y_calibration"],
    output_csv_path="output/qualitative_wide.csv",
    output_format="wide",
    num_grid_points=200,
    extrapolate=False,  # 定義域外の平坦化外挿を防止
)

from digitize_agent.registry import dispatch_tool_call
from digitize_agent.schema import ALL_SCHEMAS

# OpenAI API に ALL_SCHEMAS を tools として渡す
# ...
# LLM からツール呼び出し要求を受け取った場合:
tool_name = "detect_axes_and_ticks"
arguments = {"image_path": "output/cropped_plot.png"}

result = dispatch_tool_call(tool_name, arguments)
print(result)

digitize_agent/
├─ pyproject.toml              # プロジェクト設定および依存関係定義
├─ README.md                   # プロジェクト説明書
├─ SPECIFICATION.md            # 詳細設計仕様書
├─ src/
│    └─ digitize_agent/
│          ├─ __init__.py
│          ├─ data/            # パッケージ同梱データ
│          │     ├─ __init__.py
│          │     └─ instructions.md   # エージェント向け推奨ワークフロー指示書
│          ├─ server.py        # MCP (Model Context Protocol) サーバー実装
│          ├─ schema.py        # OpenAI Function Calling 互換 JSON Schema 定義
│          ├─ registry.py      # 関数ディスパッチャー (名前と実関数の安全な実行管理)
│          └─ tools/           # 各デジタイズツールの実装
│                ├─ __init__.py
│                ├─ pdf_tools.py          # Tool 1: inspect, Tool 2: search_pdf_primitives
│                ├─ image_transforms.py   # Tool 3: crop_and_transform_region
│                ├─ geometry_detect.py    # Tool 4: detect_axes, Tool 5: detect_legend, Tool 6: auto_calibrate
│                ├─ ocr_tools.py          # Tool 7: ocr_region_text (PDFフォールバック)
│                ├─ color_extractor.py    # Tool 8: detect_colors, Tool 9: extract_plot_pixels
│                ├─ vector_curves.py      # Tool 10: extract_vector_curve_points
│                ├─ calibration.py        # Tool 11: calibrate_and_convert_coordinates
│                ├─ visual_verifier.py    # Tool 12: render_verification_overlay
│                └─ instruction_tools.py  # Tool 13: get_workflow_instructions
└─ tests/                      # 単体テストスイート (pytest)
      ├─ conftest.py           # 合成データ・テストフィクスチャ
      ├─ test_pdf_tools.py
      ├─ test_image_transforms.py
      ├─ test_geometry_detect.py
      ├─ test_ocr_tools.py
      ├─ test_color_extractor.py
      ├─ test_vector_curves.py
      ├─ test_calibration.py
      ├─ test_visual_verifier.py
      ├─ test_instruction_tools.py
      ├─ test_registry_and_schema.py
      └─ test_server.py

# 全テストの実行
pytest -v

# テストカバレッジの測定
pytest --cov=src/digitize_agent --cov-report=term-missing

# Ruff によるリントチェック (PEP 8・行長79文字制限等)
ruff check src tests

# Ruff によるフォーマットチェック
ruff format --check src tests