完全に合成されたエンタープライズ・プログラムを対象とした、ガバナンス適用済みのAI/MCPデリバリー・インテリジェンス・ショーケース。
デリバリーリードは、何が変わったのか、何がブロックされているのか、次に重要な依存関係はどれか、変更要求が何に影響するのか、どの主張がエビデンスに裏付けられているのか、といった問いに答えることができます。コアバリューはAPIキーなしで動作します。
生成されたワークベンチを開く: workbench/index.html
最も強力なコードパスを確認する: delivery_intelligence/engine.py
MCPツール境界をレビューする: delivery_intelligence/mcp_server.py
評価ハーネスを確認する: delivery_intelligence/evaluation.py
プロジェクトを実行する:
python -m pip install -e .
python -m delivery_intelligence build
python -m delivery_intelligence validate
python -m unittest discover -s testsRelated MCP server: PM Governance MCP Server
能力 | 公開エビデンス |
AI/MCPツール設計 | 一貫したプログラムモデル上の7つの焦点を絞ったMCPツール。構造化された出力と検証済み引数を備える。 |
デリバリー/プログラム思考 | マイルストーン、RAID、決定事項、変更要求、準備ゲート、依存関係、ステアリングコンテキストパック。 |
幻覚対策 | 裏付けのない主張は事実化される代わりに |
エビデンスのトレーサビリティ | 出力はソース事実、決定論的導出、推奨事項をエビデンス参照付きで分離する。 |
評価の規律 | 決定論的チェックは、ツール契約、エビデンス網羅性、拒否動作、変更影響、再現性をカバーする。 |
コスト/レイテンシ意識 | ツール出力にはレイテンシと推定コストのテレメトリが含まれる。決定論的コアはモデルコストゼロ。 |
flowchart LR
A[Synthetic programme fixture] --> B[Deterministic delivery engine]
B --> C[Evidence ledger]
B --> D[Tool registry]
D --> E[Optional MCP server]
D --> F[Evaluation harness]
D --> G[Generated workbench]
H[Future data adapter] -. documented boundary .-> A
I[Optional narrative adapter] -. recommendations only .-> D公開ショーケースは単独で完結します。他のポートフォリオリポジトリをインポートせず、非公開の業務、求職、メール、給与、資格、認証情報、アカウントデータを公開しません。
ツール | 目的 |
| 数式、制限、エビデンス付きの説明可能な健全性スコア。 |
| 重大度、確率、影響、期限超過ステータスによる決定論的RAID優先順位付け。 |
| マイルストーンからの下流依存関係トラバーサル。 |
| 変更要求に対するスケジュール、コスト、スコープ、準備状況の影響。 |
| ブロックされた決定事項、ブロッカー、欠落エビデンス。 |
| 事実、導出、推奨事項を分離したボード対応コンテキストパック。 |
| エビデンスの検索、またはサポートが不十分な場合の拒否。 |
レイヤー | 意味 | 例 |
ソース事実 | 合成フィクスチャレコード: マイルストーン、RAID、依存関係、決定事項、ゲート、スナップショット。 | 支払い凍結の予測が92日目に移動。 |
決定論的導出 | Pythonで計算されたスコア、リスクランク、影響パス、エビデンス網羅性。 | 支払い凍結のスリッページがパイロット立ち上げに波及。 |
推奨事項 | トレーサブルな事実と導出から生成されるポリシー提案。 | スポンサーがスケジュール影響を受け入れない限り、変更要求を分割または延期する。 |
オプションのAIナラティブ | 将来のアダプター境界のみ。テストやデモには不要。 | モデルはステアリングサマリーを書き換えられるが、裏付けのない事実は作成できない。 |
コアパッケージには実行時依存関係がありません。公式Python SDKを使用して実際のMCPサーバーを実行するには:
python -m pip install -e ".[mcp]"
delivery-intelligence-mcpMCPエクストラはオプションです。決定論的エンジン、ワークベンチ、評価ハーネスは、サービス資格情報やモデルアクセスなしでレビュー可能であるべきだからです。
実行:
python -m delivery_intelligence evalハーネスは以下をチェックします:
ツール呼び出し契約の妥当性;
健全性とステアリング出力のエビデンス網羅性;
裏付けのない主張の拒否;
既知のフィクスチャに対する変更/依存関係影響の正確性;
決定論的実行全体での再現性;
レイテンシと推定コストのテレメトリの存在。
合成プログラムのみ。
外部アクションなし。
広範なファイルシステム、ネットワーク、シェルツールなし。
ベクターデータベースやオーケストレーションフレームワークなし。
APIキー不要。
非公開のプログラム、求職、履歴書、リクルーター、アカウント、給与、法務、資格、認証情報データなし。
将来のアダプターは同じエビデンス境界を維持する必要があります。
delivery_intelligence/
fixtures.py synthetic programme records
engine.py health, risk, dependency, change and evidence reasoning
tools.py validated tool registry and telemetry wrapper
mcp_server.py optional real MCP server using the Python SDK
evaluation.py deterministic evaluation harness
workbench.py generated HTML/SVG workbench artifacts
tests/ engine, tool, evaluation and visual-output checks
docs/ architecture, tool, evaluation and portfolio notes
workbench/ generated self-contained workbenchMIT。
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Generate answers & visualizations from your engineering data to track software development health.
Transformation readiness gaps and initiative risk signals for AI agents and enterprise change leads.
Deterministic context layer for your codebase: change impact, blast radius, answers with receipts.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/mypoorbrain/delivery-intelligence-mcp-workbench'
If you have feedback or need assistance with the MCP directory API, please join our Discord server