omoshiro-mcp

研究に基づいたMCPサーバーで、面白さを分析します。

このサーバーはコンテンツにスコアを付けません。評価のレンズ、概念の境界、相互作用パターン、研究参考文献を返すことで、呼び出し元のAIが自ら分析を行えるようにします。

原則

評価のレンズを返す。コンテンツにスコアを付けない。

オントロジーは以下を分離します：

• プリミティブレンズ：AIが直接、またはオーディエンスモデルを基準に検査できる構成要素

• 派生ダイナミクス：予測誤差や不確実性の低減など、時間とともに変化するもの

• 複合状態／メカニズム：興味、好奇心、サスペンス、ユーモア、洞察、フロー、畏敬の念、没入感

• 結果：楽しさ、注意、記憶、学習、持続性など

これにより、すべてを無意味な interestingness_score にまとめてしまうことを避けます。

Related MCP server: AI Evaluator MCP Server

MCPエンドポイント

Vercelにデプロイする場合、以下を使用します：

https://<your-project>.vercel.app/mcp

プロトコル：MCP Streamable HTTP / JSON-RPC。

ツール

get_lenses

対象に対する厳選されたプリミティブレンズのセットを返します。

引数の例：

{
  "target_type": "oogiri",
  "analysis_goal": "humor"
}

search_lenses

自然言語の用語でプリミティブおよび複合構成要素を検索します。

{
  "query": "unexpected but understandable"
}

get_lens

プリミティブレンズの定義、診断質問、概念の境界、適用可能性、推論可能性を返します。

{"id":"novelty"}

get_composite

複合メカニズム／状態とその入力構成要素を返します。

{"id":"suspense"}

list_ontology

完全なオントロジーと主要な参考文献を一覧表示します。

コアプリミティブレンズ

現在のv0.1には21のプリミティブが含まれています：

• novelty

• complexity

• comprehensibility

• processing_fluency

• relevance

• information_gap

• knowability

• uncertainty

• expectation_strength

• outcome_significance

• conflict_instability

• violation

• benignness

• vastness

• accommodation_demand

• challenge

• competence

• control

• autonomy

• feedback_clarity

• relatedness

派生ダイナミクス

• prediction_error

• information_gain

• uncertainty_reduction

• gap_resolution

• conflict_resolution

• comprehension_gain

• fluency_gain

• mastery_progress

複合メカニズム／状態

• interest

• curiosity

• suspense

• humor_benign_violation

• humor_incongruity_resolution

• insight

• flow

• awe

• transportation

複合はスコアではありません。例えば：

Interest ≈ novelty/complexity × sufficient comprehensibility
Curiosity ≈ information gap × knowability × relevance × uncertainty
Suspense ≈ uncertainty × expectation strength × outcome significance
Benign-violation humor ≈ violation × benignness
Awe ≈ vastness × accommodation demand

これらは概念的なパターンであり、検証された普遍的な方程式ではありません。

推論可能性

各レンズには inferability フィールドが含まれています：

• direct：多くの場合、コンテンツ自体から検査可能

• audience_model_required：事前知識、文化、ジャンルの期待などに依存

• experience_required：実際の心理状態は、オーディエンス／プレイヤーの証拠なしに主張すべきではない

例えば、novelty はオーディエンスに相対的ですが、実際の flow や transportation はアーティファクトを読んだだけでは確実に主張できません。

ワークフロー例

ユーザーが尋ねます：

こんなエンジニアは嫌だ。どんなエンジニア？
回答：キーボードがでかすぎて部屋に入らない

呼び出し元のAI：

1. get_lenses({ target_type: "oogiri", analysis_goal: "humor" }) を呼び出す

2. expectation_strength、violation、benignness、novelty、comprehensibility、processing_fluency などのレンズを受け取る

3. 実際の分析を自ら実行する

4. MCPにユーモアスコアを出力するよう依頼しない

研究基盤

v0.1のオントロジーは以下の研究に基づいています：

• Silvia, P. J. (2005). What Is Interesting? Exploring the Appraisal Structure of Interest. Emotion.

• Loewenstein, G. (1994). The Psychology of Curiosity: A Review and Reinterpretation. Psychological Bulletin.

• Kang, M. J. et al. (2009). The Wick in the Candle of Learning: Epistemic Curiosity Activates Reward Circuitry and Enhances Memory. Psychological Science.

• Reber, R., Schwarz, N., & Winkielman, P. (2004). Processing Fluency and Aesthetic Pleasure. Personality and Social Psychology Review.

• McGraw, A. P. & Warren, C. (2010). Benign Violations: Making Immoral Behavior Funny. Psychological Science.

• Keltner, D. & Haidt, J. (2003). Approaching Awe, a Moral, Spiritual, and Aesthetic Emotion. Cognition and Emotion.

• Ryan, R. M., Rigby, C. S., & Przybylski, A. (2006). The Motivational Pull of Video Games. Motivation and Emotion.

• Busselle, R. & Bilandzic, H. (2009). Measuring Narrative Engagement. Media Psychology.

このオントロジーは、これらの文献を横断した工学的な統合であり、単一の論文が完全な構造を定義しているという主張ではありません。

開発

このサーバーは意図的に依存関係を最小限に抑え、Vercelのサーバーレスエンドポイントとして api/mcp.js に実装されています。

/mcp へのGETリクエストはサーバーメタデータを返します。MCPクライアントは initialize、tools/list、tools/call にPOST JSON-RPCリクエストを使用する必要があります。

ライセンス

MIT