✨ 主な機能

• ゼロコストのローカルクリティック： クラウドトークンを消費せずに、LM Studio 経由でローカル GPU に重いコードレビューの反復処理をオフロードします。

• サブミリ秒の AST センチネル： GPU サイクルを無駄にする前に、構文エラーや危険なランタイム呼び出し（eval、exec、os.system、subprocess）を検出します。

• 決定論的コントラクト： 構造化された出力（APPROVED と REJECTED、および具体的な行フィードバック）を強制し、エージェントが人間の介入なしにコードを自動的にリファクタリングできるようにします。

• デュアルデータシンク（DPO フライホイール）：

  • SQLite（audit_history.db）： 所要時間、カテゴリ、メトリクスを追跡します。

  • 監査ごとの JSON（audit_logs/）： 個々の監査レコードを保存し、拒否/承認のペアから DPO / ファインチューニング用データセットを簡単に構築できます。

Related MCP server: tar-engine

🚀 クイックスタート

1. 前提条件

• Python 3.10+

• OpenAI 互換のローカルサーバー（http://localhost:1234/v1）を実行している LM Studio

• Antigravity または MCP 互換のクライアント

2. インストール

# Clone the repository
git clone [https://github.com/xTanThaix/mcp-local-auditor.git](https://github.com/xTanThaix/mcp-local-auditor.git)
cd mcp-local-auditor

# Set up virtual environment
python -m venv .venv

# Activate virtual environment
# On Windows:
.venv\Scripts\activate
# On macOS/Linux:
source .venv/bin/activate

# Install dependencies
pip install -r requirements.txt

3. MCP サーバーの登録

Antigravity の MCP 設定ファイルを開きます：

• Windows： %USERPROFILE%\.gemini\config\mcp_config.json

• macOS / Linux： ~/.gemini/config/mcp_config.json

mcpServers 内にサーバー定義を追加します：

{
  "mcpServers": {
    "lmstudio-auditor": {
      "command": "D:\\Hucdeline\\.venv\\Scripts\\python.exe",
      "args": ["D:\\Hucdeline\\auditor_bridge.py"]
    }
  }
}

注： D:\\Hucdeline を実際のプロジェクトディレクトリのパスに置き換えてください。

4. LM Studio の設定

1. LM Studio を開き、命令チューニング済みのコーディングモデル（例：Qwen-2.5-Coder、DeepSeek-Coder、Llama-3）をロードします。

2. Local Server（Developer）タブに移動します。

3. ポートを ...(e.g.,1234) に設定し、Start Server をクリックします。

🤖 エージェントループの設定（カスタムルール / スキル）

Antigravity エージェント（mcp-studio-loop）に次のルールを追加します：

# Mandatory MCP Code Audit Protocol
Every time code is generated or refactored, you MUST invoke the `audit_submission` tool:
- Arguments: `task_goal`, `output_content`, `strict_rules`
- If STATUS == "REJECTED": Read `ACTIONABLE_FEEDBACK`, refactor the code, and re-submit.
- If STATUS == "APPROVED": Output the final solution to the user.
- Maximum retry limit: 5 attempts before breaking loop.

4. LM Studio の設定 LM Studio を開き、命令チューニング済みのコーディングモデル（例：Qwen-2.5-Coder、DeepSeek-Coder、Llama-3）をロードします。

Local Server タブに移動します。

ポートを xxxx に設定し、Start Server をクリックします。

🤖 エージェントループの設定（カスタムルール / スキル） Antigravity エージェント（mcp-studio-loop）に次のルールを追加します：

Markdown

必須の MCP コード監査プロトコル

コードを生成またはリファクタリングするたびに、audit_submission ツールを必ず呼び出してください：

• 引数：task_goal、output_content、strict_rules

• STATUS == "REJECTED" の場合：ACTIONABLE_FEEDBACK を読み、コードをリファクタリングして再送信します。

• STATUS == "APPROVED" の場合：最終的な解決策をユーザーに出力します。

• 最大再試行回数：ループを抜けるまでに 5 回。 🧪 テスト 同梱の Pytest スイートを実行して、AST チェック、SQLite マイグレーション、モックレスポンスを検証します：

Bash pytest test_auditor.py -v

📸 実際の監査の動作例（使用例 / 利用例）

以下は、MCP Local Auditor が最適化されていないコードパスを実用的なフィードバック付きで拒否し、コーディングエージェントに自己修復と再検証を促す例です： 使用例：テストが通ったら、"lmstudio-auditor" ツールを使用して、変更した各ファイルを 1 つずつ監査します。

💖 サポートと寄付 このプロジェクトが API コストを節約し、ローカル LLM ワークフローの効率化に役立ったなら、開発のサポートを検討してください：

Ko-fi：https://ko-fi.com/xtanthaix

GitHub Sponsors：このリポジトリの Sponsor ボタンをクリックしてください

📄 ライセンス MIT ライセンス。オープンソースおよび商用利用は無料です。