MCP Dual Cycle Reasoner

🚀 MCP Dual-Cycle Reasoner

このプロジェクトは、自律エージェント向けのデュアルサイクルメタ認知推論フレームワークを実装したModel Context Protocol (MCP)サーバーです。このツールは、インテリジェントなループ検出と経験の取得を通じて、エージェントに高い自己認識と信頼性を付与します。

🚀 クイックスタート

MCP Dual-Cycle Reasonerは、AIエージェントの自律性と信頼性を向上させるために設計された高度なツールです。デュアルサイクルメタ認知フレームワークを実装することで、エージェントは自身の認知プロセスを監視し、繰り返しループに陥ったときを検出し、過去の経験から学習してより良い決定を下すことができます。

✨ 主な機能

• 📊 高度な統計分析：エントロピーベースの異常検出と時系列分析。
• 🧠 強化された事例ベースの推論：NLIベースのテキスト分析による意味的類似性マッチング。
• 🎯 多戦略検出：統計的、パターンベース、ハイブリッドのループ検出。
• 📈 時系列分析：トレンド検出と周期的パターン認識。
• 🔧 設定可能な検出：ドメイン固有の閾値と進捗指標。
• 🎨 インテリジェントな事例管理：品質スコアリング、重複排除、使用ベースの最適化。
• 🚀 高性能ライブラリ：simple-statistics、natural、compromise、HuggingFace Transformersを使用して構築。

📦 インストール

プロジェクトをローカルで実行するには、以下の手順に従ってください。

1. リポジトリをクローンする：

git clone https://github.com/cyqlelabs/mcp-dual-cycle-reasoner.git
cd mcp-dual-cycle-reasoner

2. 依存関係をインストールする：

npm install

3. プロジェクトをビルドする：

npm run build

💻 使用例

基本的な使用法

サーバーの起動

サーバーは2つのモードで起動できます。

1. HTTPストリーム（デフォルト）：

npm start

サーバーはポート8080で起動します。

2. Stdio：

npm start -- --stdio

Claude Desktopでの使用

Claude DesktopのMCP設定に以下を追加してください。

{
  "mcpServers": {
    "dual-cycle-reasoner": {
      "command": "npx",
      "args": ["@cyqlelabs/mcp-dual-cycle-reasoner"]
    }
  }
}

Stdioトランスポートを使用する場合は、args配列に--stdioフラグを追加してください。

高度な使用法

利用可能なツール

コア監視ツール

• start_monitoring：エージェントの認知プロセスのメタ認知監視を初期化します。

{
  goal: string; // 現在追求している目標
  initial_beliefs?: string[]; // タスクに関する初期信念
}

• process_trace_update：主な監視関数で、エージェントからの認知トレース更新を処理します。

{
  last_action: string; // 最新のアクション名
  current_context?: string; // 現在の環境コンテキスト
  goal: string; // 現在追求している目標
  window_size?: number; // 監視ウィンドウサイズ（デフォルト: 10）
}

• stop_monitoring：メタ認知監視を停止し、セッションの要約を取得します。

{
  // 入力スキーマは空
}

ループ検出ツール

• detect_loop：さまざまな戦略を使用して、エージェントがループに陥っているかどうかを検出します。

{
  current_context?: string; // 現在の環境コンテキスト
  goal: string; // 現在追求している目標
  detection_method?: "statistical" | "pattern" | "hybrid"; // 検出方法（デフォルト: "hybrid"）
}

• configure_detection：ループ検出パラメータとドメイン固有の進捗指標を設定します。

{
  progress_indicators?: string[];
  min_actions_for_detection?: number;
  alternating_threshold?: number;
  repetition_threshold?: number;
  progress_threshold_adjustment?: number;
  semantic_intents?: string[];
}

強化された経験管理

• store_experience：強化されたメタデータと品質スコアリングを持つ事例を保存し、将来の事例ベースの推論に使用します。

{
  problem_description: string;
  solution: string;
  outcome: boolean;
  context?: string;
  goal_type?: string;
  difficulty_level?: "low" | "medium" | "high";
}

• retrieve_similar_cases：高度な意味的マッチングとフィルタリングを使用して、類似する事例を取得します。

{
  problem_description: string;
  max_results?: number;
  context_filter?: string;
  goal_type_filter?: string;
  difficulty_filter?: "low" | "medium" | "high";
  outcome_filter?: boolean;
  min_similarity?: number;
}

システムツール

• get_monitoring_status：現在の監視ステータスと統計情報を取得します。

{
  // 入力スキーマは空
}

• reset_engine：デュアルサイクルエンジンの状態をリセットします。

{
  // 入力スキーマは空
}

具体的な使用シナリオの例

以下は、デュアルサイクル推論器を使用して自律エージェントを監視し、時間の経過とともに経験を蓄積する完全な例です。

1. 初期設定と構成

// ドメイン用の検出パラメータを設定する
await configure_detection({
  progress_indicators: ['page_loaded', 'form_submitted', 'data_extracted'],
  min_actions_for_detection: 3,
  alternating_threshold: 0.6,
  repetition_threshold: 0.3,
  semantic_intents: [
    'navigating to page',
    'clicking element',
    'filling form field',
    'submitting form',
    'validating input',
    'handling popup',
    'extracting data',
    'waiting for response',
  ],
});

// エージェントの目標を監視を開始する
await start_monitoring({
  goal: 'Complete user registration process on website',
});

2. エージェントのアクションの監視

// エージェントが行う各アクションを監視する
await process_trace_update({
  last_action: 'click_signup_button',
  current_context: 'homepage',
  goal: 'Complete user registration process on website',
});

// ... エージェントがアクションを続ける ...

// エージェントが繰り返し送信ボタンをクリックして立ち往生する
await process_trace_update({
  last_action: 'click_submit_button',
  current_context: 'registration_form',
  goal: 'Complete user registration process on website',
});
// 戻り値: {
//   "intervention_required": true,
//   "loop_detected": {
//     "detected": true,
//     "type": "action_repetition",
//     "confidence": 0.85,
//     "details": "Loop detected via parameter_repetition: 57% anomaly score...",
//     "actions_involved": ["click_submit_button"]
//   }
// }

3. 経験の保存と取得

// 成功した経験を保存する
await store_experience({
  problem_description: 'Email validation error blocking form submission',
  solution: 'Check email format and retry with valid email address',
  outcome: true,
  context: 'registration_form',
  goal_type: 'user_registration',
  difficulty_level: 'medium',
});

// ループが検出されたときに、回復のために類似する事例を取得する
const similarCases = await retrieve_similar_cases({
  problem_description: 'Form submission button not responding to clicks',
  max_results: 3,
  context_filter: 'registration_form',
  outcome_filter: true,
});

🔧 技術詳細

技術スタック

• 言語：TypeScript
• フレームワーク：Node.js
• サーバー：FastMCP for SSE transport
• 自然言語処理と機械学習：
  • @huggingface/transformers：NLIベースの意味分析用
  • natural：感情分析とトークン化用
  • compromise：自然言語処理用
• 統計：
  • simple-statistics：統計計算用
  • ml-matrix：行列演算用
• 開発ツール：
  • jest：テスト用
  • eslint：リント用
  • prettier：コードフォーマット用
  • zod：スキーマ検証用

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています。詳細については、LICENSEファイルを参照してください。