Ai Cognitive Nexus MCP

🚀 AI Cognitive Nexus (认知中枢)

AI Cognitive Nexusは、専門的で動的な編成が可能なAIチームの協調と編成を行うMCPです。簡単な指令で、複数のAIエージェント（Agent）から構成される階層化チームを作成、管理、指揮し、複雑で多段階のタスクを解決することができます。

✨ 主な機能

• 🤖 動的チーム編成: リアルタイムでAIチームの作成、更新、削除が可能で、メンバーは独立したAIエージェントや他のチームであってもよく、無限の階層化協調を実現します。
• 🧠 コンテキスト注入: ペルソナ (Persona) と プロダクト知識ベース (Product) システムを通じて、AIチームに対して正確なロールプレイング指示と専門分野の知識を与えます。
• 🔗 階層化チーム依存関係: システムが自動的に複雑なチーム依存関係（例：チームAがチームBのメンバー）を処理し、トポロジカルソートによって正しい初期化順序を保証し、循環依存を検出して防止します。
• 💾 永続的セッション状態: 組み込みのセッションマネージャーが、複数回の対話履歴を追跡・記録し、AIチームに長期記憶を持たせ、連続的なタスクを実行できます。
• 🔌 プラグアンドプレイ型大規模言語モデル: 環境変数を使用して、異なる大規模言語モデルプロバイダ（DeepSeek、OpenAILikeサービスなど）間をシームレスに切り替えることができ、異なるコストとパフォーマンス要件に柔軟に対応します。
• 🛠️ 拡張可能なエージェントツール: 各AIエージェントに専用のツールセット（ThinkingTools、ExaToolsなど）を設定し、言語能力を超えた専門技能を持たせます。
• 🤝 ネイティブMCPプロトコル: Model Context Protocolに基づいて構築されており、MCPをサポートする任意のAIアシスタント（OpenAI Assistants、Coze、Dify、Chatwiseなど）とシームレスに統合できます。

🚀 クイックスタート

核心概念

Cognitive Nexus の強力な機能は、以下の核心概念の組み合わせと協調によって実現されます。

ワークフロー: タスクが開始されると、チーム (Team) を実行者として指定し、特定のペルソナ (Persona) とプロダクト (Product) をコンテキストとして提供することで、チームにタスクを正確に実行させることができます。

⚙️ インストールと設定

1. 環境要件

• Python 3.10以上
• pip または uv などのPythonパッケージ管理ツール
• MCPをサポートするAIクライアント（Coze、Dify、または他の互換性のあるエージェント）

2. 依存関係のインストール

# 1. プロジェクトをクローンする
git clone https://github.com/SimonUTD/ai-cognitive-nexus-mcp.git
cd ai-cognitive-nexus-mcp

# 2. (推奨) 仮想環境を作成してアクティブ化する
python -m venv .venv
source .venv/bin/activate  # Windowsの場合は `.venv\Scripts\activate` を使用
# 3. 依存関係をインストールする
pip install -r requirements.txt

3. .env ファイルの設定

これは、モデルプロバイダとAPIキーを設定する推奨方法です。

# 1. 環境変数テンプレートをコピーする
cp .env.example .env

# 2. .env ファイルを編集し、設定情報を入力する
# LLM_PROVIDER: 使用するデフォルトのモデルサービスプロバイダを設定する ("deepseek" または "openailike")
LLM_PROVIDER="deepseek"

# --- OpenAILike サービスプロバイダの設定 ---
# ZhipuAI、Moonshot、GroqなどのOpenAI互換インターフェースを使用する場合は、以下の3項目を設定する
OpenAILike_API_KEY="your_api_key_here"
OpenAILike_BASE_URL="https://api.example.com/v1"
OpenAILike_MODEL_ID="glm-4" # チーム協調に使用するモデル
OpenAILike_AGENT_MODEL_ID="glm-4" # 個々のエージェントに使用するモデル

# EXA 検索の設定
EXA_API_KEY="your_exa_key_here" # EXAツールに使用するAPIキー

4. サーバーの起動

main.py を直接実行することで、標準入出力 (stdio) を通じてMCPサーバーを起動できます。

python main.py

また、MCPをサポートするクライアント（Chatwiseなど）でこのコマンドを設定することで、自動的に起動することもできます。

📚 ドキュメント

📖 APIリファレンス (MCP Tools)

Cognitive Nexus は、AIアシスタントに対して、AIチームを管理・実行するための一連のツールを公開しています。

セッション管理

• start_session(initial_context: str): 新しいセッションを作成し、後続の対話履歴を追跡します。

ペルソナ (Persona) 管理

• create_persona(persona_key: str, data: dict): 新しいペルソナを作成します。
• list_personas(): 利用可能なすべてのペルソナをリストします。
• get_persona(persona_key: str): 指定されたペルソナの詳細情報を取得します。
• update_persona(persona_key: str, data: dict): 既存のペルソナを更新します。
• delete_persona(persona_key: str): ペルソナを削除します。

プロダクト (Product) 管理

• create_product(product_key: str, data: dict): 新しいプロダクトとその知識ベースを作成します。
• list_products(): すべてのプロダクトをリストします。
• get_product(product_key: str): プロダクトの詳細と知識ベースを取得します。
• update_product(product_key: str, data: dict): プロダクト情報を更新します。
• delete_product(product_key: str): プロダクトを削除します。

ロール/エージェント (Agent) 管理

• create_agent(agent_key: str, data: dict): 独立したAIエージェントを作成します。
• list_agents(): すべてのエージェントをリストします。
• get_agent(agent_key: str): エージェントの設定を取得します。
• update_agent(agent_key: str, data: dict): エージェントの設定を更新します（すべてのチームが自動的に再読み込みされます）。
• delete_agent(agent_key: str): エージェントを削除します。

チーム (Team) 管理

• create_team(team_key: str, data: dict): 新しいチームを作成します。
• list_teams(): すべてのチームとその状態（アクティブ/設定エラー）をリストします。
• get_team_config(team_key: str): チームの元の設定を取得します。
• update_team(team_key: str, data: dict): チームの設定を更新します（自動的に再読み込みが試行されます）。
• delete_team(team_key: str): チームを削除します。

核心実行ユニット

• run_ai_team(team_name: str, prompt: str, session_id: str, persona_key: str, product_key: str) これはフレームワークの核心機能で、チームにタスクを実行させるために使用されます。
  • team_name (必須): 実行するチームのキー。
  • prompt (必須): 今回のタスクの核心指示。
  • session_id (オプション): 関連するセッションID。履歴をロードし、結果を保存するために使用されます。
  • persona_key (オプション): 今回のタスクでAIが演じるべきペルソナのキー。
  • product_key (オプション): 今回のタスクに関連するプロダクトのキー。特定の知識ベースをロードするために使用されます。

[+] よくある質問 (FAQ)

Q: 「プロダクトマネージャーエージェント」と「開発チーム」を作成し、協力させるにはどうすればよいですか？

A: 非常に簡単で、3つのステップでできます。

1. エージェントの作成: create_agent を呼び出して、product_manager エージェントを作成し、さらに2つの開発 developer_a と developer_b エージェントを作成します。description と instructions で彼らの役割を詳細に記述します。
2. チームの作成: create_team を呼び出して、dev_team を作成し、その members リストを ["developer_a", "developer_b"] とします。
3. 実行: run_ai_team を呼び出して、product_manager エージェントに直接タスクを実行させるか、より上位の project_team を作成し、product_manager と dev_team をそのメンバーとして、project_team を実行します。

Q: 循環依存するチーム（チームAがチームBを含み、チームBがチームAを含む）を作成するとどうなりますか？

A: システムが自動的に検出します。create_team または update_team を呼び出すときに、新しい設定が循環依存を引き起こす場合、操作は失敗し、エラーメッセージが返され、同時に変更が自動的にロールバックされ、システムが常に利用可能な状態に保たれます。

Q: 使用するAIモデルを、例えば智譜のGLM-4から月之暗面のMoonshotに切り替えるにはどうすればよいですか？

A: .env ファイルを変更するだけです。

1. LLM_PROVIDER="openailike" を設定します。
2. OpenAILike_API_KEY をMoonshotのAPIキーに設定します。
3. OpenAILike_BASE_URL をMoonshotのサービスアドレス (https://api.moonshot.cn/v1) に設定します。
4. OpenAILike_MODEL_ID を使用したいモデルID（moonshot-v1-8k など）に設定します。
5. EXA_API_KEY をあなたのEXA APIキーに設定します。
6. MCPサーバーを再起動すると、変更が有効になります。