Adc MCP Project

🚀 MCPエンタープライズAIアシスタントシステム

このシステムは、包括的なモデルコンテキストプロトコル（MCP）に基づくAIアプリケーションです。エンタープライズ向けのテキスト分析、コードレビュー、センチメント分析、および知識管理を行うために、インテリジェントなサーバー選択、専用のAIツール、美しいWebインターフェースを備えています。

🚀 クイックスタート

このMCPエンタープライズAIアシスタントシステムを使用することで、エンタープライズ向けのテキスト分析、コードレビュー、センチメント分析、知識管理などのタスクを効率的に行うことができます。以下に、システムのセットアップと起動の手順を説明します。

前提条件

1. Pythonのインストール
   • Python 3.8以上が必要です。
   • ダウンロード先: https://python.org/downloads/
   • インストールの確認: python --version または py --version
2. Ollamaのインストールとセットアップ
   • Ollamaのダウンロード: https://ollama.ai/download にアクセスしてダウンロードします。
   • OSごとのインストール方法
     • Windows: インストーラーをダウンロードして実行します。
     • macOS: brew install ollama
     • Linux: curl -fsSL https://ollama.ai/install.sh | sh
   • 必要なAIモデルのダウンロード

# このプロジェクトに推奨されるLlama 3.2 3Bモデルをダウンロード
ollama pull llama3.2:3b

# モデルがインストールされていることを確認
ollama list

- **Ollamaサービスの起動**

# Ollamaサービスを起動（このプロセスを実行し続ける）
ollama serve

3. Gitのインストール（リポジトリのクローン用）
   • ダウンロード先: https://git-scm.com/downloads
   • 確認: git --version

インストールとセットアップ

1. リポジトリのクローン

git clone https://github.com/harunraseed07/ADC_MCP_Project.git
cd ADC_MCP_Project

2. Python依存関係のインストール

# 必要なパッケージをインストール
pip install -r requirements.txt

3. Ollamaモデルの確認

# llama3.2:3bが利用可能か確認
ollama list

# インストールされていない場合は、ダウンロードする
ollama pull llama3.2:3b

4. システムの設定 システムは以下の設定で事前構成されています。
   • AIプロバイダー: Ollama（ローカル）
   • モデル: llama3.2:3b
   • ポート: MCPサーバー用の8001 - 8004、Webインターフェース用の5000 設定ファイルは config/ ディレクトリにあります。

起動方法

方法1: 自動起動（推奨）

# すべてのサーバーとWebアプリケーションを起動（Windows）
start_demo_system.bat

# PowerShellの場合
./start_demo_system.bat

方法2: 手動起動

# ターミナル1: テキスト分析サーバーを起動
python -m mcp_servers.text_analysis_server

# ターミナル2: コードレビューサーバーを起動
python -m mcp_servers.code_review_server

# ターミナル3: センチメント分析サーバーを起動
python -m mcp_servers.sentiment_analysis_server

# ターミナル4: 知識サーバーを起動
python -m mcp_servers.knowledge_server

# ターミナル5: Webアプリケーションを起動
python web_app/app.py

アプリケーションへのアクセス

1. ブラウザを開きます。
2. http://localhost:5000 にアクセスします。
3. AIアシスタントとの対話を開始しましょう！

✨ 主な機能

🏗️ 真のMCP（モデルコンテキストプロトコル）の実装

• 📋 JSON-RPC 2.0プロトコル: JSON-RPC 2.0仕様に完全に準拠しています。
• MCP初期化ハンドシェイク: 適切なサーバー機能のネゴシエーションを行います。
• 🔄 標準MCPメソッド: initialize, tools/list, tools/call, resources/list
• ⚡ WebSocketトランスポート: MCP仕様に従った永続的な接続を提供します。
• 🎯 ツールスキーマの準拠: ツール定義に適切な inputSchema 形式を使用します。

🚀 AIによるエンタープライズ機能

• 🧠 インテリジェントなサーバー選択: コンテキストに基づいて適切なサーバーにAIルーティングを行います。
• 📝 テキスト分析: AIによる要約、エンティティ抽出、および分類を行います。
• 🔍 コードレビュー: 自動化された品質分析、バグ検出、および改善提案を行います。
• 😊 センチメント分析: 高度な感情検出とセンチメントスコアリングを行います。
• 📚 知識管理: ドキュメントの質問応答と情報検索を行います。
• 🎨 美しいWeb UI: 構造化された結果表示を持つプロフェッショナルなインターフェースを提供します。
• 🔧 設定可能なAIモデル: Ollama（ローカル）とAzure OpenAIをサポートしています。

📦 インストール

インストール手順は「クイックスタート」の「前提条件」と「インストールとセットアップ」を参照してください。

💻 使用例

基本的な使用法

テキスト分析

"Summarize this text: [あなたのテキストをここに入力]"
"Extract entities from: [あなたのテキスト]"
"Classify this content: [あなたのコンテンツ]"

コードレビュー

"Review this Python code: def function_name():"
"Check this JavaScript for bugs: [あなたのコード]"
"Analyze code quality: [あなたのコード]"

センチメント分析

"Analyze sentiment: I love this product!"
"What's the emotion in: [あなたのテキスト]"
"Sentiment of customer feedback: [フィードバック]"

知識管理

"Search for information about: [トピック]"
"What do you know about: [主題]"
"Find documents related to: [クエリ]"

📚 ドキュメント

MCPプロトコルの実装

JSON-RPC 2.0の準拠

すべての通信はJSON-RPC 2.0仕様に従っています。

{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
        "name": "summarize_text",
        "arguments": {"text": "Your text here"}
    }
}

MCP標準メソッド

• initialize: サーバー機能のハンドシェイクを行います。
• tools/list: スキーマ付きの利用可能なツールを取得します。
• tools/call: 引数を指定してツールを実行します。
• resources/list: 利用可能なリソースをリストします。
• resources/read: リソースの内容を読み取ります。

ツールスキーマの形式

{
    "name": "summarize_text",
    "description": "AIによるテキスト要約",
    "inputSchema": {
        "type": "object",
        "properties": {
            "text": {
                "type": "string",
                "description": "要約するテキスト"
            }
        },
        "required": ["text"]
    }
}

設定

AIモデルの設定

config/mcp_config.json を編集します。

{
    "ai_provider": "ollama",
    "ai_model": "llama3.2:3b",
    "ai_base_url": "http://localhost:11434"
}

サーバーポート

• テキスト分析: 8001
• コードレビュー: 8002
• センチメント分析: 8003
• 知識: 8004
• Webインターフェース: 5000

🔧 技術詳細

システムアーキテクチャ

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Web Frontend  │────│   Flask App     │────│   MCP Host      │
│   (HTML/JS/CSS) │    │   (Web Server)  │    │ (AI Coordinator)│
└─────────────────┘    └─────────────────┘    └─────────────────┘
                                                        │
                                               ┌─────────────────┐
                                               │   MCP Client    │
                                               │ (Communication) │
                                               └─────────────────┘
                                                        │
        ┌───────────────────┬───────────────────┬───────────────────┬───────────────────┐
        │                   │                   │                   │                   │
┌───────▼────────┐ ┌────────▼────────┐ ┌───────▼────────┐ ┌────────▼────────┐
│ Text Analysis  │ │  Code Review    │ │ Sentiment      │ │   Knowledge     │
│    Server      │ │    Server       │ │   Analysis     │ │    Server       │
│   Port: 8001   │ │   Port: 8002    │ │   Port: 8003   │ │   Port: 8004    │
└────────────────┘ └─────────────────┘ └────────────────┘ └─────────────────┘

パフォーマンス

リソース使用量

• メモリ: ~200 - 500MB（AIモデルによって異なります）
• CPU: 低（AI推論時にピークを迎えます）
• ネットワーク: 最小限（ローカルWebSocket通信）

スケーラビリティ

• 各サーバーは複数の同時接続を処理できます。
• 一般的なクエリに対するAIモデルの応答はキャッシュされます。
• WebSocket接続は永続的で効率的です。

セキュリティ

現在の実装

• ローカル通信のみ（localhost）
• 認証不要
• デモ用のモックデータ

本番環境での考慮事項

• 認証と承認を追加する
• 暗号化された通信にHTTPS/WSSを使用する
• レート制限を実装する
• 入力検証とサニタイズを追加する
• 適切なセキュリティを持つ実際のデータベースを使用する

📄 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。

🆘 サポート

• 問題報告: GitHubのIssuesを通じてバグを報告し、機能要求を行ってください。
• ドキュメント: 詳細なガイドについてはプロジェクトファイルを確認してください。
• コミュニティ: ヘルプやコラボレーションのためのディスカッションに参加してください。

🎉 謝辞

• このプロジェクトはModel Context Protocol（MCP）フレームワークを使用して構築されています。
• OllamaとLlama 3.2 AIモデルによって動作しています。
• エンタープライズAI自動化のニーズに触発されて作成されました。

Happy Coding! 🚀 AIによるエンタープライズアプリケーションの未来を探求しましょう！