Lian MCP Llm Agent

🚀 Lian-MCP-LLM Agent システム

ローカルの多専門家インテリジェントエージェントスケジューリングシステム + ツール呼び出しプロトコル管理 + 拡張可能な知識ベース

By - Lian - 2025

🌟 プロジェクトの核心

| トップレベル：多専門家の協力とスケジューリング (論文のハイライト)

以下を含みます：

1. 専門家の自動生成（Auto-spawn agents）

   管理者 LLM はタスクに基づいて自動的に n 個の専門家を生成します -> 専門家は役割ラベル（Role）を持ちます -> 専門家にはライフサイクル（create → run → exit）があります。

2. 管理者 LLM の役割

   管理者は実行者ではなく、スケジューリングセンターです：

   ユーザー入力を受け取り -> タスクを分解 -> 異なる専門家をスケジューリング -> メッセージをルーティング -> どの専門家を殺すか、どの専門家を作成するかを制御 -> 最後にすべての専門家の出力を収束させ、結果を返します。

3. 専門家間の通信プロトコル（Agent → Agent, Agent → Admin）

   “明確なルーティングと管理ルールが必要です”

   例えば：

   • リクエストタイプ：問い合わせ、協力、評価
   • データ形式：JSON schema
   • ID 識別：session_id、agent_id
   • 管理者が各反復のアクションを決定します。

🚀 開発進捗

💾 (1) データベース層: LianORM --完了--

完全に独自開発された軽量 ORM システムで、階層化アーキテクチャ設計を採用しています。

核心アーキテクチャ:

• Schema: FSM ベースの SQL パーサーで、データベースから独立してメタデータを抽出します。
• Mapper: インテリジェントな型変換システムで、JSON/Vector の自動マッピングをサポートします。
• Repository: ビジネスオブジェクトの CRUD の具体的な実装です。
• Database: 接続プールと原子操作クライアントをカプセル化します。
• ORM: 統一されたエントリポイントとリソース管理です。

📚 ドキュメントセンター:

• LianORM モジュール使用ドキュメント
• データモデル (Models) | メタデータ (Schema) | 型マッピング (Mapper)
• 倉庫層 (Repository) | データベース層 (Database) | トップレベルインターフェース (ORM)
• 設定説明 (Config)

🔌 (2) ツール層: MCP Server --完了--

FastAPI をベースに実装されたツール集約サーバーで、統一されたツール発見と呼び出しインターフェースを提供します。

核心機能

• ツール管理: ツールモジュールを自動的に発見してロードし、ホットリロードをサポートします。
• RESTful API: 完全なツールのクエリと呼び出しインターフェースを提供します。
• メタデータ抽出: ツールコードから自動的に関数シグネチャ、パラメータタイプ、ドキュメント説明を抽出します。
• ツール分類:
  • file_tool: ファイルの読み書き、コピー、移動、削除などの操作
  • dir_tool: ディレクトリの作成、リスト、ツリー表示、統計情報
  • web_tool: HTTP リクエスト、ウェブページ内容の抽出、HTML/JSON 解析

起動方法

本番モード:

uv run python ./main.py server
# カスタムアドレスとポート
uv run python ./main.py server --host 127.0.0.1 --port 8888

ドキュメント: MCP Server API ドキュメント (クリックでジャンプ)

🤖 (3) インタラクション層: LLM Client --完了-- (再構築待ち)

LLM クライアントのラッパーで、複数のモデルプロバイダーとツール呼び出しをサポートします (現在は deepseek-chat をテストで使用しています)。

核心機能

• ツール呼び出し: MCP Server ツールを自動的に統合し、function calling をサポートします。
• 連続呼び出し: ツールの複数回の連続呼び出しをサポートし、LLM が TOOL_CALL_END を返すまで続けます。
• 会話管理: 完全な会話コンテキスト管理と履歴記録です。
• ダブルインターフェース: ターミナルインタラクティブインターフェース + Streamlit Web UI

使用方法

ターミナルクライアント（インタラクティブコマンドライン）:

uv run python ./main.py client

Web UI（Streamlit ウェブインターフェース）:

uv run python ./main.py web

Web UI の特性:

• 📱 左右分割レイアウト：左側が会話、右側がリアルタイムログ
• 🎨 美しいメッセージバブルスタイル
• 📊 ツール呼び出しプロセスの可視化
• 🔄 ツール実行進捗のリアルタイム表示
• 📚 サイドバーにすべての利用可能なツールを表示

環境設定: mylib/llm/llm_config.toml に DEEPSEEK_API_KEY と MCP Server のアドレスを入力する必要があります。

⚙️ (4) 設定層: Config --完了--

設定のロードに使用され、すでに完備しています。

テスト: uv run python ./tests/config.test.py

ドキュメント UserGuide.md (クリックでジャンプ)

🧠 (5) エージェント層: Agent --未着手--

エージェントの基本クラスと核心行動パターンを定義しています。

設計哲学

自己認識はすべての起点です。

各エージェントは以下の 3 つの核心要素を持たなければなりません：

1. Identity (アイデンティティ): 明確な役割定位と能力範囲
2. Objectives (目標): 現在のタスク目標と作業範囲
3. Memory (記憶): 短期的な操作記録、長期的な経験蓄積とメタ認知的な反省

ドキュメント

Agent 設計ドキュメント (クリックでジャンプ)

🕹️ (6) 核心層: Core --未着手--

システムの核心ハブで、多専門家エージェントのスケジューリングと協力管理を担当します。

核心職責 (Admin Agent)

• タスク編成: ユーザー入力を受け取り、実行可能なサブタスクシーケンスに分解します。
• 専門家スケジューリング: タスクの要件に基づいて特定の役割の専門家エージェントを自動的に生成 (Spawn) または起動します。
• ライフサイクル管理: エージェントの作成、実行と破棄を制御します。
• メッセージルーティング: エージェント間およびエージェントと Admin 間の通信プロトコルを管理します。
• 結果収束: 各専門家の出力を集約し、最終的な応答を生成します。

これはシステム全体の「脳」で、論文で言及された多専門家協力アーキテクチャを実現しています。

🛠️ (7) ツールライブラリ: Kit (旧 Utils)

一連の独自開発の基礎ツールライブラリを含み、上位モジュールにサポートを提供します。

🎨 ターミナル美化

• Printer: 基本的なカラー印刷ツール。シンプルで軽量で、すぐに使えます。色付きのデバッグ情報やログを迅速に出力するのに適しており、複雑な設定は必要ありません。
• Loutput: 高度なターミナル出力ライブラリで、ANSI/256色/真カラー (RGB 24bit) をサポートし、色のダウングレード互換性を提供します。豊富な色マッピングテーブルとスタイルプロセッサーが組み込まれており、ターミナルの色サポート能力を自動的に検出して適合させることができ、ターミナルインターフェース開発をフロントエンドのようにエレガントに行うことができます。
  • Loutput 使用ドキュメント | ターミナル色ガイド | RGBColor ガイド

🧩 アルゴリズムとデータ構造

• Lstack: 標準的なスタック構造のラッパー。厳密なプッシュとポップインターフェースを提供し、イテレータパターンをサポートしており、下推オートマトンと再帰アルゴリズムを実装するための基本コンテナです。
  • Lstack 設計ドキュメント (クリックでジャンプ)
• Lfsm: 汎用的な有限状態機械 (Finite State Machine) の基本クラス。継承によって状態と遷移規則を定義し、論理が明確で保守が容易で、プロトコル解析やフロー制御のシナリオで広く使用されます。
  • Lfsm 設計ドキュメント (クリックでジャンプ)
• Lpda: 下推オートマトン (Pushdown Automaton) で、ネスト構造の解析をサポートします。有限状態機械とスタックの特性を組み合わせており、括弧のマッチング、コードブロックの解析などの再帰的な特性を持つ構文構造を処理するために特別に設計されています。
  • Lpda 設計ドキュメント (クリックでジャンプ)

📝 テキスト処理

• Ltokenizer: 状態機械ベースの汎用的なトークナイザーの基本クラス。ストリーム処理と位置追跡（行番号/列番号）をサポートし、生のテキストを構造化されたトークンシーケンスに効率的に変換し、パーサーに標準的な入力を提供します。
  • Ltokenizer 設計ドキュメント (クリックでジャンプ)
• Lparser: LPDA ベースの汎用的なパーサーの基本クラスで、複雑な構文解析器を構築するために使用されます。柔軟な解析フックとコンテキスト管理メカニズムを提供しており、開発者は構文規則の定義に集中するだけで、強力なカスタム言語パーサーを迅速に構築することができます。
  • Lparser 設計ドキュメント (クリックでジャンプ)
• Lfind: ベクトル埋め込み (Embedding) ツールのラッパーで、知識ベースの検索に使用されます。主流の Embedding モデルインターフェースを統合し、すぐに使えるテキストのベクトル化と類似度マッチング機能を提供しており、RAG（検索強化生成）システムを実現するための核心コンポーネントです。

🎓 学術使用声明

本プロジェクトは 2025 年度の卒業研究作品です。

⚠️ 重要な注意:

• 保護期間：2025 年 11 月 10 日 - 2026 年 1 月 19 日
• この期間中、同じ学校の同級生が本プロジェクトを卒業研究に使用することを禁止します。
• いかなる形式の学術課題提出も禁止します。
• 詳細な条項は LICENSE ファイルを参照してください。

🧪 テストとサンプル

プロジェクトには完全なテストケースが含まれており、tests/ ディレクトリにあります。

実行方法

uv を使用してテストファイルを実行します：

uv run python tests/{TEST_FILE_NAME}

テストファイルリスト

🐷 ブタの言葉

開発過程で残された感想ですが、実際には記録していませんでした... ...たくさんの面白いアイデアを失ってしまいました。

📅 2025-11-24

• やばいやばい、私の開発習慣があまりに極端すぎるようです。このままでは開発が間に合わなくなりそうです！

📅 2025-12-02

• プロジェクト全体の規模が 48 個のディレクトリと 144 個のファイルに達しました...時々自分でもどのファイルが何をするものか忘れてしまいます。
• lian_orm は本当に好きですが、現在時間が足りません...一旦残して後で再構築することにします。