C++23ベースの高性能多エージェントAIフレームワークMCPサーバー：プロトコル呼び出しと協調対応

たんさく

Intellistant

Intellistantは、C++23をベースに構築された高性能の多エージェントAIフレームワークで、MCPプロトコルのツール呼び出しとエージェント協調をサポートし、ソフトウェア開発の自動化に特化して設計されています。

開発者ツール人工知能チャットボット #多エージェントフレームワーク #C++高性能 #MCPツール #本番環境対応 .cpp

スコア : 2ポイント

ダウンロード数 : 5.7K

更新時間 : 2025-12-29

サイトを開く

Intellistantとは？

Intellistantは、最新の多エージェントAIフレームワークで、複雑なソフトウェア開発タスクを達成するために、複数の専門的なAIアシスタントを調整することができます。従来の単一エージェントシステムとは異なり、Intellistantはタスクを最適な専門家に賢く割り当て、コードレビュー、テスト生成、ドキュメント作成、セキュリティ監査などの作業を自動的に協調させます。

Intellistantの使い方は？

Intellistantは、3つの方法で使用できます。1) REST APIインターフェースを使用したプログラムによる呼び出し；2) コマンドラインインターフェースを使用した対話型操作；3) C++アプリケーションへの直接統合。フレームワークは、エージェントの選択、ツールの呼び出し、セッションコンテキストを自動的に管理するため、あなたは解決すべき問題に集中するだけで済みます。

適用シナリオ

Intellistantは、以下のシナリオに特に適しています。自動化されたコードレビューとリファクタリング、テストケースとドキュメントの生成、多段階開発タスクの調整、セキュリティホールのスキャン、データ分析と可視化、CI/CDパイプラインの最適化など、複数の専門分野の知識を必要とする複雑なソフトウェア開発タスクです。

主要機能

多エージェントオーケストレーション

6つの専門分野のAIエージェント（コードアシスタント、DevOps、ドキュメント、テスト、データ分析、セキュリティ）を、順次、並列、またはコンセンサスモードで協調させて、複雑なタスクを解決します。インテリジェントルーティングシステムは、意図の分類、キーワードのマッチング、またはカスタムポリシーに基づいて、最適なエージェントを選択します。

MCPツール実行

Model Context Protocol (MCP 2024-11-05)と完全に互換性があり、ファイル操作、Git統合、システムコマンド実行など、12の本番環境に対応したツールを提供します。すべてのツールは、自動モード生成と型安全検証をサポートしています。

C++23ネイティブ性能

最新のC++23で完全に構築され、Pythonフレームワークよりも10～50倍の性能向上を提供します。ゼロコピー操作、ヘッダーファイルのみのアーキテクチャ、および効率的なストリーミング処理により、低遅延応答と最小限のメモリ使用量（<100MB）が保証されます。

本番環境対応インターフェース

完全なREST API（8つのエンドポイント）、対話型CLI（11のコマンド）、およびDockerによるワンクリックデプロイを提供します。JSON通信、リクエストログ記録、およびパフォーマンス指標の監視をサポートし、企業レベルの統合に適しています。

型安全アーキテクチャ

C++23のstd::expectedを使用してエラー処理を行い、例外を排除し、コンパイル時の安全性を提供します。概念、範囲、およびコルーチンにより、表現力が豊かで保守可能なコードが可能で、実行時のオーバーヘッドはありません。

セッション管理

組み込みのセッション管理システムがあり、会話コンテキストの追跡、多エージェント協調の状態維持、使用統計、およびパフォーマンス監視をサポートします。各セッションには、完全なリクエスト/レスポンスログとタイムスタンプが記録されます。

利点

卓越した性能：C++23ネイティブ実装により、Pythonフレームワークよりも10～50倍速く、メモリ使用量が100MB未満

インテリジェントルーティング：最適な専門家エージェントを自動的に選択し、タスクの完了品質を向上させます

本番環境対応：完全なREST API、CLI、およびDockerのサポートにより、企業向けのデプロイに適しています

型安全：コンパイル時のエラーチェックにより、実行時の問題を減らします

外部依存なし：実行時にはC++コンパイラとllama.cppサーバーのみが必要です

包括的なツールセット：開発の全プロセスをカバーする12のMCP互換の本番用ツール

制限

学習曲線：C++23のコンパイル環境が必要で、非C++開発者には一定の敷居があります

モデル依存：llama.cppサーバーを個別にデプロイし、GGUFモデルファイルをダウンロードする必要があります

設定が複雑：純粋なPythonソリューションと比較して、初期設定の手順が多いです

コミュニティエコシステム：新興のフレームワークであるため、コミュニティプラグインや拡張機能が比較的少ないです

ハードウェア要件：C++23をサポートするコンパイラ（GCC 14+またはClang 17+）が必要です

使い方

環境の準備

C++23コンパイラ（GCC 14+またはClang 17+）、CMake 3.20+をインストールし、llama.cppサーバーを構築します。GGUF形式のAIモデルファイルをダウンロードします。

モデルのダウンロード

Hugging Faceから適切なGGUFモデルファイルをダウンロードします。Qwen 2.5 Coder 3Bなどのコード専用モデルの使用をおすすめします。

Intellistantの構築

リポジトリをクローンし、CMakeを使用してIntellistantフレームワークを構築します。

サービスの起動

llama.cppサーバーを起動してAI推論機能を提供し、次にIntellistantのREST APIまたはCLIインターフェースを起動します。

使用開始

REST API、CLI、またはC++アプリケーションへの直接統合を通じて、Intellistantの多エージェント機能の使用を開始します。

使用例

自動化されたコードレビュー

CodeAssistantエージェントを使用して、コード品質を自動的にレビューし、潜在的な問題を発見し、改善提案を提供します。

多エージェント協調開発

CodeAssistant、TestingAgent、およびDocumentationAgentを協調させて、新しい機能開発を完了します。

セキュリティホールのスキャン

SecurityAgentエージェントを使用して、コードベースのセキュリティホールとコンプライアンス問題をスキャンします。

テストセットの生成

TestingAgentを使用して、既存のコードに対して包括的なテストケースを生成します。

ドキュメントの自動化

DocumentationAgentを使用して、APIまたはライブラリ関数のドキュメントを自動的に生成します。

よくある質問

Intellistantに必要なハードウェア構成は何ですか？

どのAIモデルがサポートされていますか？

カスタムツールを追加するにはどうすればいいですか？

多ユーザーの同時アクセスはサポートされていますか？

エージェントのパフォーマンスを監視するにはどうすればいいですか？

Pythonフレームワーク（LangChainなど）と比較した場合の利点は何ですか？

商用利用はサポートされていますか？

コードの貢献や問題の報告はどうすればいいですか？

🚀 インテリジスタント - 本番用C++23マルチエージェントAIフレームワーク

MCPによるツール実行とインテリジェントなエージェント協調を備えた、C++23で完全に構築された最初の本番対応型マルチエージェントフレームワーク

🚀 クイックスタート

前提条件

インテリジスタントをビルドする前に、以下が必要です。

C++23コンパイラ (GCC 14+ または Clang 17+)
CMake 3.20+
llama.cppサーバ - llama.cpp からビルド
GGUFモデルファイル - Hugging Face からダウンロード

🐳 Docker (推奨)

# 1. リポジトリをクローンし、モデルをダウンロード
git clone https://github.com/pooriayousefi/intellistant.git
cd intellistant
# GGUFモデルをmodels/ディレクトリにダウンロード

# 2. 1つのコマンドですべてを起動
docker-compose up -d

# 3. APIをテスト
curl http://localhost:8000/health

完全なDockerガイドについては、DOCKER.md を参照してください。

🔧 ソースからビルド

ステップ1: llama.cppをビルド

# llama.cppをクローンしてビルド
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
mkdir build && cd build
cmake .. -DLLAMA_CURL=ON
cmake --build . --config Release -j$(nproc)

# バイナリをインテリジスタントのランタイムディレクトリにコピー
cp bin/llama-server /path/to/intellistant/runtime/
cp src/libllama.so* /path/to/intellistant/runtime/
cp ggml/src/libggml*.so* /path/to/intellistant/runtime/

ステップ2: モデルをダウンロード

# 例: Qwen 2.5 Coder 3B (推奨)
mkdir -p models/qwen2.5-coder-3b
cd models/qwen2.5-coder-3b
wget https://huggingface.co/Qwen/Qwen2.5-Coder-3B-Instruct-GGUF/resolve/main/qwen2.5-coder-3b-instruct-q4_k_m.gguf \
  -O instruct-q4_k_m.gguf
cd ../..

ステップ3: インテリジスタントをビルド

# リポジトリをクローン
git clone https://github.com/pooriayousefi/intellistant.git
cd intellistant

# ビルド
mkdir -p build && cd build
cmake .. && make -j4

# テストを実行 (合計37テスト)
./llm_client_tests      # フェーズ1: 10/10テスト
./mcp_tools_tests       # フェーズ2: 9/9テスト
./agent_tests           # フェーズ3: 8/8テスト
./coordinator_tests     # フェーズ4: 10/10テスト

# LLMサーバを起動 (全機能を使用するために必要)
cd ../runtime
./llama-server --model ../models/qwen2.5-coder-3b/instruct-q4_k_m.gguf --port 8080

# CLIを試す
cd ../build
./intellistant_cli

# またはREST APIサーバを起動
./intellistant_server --port 8000

✨ 主な機能

マルチエージェントオーケストレーション

複数の専門的なAIエージェントを協調させ、逐次、並列、またはコンセンサスベースの協力によって複雑な開発タスクを解決します。単一エージェントシステムとは異なり、インテリジスタントのコーディネータは、意図分類、キーワードマッチング、またはカスタムルーティング戦略に基づいて、タスクをドメインエキスパートエージェントにインテリジェントにルーティングします。

MCPによるツール実行

Model Context Protocol (MCP 2024-11-05) と完全に互換性があり、標準化された型安全なツール呼び出しを可能にします。このフレームワークには、ファイルシステム操作、Git統合、およびシステムコマンド実行にまたがる12の本番対応ツールが含まれており、すべて自動的なスキーマ生成と検証が行われます。

C++23ネイティブパフォーマンス

最新のC++23で完全に構築されており、Pythonベースのフレームワークに比べて10～50倍のパフォーマンス向上を実現します。ゼロコピー操作、ヘッダーオンリーアーキテクチャ、および効率的なストリーミングにより、低遅延のエージェント応答と最小限のメモリ使用量 (<100MB) が可能になります。

本番対応インターフェース

REST API: JSON通信、リクエストロギング、およびパフォーマンスメトリクスを備えた8つのRESTfulエンドポイント
CLI: リアルタイムのエージェントとの対話のための11のコマンドを備えたインタラクティブなターミナルインターフェース
Docker: docker-composeオーケストレーションによる1コマンドでのデプロイ

型安全なアーキテクチャ

エラーハンドリングにstd::expectedを利用することで、例外を排除し、コンパイル時の安全性を提供します。Concepts、Ranges、およびCoroutinesにより、ランタイムオーバーヘッドなしで表現力豊かで保守可能なコードが可能になります。

🎯 コア機能

6つの専門ドメインエージェント

各エージェントは、ドメイン固有のシステムプロンプトと選りすぐりのツールアクセスで事前に構成されています。

🔧 コードアシスタント: コードレビュー、リファクタリング、最適化、デバッグ
⚙️ DevOpsエージェント: インフラストラクチャ管理、CI/CDパイプライン、デプロイ自動化
📚 ドキュメントエージェント: APIドキュメント、技術文書、チュートリアル生成
🧪 テストエージェント: 単体/統合テスト生成、カバレッジ分析、テストレポート
📊 データアナリストエージェント: データ処理、統計分析、可視化
🔒 セキュリティエージェント: 脆弱性スキャン、セキュリティ監査、コンプライアンス検証

12のMCP対応本番ツール

ファイルシステム (7): read_file、write_file、edit_file、list_directory、create_directory、move_file、search_files
Git (4): git_status、git_diff、git_commit、git_log
システム (1): execute_command (タイムアウト保護付き)

4つのインテリジェントルーティング戦略

意図ベース: LLMによる意図分類による最適なエージェント選択
キーワードベース: サブミリ秒でのルーティングのための正規表現パターンマッチング
優先エージェント: ユーザ指定のルーティングとインテリジェントなフォールバック
ラウンドロビン: バランスの取れたリソース利用のための負荷分散

高度なコーディネータ機能

会話コンテキスト追跡によるセッション管理
マルチエージェント協力 (逐次、並列、コンセンサスモード)
使用統計とパフォーマンス監視
タイムスタンプ付きのリクエスト/レスポンスロギング
エージェントパフォーマンスメトリクス (応答時間、成功率)

🔧 技術詳細

パフォーマンス特性

メトリクス	インテリジスタント (C++)	Pythonフレームワーク
エージェント応答	500ms	2 - 5s
メモリ使用量	<100MB	400MB+
APIスループット	50 req/s	10 - 20 req/s
コールドスタート	<1s	3 - 10s

ゼロ外部依存関係 (ランタイム)

このフレームワークに必要なのは以下のみです。

C++23コンパイラ (GCC 14+、Clang 17+)
CMake 3.20+
llama.cppサーバ (LLM推論用)

ヘッダーオンリーの依存関係 (httplib、nlohmann/json) は含まれています。

💻 使用例

REST API

# サーバを起動
./intellistant_server --port 8000

# ヘルスチェック
curl http://localhost:8000/health

# 利用可能なエージェントをリストする
curl http://localhost:8000/api/agents

# エージェントとチャットする
curl -X POST http://localhost:8000/api/chat \
  -H "Content-Type: application/json" \
  -d '{
    "user_id": "developer_1",
    "message": "src/auth.cppの認証コードをレビューしてください"
  }'

# マルチエージェント協力
curl -X POST http://localhost:8000/api/collaborate \
  -H "Content-Type: application/json" \
  -d '{
    "user_id": "developer_1",
    "task": "認証モジュールを本番環境に準備する",
    "agents": ["CodeAssistant", "TestingAgent", "SecurityAgent"]
  }'

# パフォーマンスメトリクスを取得
curl http://localhost:8000/api/metrics

CLIインターフェース

$ ./intellistant_cli

╔════════════════════════════════════════════════════╗
║            INTELLISTANT v1.0                       ║
║     Multi-Agent Development Assistant CLI          ║
╚════════════════════════════════════════════════════╝

You> メールアドレスを検証するPython関数を書いてください

╭─ Response from: CodeAssistant
├─ Tools: write_file
├─ Response:
│  包括的なメール検証関数を作成します:
│  [正規表現検証、エラーハンドリング付きの生成コード]
│  
│  ファイルが作成されました: validate_email.py
╰─

You> /collaborate このコードをレビューしてテストしてください

╭─ Collaboration: 3 agents
├─ Agents: CodeAssistant, TestingAgent, SecurityAgent
├─ 
├─ [CodeAssistant] コード構造は良好です...
├─ [TestingAgent] 95%のカバレッジで単体テストを作成しました...
├─ [SecurityAgent] インジェクション脆弱性は見つかりませんでした...
╰─

専門エージェントの使用 (C++ API)

#include "coordinator.hpp"

using namespace pooriayousefi;

int main() {
    // 意図ベースのルーティングでコーディネータを初期化
    auto coordinator = Coordinator::create(
        "http://localhost:8080",
        RoutingStrategy::IntentBased
    );
    
    // セッションを作成
    std::string session_id = coordinator->create_session("user_123");
    
    // メッセージを送信 (自動的に最適なエージェントにルーティング)
    ChatRequest request{
        .user_id = "user_123",
        .session_id = session_id,
        .message = "ログインシステムのセキュリティをレビューしてください"
    };
    
    auto response = coordinator->chat(request);
    if (response) {
        std::cout << "エージェント: " << response->agent_name << "\n";
        std::cout << "応答: " << response->message << "\n";
    }
    
    return 0;
}

マルチエージェント協力

// 複雑なタスクのために複数のエージェントを協調させる
CollaborationRequest collab{
    .user_id = "user_123",
    .task = "認証モジュールを本番デプロイに準備する",
    .agents = {"CodeAssistant", "TestingAgent", "SecurityAgent", "DocumentationAgent"},
    .mode = CollaborationMode::Sequential
};

auto result = coordinator->collaborate(collab);
for (const auto& step : result->steps) {
    std::cout << "[" << step.agent_name << "] " << step.message << "\n";
}