Gemini Faf MCP

🚀 gemini-faf-mcp

AIによって理解されるあなたのプロジェクト — 1つのファイルで。Gemini CLI用の12のMCPツールです。

FAF用のMCPサーバー — AIプロジェクトコンテキストのIANA登録フォーマット (application/vnd.faf+yaml)。1つの .faf ファイルで、Geminiにプロジェクト全体を理解させることができます。スタック、目標、規約、品質基準などを含みます。再説明の必要がなく、コンテキストのずれもありません。

FastMCP をベースに構築されています。faf-python-sdk を使用しています。

🚀 クイックスタート

Gemini CLI (推奨)

gemini extensions install https://github.com/Wolfe-Jam/gemini-faf-mcp

その後、任意のプロジェクトディレクトリで以下のコマンドを実行できます。

> Auto-detect my project and create a .faf file
> What's the FAF score for this project?
> Export a GEMINI.md for this project

PyPI

pip install gemini-faf-mcp

MCP Config (手動)

{
  "mcpServers": {
    "faf": {
      "command": "python3",
      "args": ["-m", "server"]
    }
  }
}

✨ 主な機能

FAFの機能

新しいセッションごとに、AIはゼロから始めます。スタックを推測し、規約を見落とし、同じ質問を繰り返します。FAFはこの問題を解決します。

.faf ファイルは、プロジェクトのDNA（言語、フレームワーク、データベース、目標、品質基準、チームコンテキストなど）を捕捉する構造化されたYAMLファイルです。どのAIもこれを即座に読み取り、推測する必要がありません。

# project.faf — your project, machine-readable
faf_version: '2.5.0'
project:
  name: my-api
  goal: REST API for user management
  main_language: Python
stack:
  backend: FastAPI
  database: PostgreSQL
  testing: pytest
human_context:
  who: Backend developers
  what: User CRUD with auth
  why: Replace legacy PHP service

結果: Geminiはこれを一度読み取るだけで、プロジェクトを理解します。20分ものオンボーディングが不要で、誤った仮定もなく、すべてのセッションが適切に開始されます。

スタックの自動検出

faf_auto は、プロジェクトのマニフェストファイルをスキャンし、正確なスロット値を持つ .faf ファイルを生成します。手動入力は必要ありません。

> Auto-detect my project stack

{
  "detected": {
    "main_language": "Python",
    "package_manager": "pip",
    "build_tool": "setuptools",
    "framework": "FastMCP",
    "api_type": "MCP",
    "database": "BigQuery"
  },
  "score": 100,
  "tier": "Trophy"
}

スキャン対象のファイル:

優先ルール: pyproject.toml / Cargo.toml / go.mod は package.json よりも優先されます。実際に検出された値のみが設定され、ハードコードされたデフォルト値は設定されません。

12のツール一覧

作成と検出

検証とスコア付け

読み取りと変換

エクスポートと相互運用

参照

スコアとティアシステム

.faf ファイルは、実際の値で埋められたスロットの数に基づいて、完全性についてスコア付けされます。

目標はBronze (85%以上) を目指しましょう。 このレベルでAIは推測をやめ、プロジェクトを理解し始めます。

Gemini CLIとの連携

> Create a .faf file for my Python FastAPI project
> Auto-detect my project and fill in the stack
> Score my .faf and show what's missing
> Export GEMINI.md for this project
> Show me a 100% example for an MCP server
> What is FAF and how does it work?
> Read my project.faf and summarize the stack
> Validate my .faf and fix the warnings

🔧 技術詳細

アーキテクチャ

gemini-faf-mcp v2.1.0
├── server.py              → FastMCP MCP server (12 tools)
├── main.py                → Cloud Run REST API (GET/POST/PUT)
├── models.py              → 15 project type examples
└── src/gemini_faf_mcp/    → Python SDK (FAFClient, parser)

MCPサーバーは、解析、検証、検索に faf-python-sdk を委譲します。faf_auto のスタック検出はPythonネイティブで行われ、外部のCLI依存関係はありません。

テスト

pip install -e ".[dev]"
python -m pytest tests/ -v

9つのWJTTCティアで183のテストがパスしています (126のMCPサーバー + 57のCloud Function)。チャンピオンシップレベルのテストカバレッジ — WJTTC認定。

FAFエコシステム

1つのフォーマットで、すべてのAIプラットフォームに対応します。

Python SDK

MCPを使用せずに、Pythonで直接FAFを使用することができます。

from gemini_faf_mcp import FAFClient, parse_faf, validate_faf, find_faf_file

# Parse and validate locally
data = parse_faf("project.faf")
result = validate_faf(data)
print(f"Score: {result['score']}%, Tier: {result['tier']}")

# Find .faf files automatically
faf_path = find_faf_file(".")

# Or use the Cloud Run endpoint
client = FAFClient()
dna = client.get_project_dna()

Cloud Run REST API

バッジ、マルチエージェントコンテキストブローカリング、および音声からFAFへの変換に使用できるライブエンドポイントです。

https://faf-source-of-truth-631316210911.us-east1.run.app

X-FAF-Agent ヘッダーを使用して、エージェント最適化されたレスポンス (Gemini, Claude, Grok, Jules, Codex/Copilot/Cursor) をサポートしています。Gemini Liveを通じた音声変換はPUTエンドポイントを介して行われます。main ブランチへのプッシュ時にCloud Buildによって自動デプロイされます。

📚 詳細文档

リンク

• FAF Specification
• IANA Registration
• faf-python-sdk
• faf-cli
• Changelog

📄 ライセンス

MIT

Built by @wolfe_jam | wolfejam.dev