Fujitsu Sdt MCP

🚀 富士通社会デジタルツインMCPサーバ

本プロジェクトは、富士通の社会デジタルツイン技術とモデルコンテキストプロトコル（MCP）をシームレスに統合することで、大規模言語モデル（LLM）の機能を強化することを目的としています。このシステムは、シミュレーションデータ管理、シナリオ分析、自然言語生成など、さまざまな操作をサポートしています。

🚀 クイックスタート

本プロジェクトは、富士通の社会デジタルツイン技術とモデルコンテキストプロトコル（MCP）をシームレスに統合することで、大規模言語モデル（LLM）の機能を強化することを目的としています。以下に、本システムの概要、インストール方法、使用方法などを説明します。

✨ 主な機能

• 多次元シミュレーション：交通流量、人の流れ、社会活動など、複数の分野をカバーします。
• 高度なデータ処理：大規模な構造化および非構造化データを自動的に解析および処理できます。
• 動的な対話機能：リアルタイムクエリ、予測分析、適応的調整機能をサポートします。

📦 インストール

前提条件

1. オペレーティングシステム：Linux 64-bit または Windows 10/11（ホーム版以上のみ）
2. メモリ：少なくとも 8GB、推奨は 16GB
3. ディスク空間：少なくとも 50GB の空き容量
4. インストールする依存関係：
   • Python 3.8 以上
   • pip パッケージマネージャー
   • GPU アクセラレーションライブラリ（CUDA など）のインストールをおすすめします。

環境の準備

1. システムソフトウェアを更新し、必要な開発ツールをインストールします。
2. 環境変数を設定します：

   export FUJITSU_SDT_HOME=/path/to/sdt-installation
   

3. 富士通社会デジタルツイン SDK を PATH 環境変数に追加します。

インストール手順

1. インストールパッケージをダウンロードして解凍します。
2. pip を使用して依存関係をインストールします：

   python -m pip install -r requirements.txt
   

3. データベースと設定ファイルを初期化します。

💻 使用例

リソースへのアクセス

• resource://simulation_overview：デジタルツイン技術の概要
• resource://metrics_explanation：シミュレーション指標の説明
• resource://scenario_samples：シナリオのサンプル

ツールの使用

• list_simulations：シミュレーションのリストを取得します。
• start_simulation：シミュレーションを開始します。
• get_result：シミュレーション結果を取得します。
• fetch_metrics：シミュレーション指標を取得します。
• list_data：シミュレーションデータのリストを取得します。
• retrieve_data：特定のシミュレーションデータを取得します。
• analyze_traffic：交通流量を分析します。
• compare_scenarios：異なるシナリオを比較します。
• generate_config：自然言語に基づいて設定を生成します。

基本的な使用法

シミュレーションのリストを取得する

tool list_simulations

シミュレーションを開始する

tool start_simulation {"simdataId": "your_id"}

交通流量を分析する

tool analyze_traffic {"simulationId": "id", "区域": "東京", "時間範囲": "通勤ラッシュ", "シナリオ": "交通最適化"}

自然言語に基づいて設定を生成する

tool generate_config {"説明": "東京の通勤ラッシュ時に交通シミュレーションを実行したい"}

高度な使用法

シミュレーションの対話例

ユーザー: 東京の通勤ラッシュ時に交通シミュレーションを実行したい。

システム: 東京の通勤ラッシュ時の交通シミュレーションを設定することができます。まず、自然言語の説明に基づいて設定を生成しましょう：

[ツール実行: generate_config]

生成された設定:

{
  "タイプ": "交通",
  "パラメータ": {
    "区域": "東京",
    "時間範囲": "通勤ラッシュ"
  },
  "名前": "traffic_20250416_123045"
}

次に、利用可能なシミュレーションデータのリストを表示します：

[ツール実行: list_data]

これらのデータから、東京の通勤ラッシュ時の交通状況に適したデータ ID を選択し、シミュレーションを開始しました：

[ツール実行: start_simulation]

シミュレーションが開始され、ID は "sim_12345" です。完了まで少し時間がかかります。結果が生成されたら、分析します。

(シミュレーション完了後) 結果を分析しましょう：

[ツール実行: analyze_traffic]

分析結果:

• CO2 排出量：1,250kg
• 平均通行時間：42 分
• 総交通流量：15,700 台

結果から、渋谷から新宿までのルートの混雑が特に深刻であることがわかります。以下はいくつかの改善策です：

1. 信号制御を最適化する
2. 特定の道路と時間帯で一方通行政策を実施する
3. 公共交通機関の頻度を増やす

より詳細な分析を見る必要がありますか？

🤝 貢献方法

問題の報告や機能の提案は、GitHub Issues を通じて行ってください。Pull Request の送信も歓迎します。

📄 ライセンス

本プロジェクトは MIT License の下で公開されています。詳細は LICENSE ファイルを参照してください。

🙏 謝辞

富士通の技術サポートに感謝し、開発チームの貢献にも特別な感謝を申し上げます。