Simple MCP Build

🚀 モデルコンテキストプロトコル（MCP）の実装

このリポジトリには、ClimateGPTチーム1が開発中のモデルコンテキストプロトコル（MCP） フレームワークが含まれています。

🚀 クイックスタート

このセクションでは、MCPフレームワークを実行する手順を説明します。

1. リポジトリのクローン

まだクローンしていない場合は、以下のコマンドを実行してリポジトリをクローンします。

git clone https://github.com/ newsconsole/GMU_DAEN_2025_01_A.git

2. ClimateGPTチーム1ブランチへの切り替え

以下のコマンドを実行して、ClimateGPTチーム1ブランチに切り替えます。

git checkout ClimateGPT_Team1

3. 仮想環境（venv）の設定

以下のコマンドを実行して、仮想環境を設定します。

1. python -m venv venv
2. venv\Scripts\Activate

4. 依存関係のインストール

以下のコマンドを実行して、依存関係をインストールします。

pip install -r requirements.txt

5. MCPパイプラインの実行

以下のコマンドを実行して、MCPパイプラインを実行します。

python main.py

✨ 主な機能

• MCPパイプライン：config/config.yaml で動的に制御され、データセットとパイプラインステップを定義します。
• ログ管理：logs/mcp_execution.log にログが保存され、デバッグと実行結果の追跡に使用されます。

📦 インストール

上記の「クイックスタート」セクションに記載されている手順に従って、MCPフレームワークをインストールして実行できます。

📚 ドキュメント

📂 プロジェクト構造

/mcp-framework
    ├── modules/                     # 核心 MCP コンポーネント
    │   ├── context_manager.py       # 実行コンテキストメモリを保存
    │   ├── data_loader.py           # データセットのロードを処理
    │   ├── query_manager.py         # 動的なクエリルーティング
    │   ├── pipeline_manager.py      # MCP ステップを実行
    ├── models/                      # MCP フレームワークのチェック用のテスト EDA / 初期モデル
    │   ├── scenario_projection.py  # 温度トレンド分析
    │   ├── temperature_trends.py   # 気候シナリオ予測
    │   ├── Model3.py                # モデル 3
    ├── config/                      # 設定
    │   ├── config.yaml              # データセットのパスとパイプラインステップを定義
    ├── logs/                        # 実行ログ
    │   ├── mcp_execution.log
    ├── tests/                       # MCP 検証の単体テスト
    ├── main.py                      # MCP 実行のエントリポイント
    ├── requirements.txt             # Python 依存関係
    ├── README.md                    # プロジェクトドキュメント

設定と実行

• MCPパイプライン：config/config.yaml で動的に制御され、データセットとパイプラインステップを定義します。
• ログ：logs/mcp_execution.log に保存され、デバッグと実行結果の追跡に使用されます。

最近の更新

• 初期MCPフレームワークのモジュール化設計を実装しました。
• 動的なクエリルーティングとコンテキストメモリを追加しました。