npx mcpbar@latest edit -c claude

Deep Thinking Assistant - Gemini MCP Server

深い思考と分析を提供するGemini APIベースのMCPサーバーです。 AIエディタのモデルと連携して、より深い分析と洞察を提供します。

特徴

• 多角的な視点からの問題分析
• 批判的思考と創造的思考の統合
• 実践的で具体的な提案
• 既存の知識の統合と新しい視点の提供
• コンテキストに応じた適切な詳細度の調整
• 提案された解決策の批判的分析と改善提案

プロジェクト構造

dive_deep/
├── logs/                   # ログファイルディレクトリ
├── dive_deep_server.py     # メインサーバーファイル
├── logger_config.py        # ロギング設定
├── prompts.py             # プロンプト定義
├── requirements.txt       # 依存関係
├── .env                   # 環境変数設定
└── README.md             # ドキュメント

セットアップ

1. 依存関係のインストール:

pip install -r requirements.txt

2. 環境変数の設定: .envファイルを作成し、以下の内容を設定してください：

GEMINI_API_KEY=your_api_key_here
GEMINI_MODEL=gemini-2.0-flash

使用方法

サーバーの起動:

python dive_deep_server.py

利用可能なツール

deep_thinking_agent

問題解決のための思考プロセスを深め、着眼点を提示します。このツールは、問題に対する深い理解と多角的な分析を提供し、より良い解決策を導き出すためのガイドラインを提示します。

パラメータ:

• instructions: ユーザーからの指示（必須）
• context: 思考プロセスのコンテキスト（必須）
• model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）

enhancement_agent

コードの改善点を分析し、具体的な提案を行います。このツールは、コードの品質、パフォーマンス、保守性などの観点から包括的な分析を行い、実践的な改善提案を提供します。

パラメータ:

• instructions: レビュー対象のコードに対する指示（必須）
• code: コードのリスト（必須）
• model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）
• temperature: 生成時の温度パラメータ（デフォルト: 0.7）

final_review_agent

最終的なコードレビューを行い、改善点を提示します。このツールは、提案された変更や改善点を批判的に分析し、潜在的な問題や更なる最適化の機会を特定します。

パラメータ:

• instructions: レビュー対象のコードに対する指示（必須）
• code: コードのリスト（必須）
• model: 使用するモデル名（デフォルト: "gemini-2.0-flash"）
• temperature: 生成時の温度パラメータ（デフォルト: 0.7）

使用例

1. 思考プロセスの深化:

response = deep_thinking_agent(
    instructions="このアルゴリズムの最適化方法を考えてください",
    context="現在の実装では時間計算量がO(n^2)となっています",
    model="gemini-2.0-flash"
)

2. コードの改善提案:

response = enhancement_agent(
    instructions="このコードのパフォーマンスを改善してください",
    code=["def example():\n    # コード内容"],
    model="gemini-2.0-flash"
)

3. 最終レビュー:

response = final_review_agent(
    instructions="実装された改善案の最終確認をお願いします",
    code=["def improved_example():\n    # 改善されたコード"],
    model="gemini-2.0-flash"
)

デフォルトのシステムプロンプト

思考支援プロンプト

サーバーは以下の原則に基づいて思考を支援します：

1. 問題理解と構造化思考

   • システム思考による全体像の把握
   • MECEによる問題の分解
   • 因果関係の分析（Why-Why分析、特性要因図）
   • ステークホルダー分析と要件整理

2. 解決策の設計と評価

   • デザインパターンとアーキテクチャ原則の適用
   • トレードオフの定量的評価（コストvs.ベネフィット）
   • リスク分析と対策（FMEA手法）
   • 実現可能性の検証（PoC戦略）

3. 技術的卓越性の追求

   • クリーンアーキテクチャの原則 ・疎結合と高凝集 ・依存関係の適切な方向性 ・インターフェースの抽象化
   • コード品質の最適化 ・可読性と保守性 ・パフォーマンスとスケーラビリティ ・セキュリティと堅牢性
   • テスト戦略の設計 ・テストピラミッドの考慮 ・境界値とエッジケース ・自動化と継続的検証

4. イノベーションと創造的思考

   • ラテラルシンキングの活用
   • SCAMPERメソッドによるアイデア展開
   • 制約を活かした創造的問題解決
   • 新技術とレガシーシステムの統合

5. 実装とデプロイメントの最適化

   • 段階的な実装戦略
   • 技術的負債の管理と返済計画
   • 変更の影響分析
   • デプロイメントリスクの最小化

6. 継続的改善と学習

   • KPIとメトリクスの設定
   • フィードバックループの確立
   • 知識の体系化と共有
   • PDCAサイクルの実践

7. コミュニケーションとコラボレーション

   • 技術的説明の明確化
   • ドキュメントの構造化
   • チーム間の知識共有
   • レビューとフィードバックの促進

回答分析プロンプト

回答の分析は以下の観点から行われます：

1. 論理的整合性と完全性

   • 前提条件と制約の妥当性
   • 論理展開の一貫性
   • 結論の導出プロセス
   • 見落とされた要素の特定
   • 反証可能性の検証

2. 技術的実現可能性と最適性

   • アルゴリズムとデータ構造の適切性
   • システムアーキテクチャの堅牢性
   • パフォーマンスとスケーラビリティ
   • セキュリティと信頼性
   • 保守性と拡張性

3. 実装と運用

   • 開発効率と生産性
   • 運用負荷とコスト
   • 監視と障害対応
   • バージョン管理とデプロイメント
   • チームコラボレーションの有効性

4. リスクと課題

   • 技術的制約と限界
   • セキュリティ脆弱性
   • パフォーマンスのボトルネック
   • 依存関係の複雑さ
   • 潜在的な技術的負債

5. ビジネス価値とインパクト

   • 開発・運用コスト
   • 市場投入までの時間
   • ユーザー体験への影響
   • ビジネス要件との整合性
   • 競争優位性への貢献

分析結果の構成：

1. 提案の強み

   • 技術的優位性
   • 実装の効率性
   • ビジネス価値
   • 革新的要素

2. 改善が必要な領域

   • 技術的課題
   • 実装上のリスク
   • 運用上の懸念
   • スケーラビリティの制限

3. 具体的な改善提案

   • 短期的な改善
   • 中長期的な最適化
   • 代替アプローチ
   • ベストプラクティスの適用

4. 追加の考慮事項

   • エッジケースと例外処理
   • 将来のスケーラビリティ
   • セキュリティ考慮事項
   • パフォーマンス最適化

5. 実装ロードマップ

   • タスクの優先順位付け
   • マイルストーンの設定
   • 成功指標（KPI）の定義
   • リスク軽減戦略