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

依存関係のインストール:

pip install -r requirements.txt

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

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"
)

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"
)

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：

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
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）
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
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
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
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
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：

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
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
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
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
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：

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
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
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
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
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

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

依存関係のインストール:

pip install -r requirements.txt

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

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

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

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

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"
)

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"
)

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：

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
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）
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
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
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
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
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：

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
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
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
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
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：

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
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
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
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
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