chat.md: The Hacker's AI Chat Interface [Experimental]

chat.md：ハッカーのための AI チャットインターフェース［実験的］

ついに、あらゆる LLM で MCP に対応した、完全に編集可能なチャットインターフェースが登場しました。

chat.md は、プレーンテキストファイルを通じて AI とのやり取りを再構築する Visual Studio Code 拡張機能です。一時的なウェブインターフェースや独自仕様のチャットウィンドウとは異なり、chat.md はファイルを中心とするアプローチを採用しています。AI との会話は .chat.md 拡張子を持つ Markdown ファイルにすぎません。編集、バージョン管理、共有が可能で、すべてあなたのファイルです。AI はファイルに直接応答を書き込みます。

これで、任意の '*.chat.md' ファイルをあなたがハックできる AI エージェントとして使えます。自由に非線形の AI との会話を楽しんでください。

使い方の動画

gemini-2.5-pro と wcgw mcp を使って、この vscode 拡張機能を公開したときのチャットはこちらです

注記 ⚠️：chat.md は 100% AI によってコーディングされており、機能豊富な POC として扱ってください。

chat.md を選ぶ理由

ほかの AI ツール	chat.md
❌ 直線的な会話、または編集機能が限定的	✅ 非線形の編集 — 履歴を書き換え、会話を分岐できます
❌ ツールの実行が独自実装に依存	✅ あらゆる LLM モデルでツールを呼び出せます
❌ AI の応答を手動で編集できない	✅ LLM に言葉を言わせる — 編集して、その続きから応答させられます
❌ 多くの LLM が MCP に対応していない	✅ あらゆる LLM モデルで MCP サーバーを利用できます
❌ アシスタントの応答が最大トークン数に達すると再開できない	✅ 不完全な AI の応答を任意の時点から再開できます
❌ 会話がクラウド上に保存される、またはアクセスできない	✅ コードと同じ場所に、人が読める形式のファイルとしてローカル保存できます
❌ ワークスペースのコンテキストが分離されている	✅ プロジェクトからファイルを直接添付できます

機能

🗣️ ファイルベースの会話

Copilot のインライン候補、ChatGPT のウェブインターフェース、Cursor のサイドパネルとは異なり、chat.md は会話をワークスペース内の第一級のファイルとして扱います。

# %% user
How can I optimize this function?

[#file](src/utils.js)

# %% assistant
Looking at your utils.js file, I see several opportunities for optimization:

1. The loop on line 24 could be replaced with a more efficient map/reduce pattern
2. The repetitive string concatenation can be improved with template literals
...

🔌 あらゆるモデルに対応

• Anthropic Claude：すべてのモデル（Opus、Sonnet、Haiku）
• OpenAI：GPT-4、GPT-3.5、o シリーズ、および OpenAI Responses API に対応
• カスタム API：あらゆる OpenAI 互換エンドポイント（Azure、Google Gemini など）
• すばやい切り替え：会話の途中で異なるモデルを切り替えられます。

🛠️ MCP による汎用ツールエコシステム

Chat.md は Model Context Protocol（MCP） クライアントです。あらゆる LLM で使える、ツール実行のためのオープン標準です。

多くのチャットアプリケーションとは異なり、Chat.md はどの LLM にもツール呼び出しを制限しません。

• 真に汎用的：あらゆる AI モデル（Claude、GPT、オープンソースモデル）で、あらゆる MCP ツールを利用できます
• モデルに依存しない：会話を支える AI がどれであっても、ツールは同じように動作します
• ベンダーロックインなし：ツールの機能を失わずにモデルを切り替えられます

<tool_call>
<tool_name>filesystem.searchFiles</tool_name>
<param name="pattern">*.js</param>
<param name="directory">src</param>
</tool_call>

📎 コンテキストに応じたファイル添付

• テキストファイルや画像を会話に直接添付できます（コピーした画像を貼り付けられます）
• おなじみの Markdown 構文でファイルにリンクできます：[file](path/to/file)
• ファイルはチャットドキュメントを基準に解決されるため、プロジェクトのコンテキストに最適です（または絶対パスを使用できます）

💾 編集可能な会話

chat.md ファイルは単なるテキストなので、AI とのやり取りを完全に制御できます。

• 非線形編集：会話の前半を編集して、履歴を書き換えられます
• 会話のハッキング：AI の応答を編集して、AI に言葉を言わせられます
• 続行の制御：編集した任意の時点から AI に続けて応答させられます
• 途中で切れた出力を再開：AI の応答が途中で切れた場合は、新しいアシスタントブロックを追加して続けられます
• Git と相性抜群：会話の変更を追跡し、プロンプトを共同編集し、会話を分岐できます
• 会話テンプレート：よくあるタスク向けに、再利用可能な会話の開始文を作成できます

はじめに

クイックスタート

1. VS Code マーケットプレイスから「chat.md」をインストールします
2. API キーを設定します：
   • コマンドパレット → 「Add or Edit API Configuration」
3. 新しいチャットを作成します：
   • Opt+Cmd+'（Mac）／Ctrl+k Ctrl+c（Windows/Linux）を押すと、新しい「.chat.md」ファイルが作成され、ワークスペース情報がユーザーブロックに入力されます。
   • または、任意の場所に .chat.md 拡張子のファイルを作成し、vscode で開きます。
4. 「# %% user」ブロックにクエリを入力して「Shift + Enter」を押します（または、新しい「# %% assistant」ブロックを作成して Enter を押します）。
5. アシスタントが応答をストリーミングし、ツールを呼び出す様子を確認します。

任意で、チャットのライブプレビューを表示するために、Markdown プレビューを横に並べて開くことができます。より使いやすくなります。

使用方法

• # %% system ブロックを挿入して、システムプロンプトに新しい指示を追加できます。
• VS Code の設定で API 構成と MCP 構成を手動で追加できます。設定例を参照してください。
• 下部にあるライブステータスバーの「Chat.md streaming」アイコンをクリックするか、「chat.md: Cancel streaming」コマンドを実行すると中断できます。
• 新しいチャットの作成と同じ「Opt+Cmd+'」ショートカットを使って、ストリーミングをキャンセルすることもできます。
• 「Refresh MCP Tools」コマンドを実行すると、すべての mcp サーバーを再読み込みできます。その後、「MCP Diagnostics」を実行すると、利用可能な mcp サーバーを確認できます。
• 「Select api configuration」コマンドを使って、API プロバイダーを切り替えられます。

設定

chat.md は、以下の優先順位（高い順）で適用される3段階の設定システムに対応しています。

1. ファイル固有の設定 - 個々の .chat.md ファイルの先頭で設定します
2. プロバイダー固有の設定 - 各 API プロバイダーの VS Code 設定で設定します
3. グローバル設定 - VS Code のデフォルト設定

ファイル固有の設定

任意の .chat.md ファイルの先頭でパラメーターを設定します：

selectedConfig="my-provider"
openaiApi="responses"
reasoningEffort="high"
maxTokens=4000
maxThinkingTokens=20000

# %% system
Your system prompt here

VS Code の設定

VS Code の設定 UI または settings.json から設定できます：

• chatmd.apiConfigs: 名前付き API 構成（プロバイダー、API キー、モデル、ベース URL、任意の推論／トークン設定、および openaiApi: "auto" | "chat" | "responses"）
• chatmd.selectedConfig: アクティブな API 構成
• chatmd.openaiApi: OpenAI API モード - "auto"（OpenAI がホストする gpt／o-series には Responses API を、それ以外には Chat Completions を使用）、"responses"、または "chat"
• chatmd.mcpServers: MCP ツールサーバーを設定します
• chatmd.reasoningEffort: グローバルな推論の深さ（none、minimal、low、medium、high）
• chatmd.maxTokens: グローバルな最大応答トークン数
• chatmd.maxThinkingTokens: グローバルな最大思考トークン数

ツールの実行

AI の応答にツール呼び出しが含まれている場合、拡張機能は自動的に次の処理を行います：

1. アシスタントの応答の後に tool_execute ブロックを追加します
2. 指定されたパラメーターでツールを実行します
3. ツールの結果をドキュメントに挿入します
4. AI が続けられるよう、新しいアシスタントブロックを追加します

次の操作でツールの実行を手動で開始することもできます：

• ツール呼び出しを含むアシスタントの応答の末尾にカーソルを置き、Shift+Enter を押します
• tool_execute ブロックが挿入され、ツールが実行されます

キーボードショートカット

• Shift+Enter: 次のブロックを挿入します（ユーザー／アシスタントを交互に切り替えます）。カーソルがツール呼び出しを含むアシスタントブロックの末尾にある場合は、tool_execute ブロックを挿入します
• Opt+Cmd+'（Mac）／Ctrl+k Ctrl+c'（Windows/Linux）：新しいコンテキストチャットを作成するか、進行中のストリーミングをキャンセルします

MCP ツールの統合

任意の Model Context Protocol サーバーに接続して、AI の機能を拡張できます：

ローカル MCP サーバー（stdio）

VS Code と同じ環境で動作するローカル MCP サーバーの場合：

"chatmd.mcpServers": {
  "wcgw": {
    "command": "uvx",
    "args": [
      "--python",
      "3.12",
      "--from",
      "wcgw@latest",
      "wcgw_mcp"
    ]
  }
}

リモート MCP サーバー（Streamable HTTP）

chat.md は、MCP spec 2025-11-25 の新しい Streamable HTTP トランスポートに対応しています。このトランスポートは、従来の HTTP+SSE トランスポートに代わるものです。リモート MCP サーバーへの接続には、こちらを推奨します。

"chatmd.mcpServers": {
  "remote-mcp": {
    "url": "https://example.com/mcp",
    "transport": "streamable-http"
  }
}

カスタム HTTP ヘッダー（認証用など）を渡すこともできます。

"chatmd.mcpServers": {
  "remote-mcp": {
    "url": "https://example.com/mcp",
    "transport": "streamable-http",
    "headers": {
      "Authorization": "Bearer your-token-here"
    }
  }
}

トランスポートの自動検出

デフォルトでは、transport フィールドは "auto" です。chat.md はまず新しい Streamable HTTP トランスポートを試し、サーバーが対応していない場合は、自動的に従来の SSE トランスポートに切り替えます。トランスポートには "streamable-http"、"sse"、または "auto" を明示的に設定できます。

値	動作
"auto"（デフォルト）	まず Streamable HTTP を試し、SSE に切り替えます
"streamable-http"	新しい Streamable HTTP トランスポートのみを使用します
"sse"	従来の SSE トランスポートのみを使用します

リモート MCP サーバー（従来の SSE）

非推奨の HTTP+SSE トランスポートのみをサポートする、古いリモート MCP サーバー向けです。

"chatmd.mcpServers": {
  "remote-mcp": {
    "url": "http://localhost:3000/sse",
    "transport": "sse"
  }
}

必要に応じて、環境変数を追加することもできます。

"chatmd.mcpServers": {
  "remote-mcp": {
    "url": "http://localhost:3000/sse",
    "transport": "sse",
    "env": {
      "API_KEY": "your-api-key-here"
    }
  }
}

AI はローカルサーバーとリモートサーバーの両方から利用可能なツールを自動的に検出し、その使い方を把握します。ツールのリストは最新の状態に保つため、5 秒ごとに自動更新されます。すべての MCP サーバーは並行して初期化されるため、応答が遅いサーバーや障害が発生したサーバーによって、ほかのサーバーがブロックされることはありません。

基本理念

chat.md は人為的な「チャット」というパラダイムから脱却し、AI とのやり取りの本質はテキスト処理であることを認識しています。会話をファイルとして扱うことで、次のことが可能になります。

1. 永続化が簡単になります - 特別なクラウド同期や独自形式は必要ありません
2. 共同作業が組み込まれています - ほかのコードと同じように共有、差分確認、マージができます
3. バージョン管理が自然にできます - 時間の経過に伴う変更を追跡できます
4. 無制限にカスタマイズできます - ファイルを自由に編集できます

制限事項

1. MCP -- 現在はツールのみがサポートされています。プロンプトとリソースは今後サポートされる予定です。
2. anthropic API では、キャッシュはまだサポートされていません。
3. Gemini、ollama、llm studio、その他のモデルには、openai-api のみを使用してアクセスできます。

vscode の設定例

vscode の JSON 設定

  "chatmd.apiConfigs": {
    "gpt-5.2": {
      "type": "openai",
      "apiKey": "",
      "model_name": "gpt-5.2",
      "openaiApi": "responses",
      "reasoningEffort": "none"
    },
    "gemini-2.5pro": {
      "type": "openai",
      "apiKey": "",
      "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
      "model_name": "gemini-2.5-pro-exp-03-25"
    },
    "anthropic-sonnet-3-7": {
      "type": "anthropic",
      "apiKey": "sk-ant-",
      "base_url": "",
      "model_name": "claude-3-7-sonnet-latest",
      "maxTokens": 6000,
      "maxThinkingTokens": 18000
    },
    "openrouter-qasar": {
      "type": "openai",
      "apiKey": "sk-or-",
      "base_url": "https://openrouter.ai/api/v1",
      "model_name": "openrouter/quasar-alpha"
    },
    "groq-llam4": {
      "type": "openai",
      "apiKey": "",
      "base_url": "https://api.groq.com/openai/v1",
      "model_name": "meta-llama/llama-4-scout-17b-16e-instruct"
    },
    "together-llama4": {
      "type": "openai",
      "base_url": "https://api.together.xyz/v1",
      "apiKey": "",
      "model_name": "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8"
    }
  },
  "chatmd.mcpServers": {
    
    "wcgw": {
      "command": "/opt/homebrew/bin/uv",
      "args": [
        "tool",
        "run",
        "--python",
        "3.12",
        "--from",
        "wcgw@latest",
        "wcgw_mcp"
      ]
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": ""
      }
    },
    "fetch": {
      "command": "/opt/homebrew/bin/uvx",
      "args": ["mcp-server-fetch"]
    }
  },
  "chatmd.selectedConfig": "gemini-2.5pro",
  "chatmd.maxTokens": 8000,
  "chatmd.maxThinkingTokens": 16000,
  "chatmd.reasoningEffort": "medium"

設定に関する注意事項：

• maxTokens（デフォルト：8000）は、モデルの応答に使用するトークンの最大数を制御します
• OpenAI の推論モデル（o1、o3 シリーズ）では、maxTokens は max_completion_tokens の合計予算として使用されます（思考トークンと応答トークンの両方を含みます）
• Anthropic モデルでは、maxThinkingTokens で思考トークンの予算を個別に制御できます。または、reasoningEffort から自動的に計算できます
• プロバイダー固有の設定はグローバル設定を上書きし、ファイル固有の設定はその両方を上書きします（優先順位の詳細は CONFIGURATION.md を参照してください）

ライセンス

MIT License - 詳細は LICENSE ファイルを参照してください。

フィードバックと貢献

• GitHub リポジトリで問題を報告してください
• プルリクエストによる貢献を歓迎します

クレジット

• wcgw mcp を使った Claude
• chat.md を使った Gemini 2.5 pro