DSAengine: Rust-Powered Algorithm Intelligence for AI Agents

🚀 dsaEngine

dsaEngine は、高性能で決定論的な MCP（Model Context Protocol）サーバーであり、AI コーディングエージェント（Cursor、Windsurf、Claude Code、GitHub Copilot など）向けに本番環境対応の DSA アルゴリズムを 142 種類以上提供します。

⚡ ゼロコストのアルゴリズムアドバイザー

DSAEngine はマシン上でローカルに動作し、Model Context Protocol を通じてお気に入りのコーディングエージェントと連携します。

• ✅ API 呼び出しなし — 100％ローカルで、使用ごとの費用はゼロ
• ✅ アルゴリズム 142 種類以上 — 最適な実装を分類・インデックス化
• ✅ 決定論的 — ランダム性がなく、推奨内容を再現できます
• ✅ エージェント 7 種類 — Cursor、Windsurf、Claude Code、GitHub Copilot、Kiro、Augment、Antigravity
• ✅ MCP 互換 — stdio 経由の JSON-RPC で、ホスティングは不要です

仕組み

You ask Cursor: "Find shortest path in weighted graph with negative edges"
        ↓
Cursor sees .cursorrules → "consult DSAEngine first"
        ↓
Cursor calls: dsa_classify("Find shortest path in weighted graph with negative edges")
        ↓
DSAEngine responds: "Bellman-Ford Algorithm, O(V·E), confidence: 0.95"
        ↓
Cursor calls: graphs.bellman_ford(edges, source)
        ↓
DSAEngine returns: Rust code + pseudocode + result
        ↓
Cursor writes optimized code

---

1. DSAEngine をインストールする

Linux / macOS（Bash）

curl -sSL https://raw.githubusercontent.com/sVm19/DSAengine/main/install.sh | bash

Windows（PowerShell）

irm https://raw.githubusercontent.com/sVm19/DSAengine/main/install.ps1 | iex

注：お使いのプラットフォーム向けのビルド済みバイナリがない場合は、git と cargo をインストールする必要があります。

2. エージェントをセットアップする

• Cursor：セットアップガイド
• Windsurf：セットアップガイド
• Claude：セットアップガイド

3. コーディングを始める

エージェントにアルゴリズムの作成を依頼すると、DSAEngine が最適なものになるよう支援します。

---

📖 142 種類以上のアルゴリズムライブラリ

13 のカテゴリに分類されています。

---

📖 12 ページ（スキルカテゴリ）

Cargo の機能（--features "arrays graphs"）を有効にして必要なものだけを読み込むことで、バイナリを極小に保てます。

機能フラグ	スキルカテゴリ	例
arrays	配列と文字列	Two-Sum、KMP 検索、スライディングウィンドウ、Kadane のアルゴリズム
linked_lists	連結リスト	サイクル検出、反転、ソート済みリストのマージ、交差
stacks_queues	スタックとキュー	Min Stack、有効な括弧、次に大きい要素、ヒストグラム
trees_binary	二分木	トラバーサル、LCA、シリアライズ、反転、最大パス和
trees_advanced	高度な木構造	Trie、セグメントツリー、Fenwick Tree、AVL Tree、Red-Black Tree
graphs	グラフ	Dijkstra、Bellman-Ford、BFS/DFS、MST（Kruskal/Prim）
dynamic_programming	動的計画法	コイン問題、LCS、編集距離、ナップサック問題
greedy_algorithms	貪欲法	活動選択、Huffman 符号化、Jump Game
backtracking	バックトラッキング	N-Queens、数独、組み合わせ、順列
sorting_searching	ソートと検索	マージソート、クイックソート、二分探索
dsa_fundamentals	基礎	Big-O 解析、二つのポインター、スライディングウィンドウ
advanced_topics	応用	LRU/LFU キャッシュ、Union-Find、Bloom Filter、Trie オートコンプリート

---

🎯 使い方

MCP サーバーとして（エージェント向けに推奨）

セットアップ後、エージェントが自動的に DSAEngine を呼び出します。

Cursor:
"Write a function to find all connected components in an undirected graph"

→ Cursor calls dsa_classify("connected components undirected graph")

DSAEngine responds:
{
  "algorithm": "Union-Find",
  "confidence": 0.98,
  "time_complexity": "O(α(n))",
  "space_complexity": "O(n)",
  "tool_name": "advanced_topics.union_find",
  "reason": "Optimal for connectivity queries with near-O(1) amortized complexity"
}

→ Cursor calls advanced_topics.union_find(...)

→ You get optimized code

Rust ライブラリとして

use dsaengine::skills::graphs::dijkstra::Dijkstra;

fn main() {
    let edges = vec![(0, 1, 4), (1, 2, 2), (0, 2, 5)];
    let (distances, paths) = Dijkstra::shortest_path(&edges, 0);
    println!("Shortest distances: {:?}", distances);
}

HTTP API として

# Run HTTP server (default: localhost:8000)
dsaengine

# Test:
curl -X POST http://localhost:8000/api/v1/graphs/dijkstra \
  -H "Content-Type: application/json" \
  -d '{...}'

# Swagger UI: http://localhost:8000/swagger-ui/

---

🛠 インストール方法

方法 1：Cargo（最も簡単）

cargo install dsaengine

必要条件：Rust 1.70 以降

方法 2：ビルド済みバイナリ

GitHub Releases からダウンロードしてください。

• dsaengine（macOS/Linux）
• dsaengine.exe（Windows）
• dsaengine-arm64（macOS Apple Silicon）

方法 3：ソースからビルド

git clone https://github.com/yourusername/dsaengine
cd dsaengine
cargo build --release
# Binary: target/release/dsaengine

---

🔧 セットアップガイド

• Cursor のセットアップ — Cursor ユーザー向けの手順
• Windsurf のセットアップ — Windsurf ユーザー向けの手順
• Claude Code のセットアップ — Claude ユーザー向けの手順

---

📝 コマンド

# Run MCP stdio server (for agents)
dsaengine --mcp

# Run HTTP web server (for API/testing)
dsaengine

# Generate rules files for agents
dsaengine --install

# Show help
dsaengine --help

---

🧠 使用例

✅ 最適なアルゴリズムの選択

Cursor/Windsurf にアルゴリズム問題の解決を依頼すると、DSAEngine が最適なアプローチを提案します。

✅ 決定論的な推奨

ランダム性や LLM の幻覚がなく、純粋なキーワードベースでアルゴリズムを照合します。

✅ O(n) → O(log n) の最適化

力任せのアプローチを検出し、最適な代替案を自動的に提案します。

✅ API コストゼロ

完全にローカルで動作するため、外部 API の呼び出しもレート制限もありません。

---

📊 パフォーマンス

指標	値
バイナリサイズ	約25 MB（リリースビルド）
起動時間	100ms 未満
レコメンデーションのレイテンシ	5ms 未満
メモリ使用量	実行時に約50 MB
利用可能なアルゴリズム	142以上

---

🤝 コントリビューション

DSAEngine へのコントリビューションを歓迎します！ガイドラインについてはCONTRIBUTING.mdをご覧ください。