Model Context Protocal (MCP) Implementation

Model Context Protocal（MCP）の実装

このリポジトリには、ClimateGPT Team 1 が開発している**Model Context Protocol（MCP）**フレームワークが含まれています。

📂 プロジェクト構成

/mcp-framework ├── modules/ # MCP のコアコンポーネント │ ├── context_manager.py # 実行コンテキストのメモリを保存 │ ├── data_loader.py # データセットの読み込みを処理 │ ├── query_manager.py # クエリを動的にルーティング │ ├── pipeline_manager.py # MCP のステップを実行 ├── models/ # MCP フレームワークの確認用テスト EDA／初期モデル │ ├── scenario_projection.py # 一時的な傾向分析 │ ├── temperature_trends.py # 気候シナリオの予測 │ ├── 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のステップを定義 ├── logs/ # 実行ログ │ ├── mcp_execution.log ├── tests/ # MCP 検証用の単体テスト ├── main.py # MCP 実行のエントリーポイント ├── requirements.txt # Python の依存関係 ├── README.md # プロジェクトのドキュメント

MCP フレームワークの実行方法

1. リポジトリをクローンします（まだクローンしていない場合）：

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

2. ClimateGPT Team 1 ブランチに切り替えます：

   git checkout ClimateGPT_Team1
   

3. venv（仮想環境）を設定します

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

4. 依存関係をインストールします（requirements.txt）：

   pip install -r requirements.txt
   

5. MCP パイプラインを実行します

   python main.py 
   

設定と実行

• config/config.yaml でMCP パイプラインを動的に制御します。このファイルでは、データセットとパイプラインのステップを定義します。
• デバッグや実行結果の追跡のため、ログは logs/mcp_execution.log に保存されます。

最近の更新

• モジュール型設計による初期 MCP フレームワークを実装
• 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