Learning Optimizer

学習オプティマイザー

パーソナライズされた間隔反復エンジンです。学習者ごとに項目別の忘却曲線をモデル化し、目標の定着率を達成するために必要な最小限の復習をスケジュールします。エビングハウス、Leitner／SM-2（Anki のベースライン）、Half-Life Regression、FSRS に基づいています。また、試験当日に定着率がピークになるよう、学習計画全体を作成します。

レジストリ名	ai.saifs/learning-optimizer
エンドポイント	https://learning-optimizer-mcp.saifs.ai/mcp
トランスポート	Streamable HTTP（リモート、インストール不要）
認証	OAuth 2.1 — PKCE（S256）および動的クライアント登録。初回使用時にクライアントでサインインページが開きます
公開者	SAIFS AI

インストール

VS Code / GitHub Copilot

ワークスペースの .vscode/mcp.json またはユーザーの mcp.json に追加します。

{
  "servers": {
    "saifs-learning-optimizer": {
      "type": "http",
      "url": "https://learning-optimizer-mcp.saifs.ai/mcp"
    }
  }
}

次に、MCP ビューからサーバーを起動し、プロンプトが表示されたらサインインします。

Claude (claude.ai, Desktop)

設定 → コネクター → カスタムコネクターを追加を選択し、次を貼り付けます。

https://learning-optimizer-mcp.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcp

その他の MCP クライアント

Streamable HTTP トランスポートを使用して、https://learning-optimizer-mcp.saifs.ai/mcp に接続します。サーバーは WWW-Authenticate: Bearer … resource_metadata=… チャレンジとともに 401 を返すため、OAuth 対応クライアントでは自動的にサインインできます。

ツール

ツール	機能
schedule_review	最後の結果に基づき、学習者と項目の組み合わせに対する次の最適な復習時刻と、予測される想起確率を返します。
due_reviews	学習者が今日復習すべき項目を、優先度順に返します。
predict_retention	将来の日付における項目の想起確率を予測します。
optimize_study_plan	項目バンク全体のスケジュールを作成し、試験当日に定着率がピークになるようにします。
forgetting_curve	学習者と項目の組み合わせに対する、当てはめた減衰曲線とパラメーターを返します。
explain_schedule	この間隔にした理由、モデル、根拠、信頼度を説明します。

プロンプトの例

• 「この生徒は項目 142 を間違えたばかりです。次はいつ復習すべきですか？そのときの P(recall) はどれくらいですか？」
• 「この学習者が今日復習すべき項目を、優先度順に教えてください。」
• 「試験まで 28 日です。この項目バンク全体の学習計画を作成し、当日に定着率がピークになるようにしてください。」

サポート

• ウェブサイト：https://saifs.ai
• 問題報告：https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
• プライバシー：https://saifs.ai/privacy_policy