tachibot-mcp

---

新着情報

v2.35.1

• プランナーのコード分析に、評議会で唯一の小型モデルであるQwen3-Coder-Nextではなく、DeepSeek V4 Proを使用します。 これにより6つ目のラボが追加されます。より低コストの構成を使うには、TACHI_PLANNER_TIER=standard を設定してください。
• 審査員のGPT審査員を gpt-6.1-sol に固定しました。 これまでは安価な gpt-6-luna がデフォルトで、気付かれないまま使われていました。TACHI_JURY_OPENAI_MODEL で上書きできます。
• 修正点：
  • プランナーが、プロファイルに登録されていないツールを参照しなくなりました（code_focus には qwen_reason がありません）。
  • planner_runner の50%ゲートが、適切なパラメーターを送信するようになりました。
  • ワークフローのステップガードが、ファイルリーダー自身の解析方法でパスをチェックするようになりました。
• ツール数は67のままです。

v2.35.0

• Gemini 4 Argonが推論／判定のデフォルトになりました（10月13日にGA）。判定テストでは、12月1日の価格（$4/$20）でも3.1 Proより高速かつ低コストでした。また、実際の差分では、3.1 Proが「問題なし、5/5」と判定した不具合を検出しました。コードを変更せずに以前のモデルへ戻すには、TACHI_GEMINI_PRO_MODEL=gemini-3.1-pro-preview を設定してください。
• モデルを更新しました。IDはすべてライブで検証済みです：
  • gpt-6.1-sol（SOLティア。openai_search でも使用）
  • grok_search に grok-4.7
  • 検索およびFlash向けに gemini-3.8-flash
  • stepfun/step-5-preview、GLM 5.3、DeepSeek V4.1 Flashのフォールバック
• jev_decide が動作するようになりました。 TypeSafe Jevに問い合わせ、はい／いいえ、選択、またはスコアの回答を確率として較正し、1回あたり約$0.00002で取得します。ワークフローでは回答に基づく分岐（if: "gate.answers.grounded.noul < 0.6"）が可能です。また、/council、/review、/prompt、/write では較正チェックとして使用されます。
• フォールバックが黙って使われることはなくなり、無効にもできます。 バックアップモデルからの回答は、[degraded: X unavailable — <reason>; answered by Y] で始まります。TACHI_MODEL_FALLBACK=off を設定すると、バックアップモデルを完全に無効にできます。クレジット切れによってフォールバックが発生することはありません。
• 修正点：
  • 復旧したGeminiの回答が破棄されていました。
  • OpenRouterのフォールバックは、単一のエラータイプでしか発生しませんでした。
  • nextThought のOpenAIステップが、モデルを呼び出さずに処理を終えることがありました。
  • Grok検索のタイムアウト処理で、レスポンス本文が無視されていました。
• セキュリティ：ワークフローのステップには信頼境界があります。 ステップで実行できるのはプロファイルで有効になったツールのみです。また、読み取り可能なファイルは作業ディレクトリ内に限られます（..、シンボリックリンクによる脱出、.env やキーなどのシークレットは不可）。Grok Heavyを有効にすることもできません。
• ernie_reason を削除しました（Baiduは10月8日にOpenRouterから撤退しました）。jev_decide の追加と ernie_reason の削除後も、ツール数は67です。

v2.34.0

• GPT-6 Astra が OpenAI のデフォルトになりました。 gpt-6-astra（2026年9月3日；$10/$50、コンテキスト長 1.05M）が、openai_reason、openai_brainstorm、openai_code_review、spec_writer、tachi、および diff_review / plan_critique の GPT レビュアーを支えるようになりました。Astra はまず一部の組織に限定して展開されたため、組織がアクセス権を持たない場合は、gpt-5.6-sol、続いて gpt-5.6-terra にフォールバックします。openai_explain は引き続き sol を使用します。簡単な説明にフラッグシップモデルは必要ありません。
• GPT-6 モデルをまったく呼び出せませんでした。 callOpenAI は gpt-5. で始まる名前にしか Responses API を使用していなかったため、Astra は Chat Completions にフォールスルーし、temperature: 0.7 が原因で 400 エラーになっていました。gpt-6-* は temperature を指定せずに Responses API を使用するようになり、Astra が受け付けない none / minimal の推論強度は low として送信されます。
• qwq_reason が再び動作します。 qwen/qwq-32b は OpenRouter で廃止され（すべての呼び出しが 404 を返していました）、このツールは reasoning_effort: medium で qwen/qwen3.8-27b を実行し、フォールバックとして 235B の思考モデルを使用するようになりました。検証用の問題に 2.0 秒で正解し、料金は $0.0007 でした。ツール名とパラメーターに変更はありません。
• ツール数は 67 のままです。

v2.33.0

• 執筆ファミリー（storm、re3、de_generic）。 ライブラリには創造的な 思考（what_if、innovate、alt_view、creative_use）はありましたが、創造的な 執筆 はありませんでした。7 段階のパイプラインに対して、ステージ 4（構成）とステージ 5（下書き）は空で、ステージ 6（改稿）は reflexion にフォールスルーしていました。reflexion は 正確さ を高めるよう最適化されますが、文章の改稿で必要なのは、削ぎ落とし、リズム、具体性です。85 → 88 のテクニック。
• blog_writer — 調査を行い、1 回の呼び出しで長文を執筆します。storm と re3 のテキストを非公開コピーとして保持せず、両者を組み合わせます。コピーを保持すると、どちらかのテンプレートを編集した時点で内容にずれが生じ、どちらの経路も依然として適切な文章を生成するため、そのずれは 気付かれないまま になります。research: true を指定すると、まずペルソナへのインタビューを行い、そこで得た意外性のある回答 3 件を 4 パスの執筆に反映します。66 → 67 ツール；full、balanced、research_power で有効です。
• preview_prompt_technique(technique="auto") には、執筆意図に対応する経路がありませんでした。 RECOMMEND_RULES にマッチャーがなかったため、「ブログ記事を書く」は CORE_TECHNIQUES.slice(0, 3) — chain_of_note / astute_rag / spotlighting — にフォールスルーしていました。一方、list_prompt_techniques は auto を利用方法として案内していました。執筆を示す動詞は、storm、re3、de_generic に振り分けられるようになりました。
• blog_writer は maxTokens: 8000 で出力を黙って切り詰めていました。 このツールは、同じ文章を複数の完全な形式で出力します（re3 の下書き、再構成、行単位の編集パスに加え、storm のマーク付き回答 16 件）。1 つの成果物だけを出力する兄弟ツールとは異なります。ドキュメントの例で使われている語数ですでに 8000 は上限に達しており、切り詰められてもエラーは発生しませんでした。上限を 16000 に引き上げました。
• ずれ防止テストでは、ずれを検出できませんでした。 「非公開コピーではなくテンプレートを使用する」テストは、コピーでも満たせる特徴的なフレーズを検証していました。現在はエンジンの正確な実出力を検証します。

v2.32.0

• 表形式ファミリー（新しい手法7件） — データを扱う作業はまったくカバーされておらず、「これらの行をフィルタリングして」という依頼は汎用のコア契約に流れていました。data_assertはまず後続処理の目的を示し、その後、件数を含む実行可能なアサーションでデータをチェックします。フィルタリングで一致する行がゼロ件だった場合、何も通知されなければ、正常に動作した場合と区別がつかないためです。さらに、chain_of_table、sub_table_first、sql_stages、xlsx_map、table_format、self_debugを追加しました。
• 検索ファミリーを完成（新たに3件） — astute_ragはまず記憶から回答し、その後、各ソースが回答に同意するのか、情報を補うのか、矛盾するのかを明示し、すべての矛盾をはっきり解消します。cragはソースを正確・曖昧・誤りと評価し、その評価に基づいて処理します。検索は常に最も近い候補を返し、何も返さない方法がないためです。hydeは、存在してほしい回答の下書きを作り、その語彙で検索してから、その下書きを破棄します。
• スポットライトのフェンスが持つエントロピーは32ビットではなく24ビットでした。 untrustedFence()はrandomBytes(3)を呼び出していましたが、コメント内の説明では4バイトとして計算していました。スポットライトのセキュリティ特性は、攻撃者がブロックを閉じるための区切り文字を推測できないことに全面的に依存しているため、この不足は重大でした。現在は、説明どおり8個の16進文字になっています。
• カタログが3回拡張されても、list_prompt_techniquesの説明内には文字どおりの37が残っていました（37 → 74 → 85）。この説明は、ツールを呼び出すかどうかをモデルが判断するために読むテキストです。現在はFLAT_TECHNIQUES.lengthから算出されます。
• 手法数は74 → 85。 ツール数は66のままです。

v2.31.0

• プロンプト手法ライブラリが37件から74件に拡張され、カバー率がゼロだった3つのファミリーを補いました。検索（4件）： TachiBotには5つの検索ツールがありますが、検索結果をどう扱うかについての指針がありませんでした。取得したテキストはフィルタリングされず、そのまま推論に使われており、これが自信満々に誤った引用をする原因になっていました。プロンプトインジェクション対策（1件）： それらのツールは、隔離するための契約がないまま、信頼できないウェブ上のテキストを取り込んでいました。そのため、「以前の指示を無視して」と書かれたページも、私たち自身のプロンプトとまったく同じように読まれていました。spotlightingはそれをフェンスで囲み、ルールを明示します。少数例学習（5件）： 精度を多くの推論テクニック以上に向上させるにもかかわらず、例の選択や順序付けに触れるものはありませんでした。
• 2026年6月から8月の研究に基づく、トレース管理手法8件を追加しました。hourglassは探索をルールに圧縮して破棄し、エラーを追記するのではなく、そのルールから再生成します。backtrackは、最初からやり直したり修正を加えたりするのではなく、最後に検証済みのチェックポイントまで巻き戻します。
• 従来のプロンプト12件を、指示として読める形に書き直しました。 初期のセットは電文のような省略表現で、依頼ではなくラベルのように読めるため、タスクをモデルに推測させていました。
• すべてを対象とした推奨ルール — 手法が74件に達すると、名前をすべて覚えておくことはできません。そのため、RECOMMEND_RULESに、実際のユーザーの状況の表現に合わせた8つのグループを追加しました。これらがなければ、新しい手法を利用するには、事前にその名前を知っている必要がありました。

v2.30.1

• ツールの説明からモデルのバージョン名を削除しました。 19件の説明を書き換え、固定された「GPT-5.2」「Kimi K3」「424B MoE」などの文字列ではなく、プロバイダーとタスクを記載するようにしました。こうした文字列はモデルが更新されるたびにひそかに古くなり、ルーティングモデルを誤って誘導するようになります。2件は明らかに誤っていました。openai_reason と openai_search は「GPT-5.2」をうたっていましたが、コードでは現在のOpenAI最上位ティアを呼び出しています。
• grok_search に選ぶ理由を明記しました。 説明は「Web検索」だけで、ほか4つの検索ツールよりこちらを選ぶ理由がありませんでした。現在は、Xやニュースにリアルタイムで基づく強みを記載し、より低コストな選択肢として grok_search_lite を案内しています。5つのOpenRouter推論ツール（deepseek_reason、glm_reason、stepfun_reason、ernie_reason、qwen_reason）も、ベンダーに関する情報しか違いがありませんでした。それぞれに、選択する場面を示す具体的なルーティングルールを追加しました。
• Claude Desktopのマニフェストを修正しました。ツール数を実際の66件ではなく65件と記載し、TACHIBOT_PROFILE のヘルプから heavy_coding プロファイルが抜けていました。また、OPENAI_API_KEY の説明では、QwenとQwQのツールにもこのキーが使われるとしていましたが、これらはOpenRouter経由でルーティングされます。
• パッケージングによって作業ツリーが壊れなくなりました。 scripts/package-extension.sh は npm install --production を実行してdevDependenciesを削除するため、その後 tsc でビルドできなくなっていました。処理の終了時に、依存関係一式を復元するようにしました。
• サーバーがバージョンをv2.0.0として通知していました。 12ツール時代の約28マイナーバージョン前から serverInfo.version がハードコードされていたため、Claude Desktopのコネクターパネルでは、どのインストールも誤ったバージョンとして識別されていました。現在は package.json から実際のバージョンを読み取ります。同様に、/setup ウィザードのプロファイルサイズも古くなっていたため、実際の6つのプロファイルと一致するようにしました。
• v2.30.0の訂正：grok_search_lite に問題はなく、今後も提供を続けます。 このリリースでは、grok-4.3 は「Web検索も呼び出さない」としていました。これでは低コストの検索ティアに意味がありません。8月15日に今日の日付を尋ねて再検証したところ、grok-4.3はWeb検索を2回実行し、10.4秒で引用を返しました。grok-4.6も同様の結果を36.4秒で返しました。 Liteは情報に基づいて回答し、より低コストで、3～4倍高速です。大量の検索にはこちらを優先してください。情報に基づいて回答しないのは、引き続き grok-4.5 です。これまで低コストのティアを対象とするテストがなかったため、独自の情報源接地テストを追加しました。
• ツールの追加・削除はありません。ツール数は66件のままです。

v2.30.0

• grok_search が検索を実行していませんでした。 xAI の Agent Tools API で web_search ツールを呼び出さない grok-4.5 で動作していたため、トレーニングデータに基づいて回答しながら、ソースのフッターと、実際の使用状況ではなく max_search_results からローカルで算出した「最大 N 件のソースを検索に使用」というコスト行を表示していました。8 月 14 日に検証したところ、今日の日付を尋ねると、grok-4.5 は web_search_call のエントリが 0 件のまま 「2025 年 10 月 10 日」 と回答しました。一方、grok-4.6 は検索を 2 回実行し、引用も添えて正しく回答しました。 grok_search は現在 grok-4.6 で動作します（4.5 と同じく、料金は $2/$6、コンテキストは 500K です）。リグレッションテストでは、回答テキストではなく、グラウンディング（web_search_call と 1 件以上のアノテーション）を検証します。グラウンディングのないもっともらしい回答こそが、この問題を隠していたためです。
• 以下の v2.27.0 の注記を訂正します。 grok_search_lite は、$0.20/$0.50 の grok-4-1-fast で動作したことはありません。xAI がこの ID を廃止し、通知なしに grok-4.3 を提供していました。HTTP 200 が返され、切り替えはレスポンス本文の model フィールドでのみ明らかになるため、エラーもフォールバックも発生しませんでした。うたわれていた「約 10 倍安い」は、実際には約 1.6 倍でした。
• 13 件の console.log 呼び出しが MCP プロトコルのストリームを破損させていました。 stdio サーバーでは stdout が JSON-RPC チャネルです。診断出力は stderr に送るようになりました。また、console.info、console.debug、process.stdout.write も拒否するテストで保護しています。
• create_workflow が既存のワークフローファイルを黙って破壊していました。 存在確認の対象がファイルではなく、ディレクトリになっていました。現在は overwrite: true が指定されていない限り上書きを拒否し、.tachi/workflows/ ではなく実際の .tachibot/workflows/ パスを報告します。
• 8 つのプロンプトマップが、認識されない approach／task に対してシステムプロンプトに文字列 "undefined" を挿入していました。 || によるフォールバックがインデックスの内側にあったことが原因です。grok_reason、grok_code、kimi_thinking、qwen_reason、deepseek_reason、glm_reason、stepfun_reason、ernie_reason で修正しました。
• ワークフローのステップが誤ったモデルを実行していました。 qwen_algo ステップは汎用プロンプトで QwQ-32B を呼び出しており、Qwen3.8-Max を使っていませんでした。また、qwq_reason は 4 人のペルソナによる討議を完全に失っていました。どちらも実際のツールに処理を委譲するようになりました。これとは別に、planner_maker の qwen_coder ステップはスキーマで拒否されるパラメーターを送信していたため、実行のたびに検証エラーで失敗していました。
• テストスイートは 130 件から 158 件に増加しました。ライブ検索のプローブは RUN_LIVE_TESTS=1 でのみ有効になるようになり、通常の npm test では課金対象の API 呼び出しが発生しなくなりました。

v2.28.0

• Qwen3.8 Max（8 月 3 日、qwen/qwen3.8-max）— Alibaba の新しいフラッグシップモデルです。同日に GA となり、現在は qwen_algo、qwen_reason、および qwen_reason の審査役で使用されています。**コンテキストは 1M（262K から拡大）**で、マルチモーダル（テキスト＋画像＋動画の入力）に対応し、推論の強度を設定できる初の Qwen です。料金は 100 万トークンあたり $2/$6 です。
• 範囲クエリアルゴリズムの問題で比較したところ、5 つの Qwen 候補のうち、オフラインとオンラインのトレードオフ、および重複値がある場合の厳密不等号のエッジケースの両方を示したのは 3.8 Max だけでした。旧モデルの qwen3-235b-a22b-thinking-2507 は正解しましたが、回答は浅いものでした。qwen3.7-max は 1.6 倍のコストで実時間は 2 倍かかり、qwen3-max-thinking は推論トークンを 1 つも返さないため、完全に除外しました。
• 意図的に推論強度を medium に固定しています。 このモデルのデフォルトの推論強度は high のように動作し、qwen_algo の呼び出し 1 回に 302 秒、$0.09 かかります。medium なら同じ深さの回答が 18～48 秒、$0.006～$0.018 で得られます。置き換え前のモデルは、より短い回答に 169 秒、$0.036 かかっていたため、こちらはより安価で、3.5 倍高速です。low では代替案が抜け始めるため、使用しません。
• OpenRouter 向けの reasoning_effort パススルー — callOpenRouter がこのパラメーターを転送するようになりました。OpenRouter は対応モデルとして列挙されていないモデルではこのパラメーターを無視するため、クォータのフォールバックチェーン（3.8 Max → 3.7 Max → 235B Thinking）は引き続き安全です。Qwen3.8/3.7-Max も、タイムアウトを 600 秒に延長するモデルの対象に加わりました。
• qwen_coder、qwen_competitive、testgen は Qwen3-Coder-Next を引き続き使用します — コーディングに特化しており、約 16 倍安価（$0.12/$0.80）です。3.8 Max は推論向けのティアであり、コード生成向けのティアではありません。

v2.27.1

• Kimi K3（7月16日、moonshotai/kimi-k3）が、すべての Kimi ツール、kimi 審査員、および diff_review の Kimi 枠で使用されるようになりました。2.8T のオープンウェイト MoE で、リリース済みのオープンモデルとして最大規模です。**コンテキスト長は1M（262Kから拡大）**で、ネイティブなマルチモーダル入力に対応し、長期的なエージェント型コーディングではコーディング／エージェントのベンチマークで Opus 4.8 と GPT-5.5 を上回ります。価格にご注意ください。100万トークンあたり$3/$15で、K2.7-Codeの4倍です。K2.7-Codeは自動フォールバックとして引き続き利用されます（K3 → K2.7-Code → K2.6）。
• Gemini 3.7 Flash（8月13日GA、gemini-3.7-flash）が、gemini_search を支える新しい検索／主力モデル層になりました。コンテキスト長は1Mで、2026年12月31日まで導入価格$0.75/$3.75（以降は$1.50/$7.50）です。フォールバックには引き続き gemini-3.6-flash が使われます。Flash-Liteは引き続き gemini-3.5-flash-lite（$0.30/$2.50）です。
• その他はすべて再確認済みで、変更ありません — 7月26日の全プロバイダー監査により、GPT-5.6、Grok 4.5、DeepSeek V4 Pro、GLM-5.2、MiniMax M3、StepFun 3.7、ERNIE 4.5 VL、Qwen Coder-Next、Perplexity Sonarがいずれも引き続き最新であることを確認しました。Gemini 3.1 Proは引き続き推論／判定のデフォルトです。Googleは7月21日に3つのモデルをリリースしましたが、3.5 Proはリリースされませんでした。xAIの段階的なロールアウトが完了したため（EUでの利用開始は7月17日）、grok-4.3 のフォールバックはロールアウト回避策ではなく、クォータ／地域制限への備えになりました。

v2.27.0

• Grok 4.5（7月8日発表のフラッグシップ、「Opusクラス」）がすべての Grok ツールで使われるようになりました。xAIの地域別段階ロールアウトが完了するまで（EUでは7月中旬）、grok-4.3 に自動フォールバックします。どの地域でもツールを利用でき、4.5は自動的に有効になります。
• grok_search_lite（新しいツール、合計65個） — grok-4-1-fast（$0.20/$0.50、コンテキスト長2M）を使った、従来と同じ Grok のライブ検索です。grok_search より約10倍低コストです。大量の検索や、審査員／評議会への並列呼び出しにご利用ください。
• GPT-5.6の各モデル層 — openai_* ツールは gpt-5.6-sol（フラッグシップ。5.5と同じ$5/$30で、性能は向上）、コード向けの terra（5.5相当の性能で価格は半額）、説明向けの luna（$1/$6）に移行します。$30/$180の gpt-5.5-pro 層は、solと推論の強度設定に置き換わります。権限により利用が制限されるアカウントでは、権限エラー時にフォールバックする仕組み（sol → terra → 5.5）が適用されます。

v2.26.1

• /test と /audit スキル（合計19スキル） — /test は testgen を使って実行可能なテストを生成し、/audit は security_review を使って OWASP/CWE セキュリティレビューを実施します。
• ウィザードでのスキルインストール — tachibot init で Claude Code スキルのインストールを選べるようになりました。スキルごとにスキップするか選択できます（[Enter]＝すべて・[s]＝スキップするものを選択・[n]＝なし）。スキルはオプトイン方式になりました。postinstall が ~/.claude にサイレントに書き込むことはなくなりました（npm run install-skills では引き続き、対話なしですべてのスキルをインストールします）。
• 修正 — ワンクリックの .mcpb 拡張機能が有効なエントリーポイントを参照するようになりました（従来は動作していませんでした）。また、パッケージのバージョンを追跡します。tachibot init は、対話なし／CI環境の stdin で停止せず、正常に終了するようになりました。

v2.26.0

プロンプトスタックの刷新

• refine_prompt（新しいツール） — 低コストで高速なモデルを使った、オプトイン方式のプロンプト改善機能です。生のクエリを、目標を先に示す簡潔な概要と変更点、未解決の質問に変換します。自動実行はせず、何かを実行することもありません。内容を確認してから概要を使用できます。Claude Codeでは、/prompt refine を実行すると、未解決の質問がクリック可能な選択肢として表示され、回答が最終的な概要に統合されます。
• 厳選されたテクニック一覧 — list_prompt_techniques は、2026年の推論モデルでも有効な主要なテクニック（scot、pre_mortem、bdd_spec などの出力契約）約9件をデフォルトで表示するようになりました。全31件を表示するには all=true を指定してください。
• technique="auto" — preview_prompt_technique が、理由とともにタスクに適したテクニックを提案します。症状に応じたメニューを表示するには、tachi に「プロンプトを改善して」と尋ねてください。

セットアップをわかりやすく

• tachibot init（新しいCLIウィザード） — APIキーとクライアントを検出し、Claude Code と Claude Desktop 用の正確な設定を表示します。キーの書き込みや表示は行いません。
• ワンクリックのClaude Desktopインストール — 最新リリースから .mcpb をダウンロードしてダブルクリックするだけです。JSONの編集は不要です。
• doctor — 設定済みのキー、表示／非表示のツールとその理由、最初に試すべきことを表示します。

新しいツールとスキル（66 個のツール・19 個のスキル）

• debug_triage — 根本原因の仮説を順位付けし、それぞれに最も低コストな判別チェックを提示します（Grok 4.3）
• spec_writer — 大まかな依頼をレビュー可能な仕様に変換します。ユーザーストーリー、Given／When／Then、対象外の項目、未解決の質問を作成します（GPT-5.5）
• diff_review / plan_critique / testgen / security_review — 複数モデルによる差分レビュー、敵対的な計画のレッドチーム分析、テスト生成、OWASP／CWE 監査
• スキル：/review、/redteam、/spec、/triage、/setup

修正

• focus オーケストレーション画面：繰り返しの定型コード 37 行を、要点を絞った 10 行に削減
• npm test が再び終了コード 0 で終了します（キャンセルされなかった競合タイマーが Jest の終了処理後まで残っていました）
• GPT-5.5 の高負荷推論が 3 分で打ち切られなくなりました（タイムアウトを 180s から 600s に延長）

---

スキル（Claude Code）

TachiBot には、Claude Code 用の 19 個のスラッシュコマンドが含まれています。これらのコマンドがツールをオーケストレーションし、強力なワークフローを実現します。

スキル	機能	例
/setup	ガイド付き設定。doctor を実行し、キーやプロファイルの設定手順を案内します	/setup
/spec	計画を立てる前に、依頼をレビュー可能な仕様に変換します	/spec add OAuth somehow
/blueprint	複数モデルによる計画を、取り組みやすいサイズの TDD ステップに変換します	/blueprint add OAuth with refresh tokens
/judge	複数モデルによる協議。並列分析と統合を行います	/judge how to implement rate limiting
/think	任意のモデルによる逐次推論チェーンです	/think grok,gemini design a cache layer
/focus	モードベースの推論（議論、調査、分析）を行います	/focus architecture-debate Redis vs Pg
/breakdown	事前検証を伴う戦略的な分解を行います	/breakdown refactor payment module
/decompose	問題をサブ問題に分割し、それぞれを掘り下げます	/decompose implement collaborative editor
/prompt	適切な思考手法（37 種類）を提案します	/prompt why do users churn
/algo	4 つの特化モデル（DeepSeek が主導）によるアルゴリズム分析を行います	/algo optimize LRU cache O(1)
/lens	Kimi の 1M コンテキストウィンドウを使って長文脈を分析します	/lens find inconsistencies in this spec
/reflect	外部エビデンスに照らして批評する、根拠に基づくリフレクションループです	/reflect harden this auth middleware
/tot	Tree-of-Thought：分岐 → 審査員による絞り込み → 統合を行います	/tot design a rate limiter
/review	複数モデルによる差分レビュー。パネルと Gemini 審査員による判定を行います	/review（または差分を貼り付けます）
/redteam	敵対的な計画のレッドチーム分析。事前検証、リスク、計画の修正を行います	/redteam <paste plan>
/triage	根本原因のバグを順位付けしてトリアージします	/triage <paste stack trace>
/test	実行可能なテストを生成します（エッジケースを優先）	/test src/auth.ts
/audit	セキュリティレビュー。OWASP／CWE の指摘事項と修正方法を提示します	/audit the login handler
/tachi	ヘルプ。利用可能なスキルやツール、キーの状態を確認できます	/tachi

スキルは、設定済みの API キーに合わせて自動的に調整されます。プロバイダーが 1～2 個だけでも、すべてのスキルを利用できます。

まずはじめに /tachi を入力して、利用可能な機能を確認してください。

---

主な機能

マルチモデルインテリジェンス

• 67 個の AI ツールを 11 のプロバイダーで利用できます — Perplexity、Grok、GPT-6、Gemini、Qwen、Kimi、MiniMax、DeepSeek、GLM（Zhipu）、StepFun、TypeSafe Jev、および無料のローカルモデル（Ollama / LM Studio / llama.cpp / vLLM）
• Gemini 4 Argon（gemini-4-argon、2026 年 10 月 13 日 GA）— 推論／審査員のデフォルトです。ロールバックするには TACHI_GEMINI_PRO_MODEL=gemini-3.1-pro-preview を設定します。Flash／検索ティアは gemini-3.8-flash です
• マルチモデル協議 — planner_maker が 6 つのラボの計画を統合し、取り組みやすいサイズの TDD ステップにします。コード分析には DeepSeek V4 Pro を使用します。より低コストな Qwen3-Coder-Next の構成に切り替えるには TACHI_PLANNER_TIER=standard を設定します
• 審査員 — GPT 審査員は gpt-6.1-sol で動作します。TACHI_JURY_OPENAI_MODEL で上書きできます（例：gpt-6-astra）
• スマートルーティング — 最適な結果を得るため、モデルを自動選択します
• OpenRouter ゲートウェイ — すべてのプロバイダーで使える単一の API キーを任意で利用できます

高度なワークフロー

• YAML ベースのワークフロー — 依存関係グラフを備えた複数ステップの AI プロセス
• プロンプトエンジニアリング — 研究に基づく 85 の手法（SCoT、ReAct、Reflexion、Chain-of-Note、Spotlighting など）
• 検証チェックポイント — 自動品質スコアリングによる 50%／80%／100% のチェックポイント
• 並列実行 — 複数のモデルを同時に実行

ツールプロファイル

プロファイル	ツール数	最適な用途
Minimal	14	簡単なタスク、少ないトークン予算
Research Power	38	詳細な調査、複数の情報源
Code Focus	43	ソフトウェア開発、SWE タスク
Balanced	56	汎用、さまざまなワークフロー
Heavy Coding	59	最大限のコードツール＋エージェント型ワークフロー
Full（デフォルト）	68	すべてを有効化

開発者エクスペリエンス

• Claude Code — 一級のサポート
• Claude Desktop — 完全に統合
• Cursor — シームレスに動作
• TypeScript — 完全な型定義、拡張可能

---

クイックスタート

インストール

npm install -g tachibot-mcp

セットアップウィザード

npx -y -p tachibot-mcp tachibot init

キーとクライアントを検出し、Claude Code と Claude Desktop 用の正確な設定を出力します。

Claude Code（ワンライナー）

claude mcp add tachibot -- npx -y -p tachibot-mcp tachibot

次に /mcp で確認します。--env を使って API キーを追加します。例：--env OPENROUTER_API_KEY=sk-or-xxx --env PERPLEXITY_API_KEY=pplx-xxx。

セットアップ（Claude Desktop）

ワンクリック（最も簡単）： 最新リリースから tachibot-mcp.mcpb をダウンロードしてダブルクリックすると、JSON を編集せずに Claude Desktop が拡張機能をインストールします。プロンプトが表示されたら API キーを追加してください（後から拡張機能の設定で追加することもできます）。

ゲートウェイモード（推奨） — 2 つのキーですべてのプロバイダーを利用：

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "OPENROUTER_API_KEY": "sk-or-xxx",
        "PERPLEXITY_API_KEY": "pplx-xxx",
        "USE_OPENROUTER_GATEWAY": "true"
      }
    }
  }
}

ダイレクトモード — プロバイダーごとに 1 つのキー：

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "PERPLEXITY_API_KEY": "your-key",
        "GROK_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
        "GOOGLE_API_KEY": "your-key",
        "OPENROUTER_API_KEY": "your-key"
      }
    }
  }
}

キーの取得先：OpenRouter | Perplexity

詳細な手順については、インストールガイドをご覧ください。

---

ツールエコシステム（67 ツール）

調査と検索（6）

perplexity_ask · perplexity_reason · grok_search · grok_search_lite · openai_search · gemini_search

推論と計画（15）

grok_reason · openai_reason · qwen_reason · qwq_reason · kimi_thinking · kimi_decompose · deepseek_reason · glm_reason · stepfun_reason · planner_maker · planner_runner · list_plans · spec_writer · blog_writer

コードインテリジェンス（11）

kimi_code · grok_code · grok_debug · qwen_coder · qwen_algo · qwen_competitive · deepseek_algo · minimax_code · minimax_agent · testgen · debug_triage

分析と評価（15）

gemini_analyze_text · gemini_analyze_code · gemini_judge · jury · diff_review · plan_critique · gemini_brainstorm · openai_brainstorm · openai_code_review · openai_explain · grok_brainstorm · grok_architect · security_review · jev_decide · kimi_long_context

メタとオーケストレーション（6）

think · nextThought · focus · tachi · doctor · usage_stats

ワークフロー（9）

workflow · workflow_start · continue_workflow · list_workflows · create_workflow · visualize_workflow · workflow_status · validate_workflow · validate_workflow_file

プロンプトエンジニアリング（4）

list_prompt_techniques · preview_prompt_technique · execute_prompt_technique · refine_prompt

ローカルモデル（1）

local_query — OpenAI 互換の任意のローカルサーバー（Ollama / LM Studio / llama.cpp / vLLM）を使用します。無料、オフライン、プライベートで利用でき、local 審査員としても利用できます（旧式のエイリアスとして hermes も受け付けます）。LOCAL_LLM_MODEL が指定するモデルを実行します。たとえば、Nous Hermes のビルド（ollama pull hermes3）などです。Hermes agent 自体はモデルに依存せず、300 以上のバックエンド（GPT、Claude、Gemini、DeepSeek、セルフホスト可能な Ollama/vLLM）で実行できるため、「Hermes」は個別の重みを保証するものではありません。

高度なモード（ボーナス）

• チャレンジャー — 複数モデルによるファクトチェックを伴う批判的分析
• ベリファイア — 複数モデルの合意による検証
• スカウト — ハイブリッドな情報収集

---

使用例

複数モデルによる計画

// Create a plan with multi-model council
planner_maker({ task: "Build a REST API with auth and tests", mode: "start" })
// → Grok searches → Qwen analyzes → Kimi decomposes → GPT critiques → Gemini synthesizes

// Execute with checkpoints
planner_runner({ plan: planContent, mode: "step", stepNum: 1 })
// → Automatic verification at 50%, 80% (kimi_decompose), and 100%

タスクの分解

kimi_decompose({
  task: "Migrate monolith to microservices",
  depth: 3,
  outputFormat: "dependencies"
})
// → Structured subtasks with IDs, parallel flags, acceptance criteria

コードレビュー

kimi_code({
  task: "review",
  code: "function processPayment(amount, card) { ... }",
  language: "typescript"
})
// → SWE-Bench 76.8% quality analysis

深い推論

focus({
  query: "Design a scalable event-driven architecture",
  mode: "deep-reasoning",
  models: ["grok", "gemini", "kimi"],
  rounds: 5
})

---

ドキュメント

• ドキュメント全文
• インストールガイド
• 設定
• ツールのリファレンス
• ワークフローガイド
• API キーガイド
• フォーカスモード

セットアップガイド

• Claude Code のセットアップ
• Claude Desktop のセットアップ
• 両プラットフォーム

---

コントリビューション

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。

• 問題を報告
• 機能をリクエスト

---