TARGET Checklist MCP

TARGET チェックリスト MCP サーバー

TARGET 報告ガイドライン（TrAnsparent ReportinG of observational studies Emulating a Target trial；Cashin et al.、JAMA/BMJ、2025 年 9 月）を運用化し、ターゲット試験エミュレーション（TTE）研究を評価する、出典情報付きの決定論的なスコアリングエンジンとして機能する MCP サーバーです。

これは 実行可能な TARGET です。見解を示す原稿監査ツールではなく、項目ごとに構造化され、エビデンスと紐付けられたマトリックスを、モデルの固定された来歴情報とともに生成する測定ツールです。そのため、コーパス規模の結果を再現できます。

設計の背景について詳しくは、../target-mcp-server-design.md を参照してください。

ステータス — 垂直スライス

エンドツーエンドで構築・実証済みです。

• 仕様レイヤー — 公開されている 21 項目を、採点可能な 39 の下位項目に分解し、バージョン管理された YAML（target_mcp/specs/target-0.1.0.yaml）として記述しています。独自の表現による意図、判定境界、シグナル語、仕様とエミュレーションの 6x↔7x の対応関係、適用可能性のルールが含まれています。読み込み時に構造を検証します（spec.py）。
• 取り込みレイヤー — PDF／テキスト／docx を、文字オフセット付きの 出典タグ付き セクション範囲（本文または supplement:<file>）、プロトコル表とフロー図の検出、抽出器のバージョンとテキストハッシュの記録、空白を無視した引用と範囲の対応付けを備えた SectionMap に変換します。build_bundle を介して複数文書のバンドル（本文と補足資料）に対応します（ingest.py）。
• 検索レイヤー — コーパス／バッチ処理と簡便な取得手段です。Europe PMC から PMCID を指定してオープンアクセス論文を取得します（JATS 本文と PMC がホストする補足ファイルを、ひとつのバンドルに統合）。手元にファイルがない場合や、OA 論文の補足資料を自動取得する場合に使用します。渡された原稿を処理する場合は、ファイルを直接取り込んでください（retrieve.py）。
• 評価レイヤー — 該当するすべての下位項目をまとめて 1 回で採点します。スキャフォールドモード（既定） は、公開論文をレビューするための方法です。すでに処理に参加しているエージェントが採点者となるため、サーバーは実行用のプロンプトとスキーマをそのまま返し、送信された判定を検証します。ジャッジモード は、ヘッドレス／バッチ処理（LLM が処理に参加しない場合）向けです。コーパス処理を再現可能にし、呼び出し元に依存しないよう、サーバーが固定したモデルを独自に呼び出します。どちらのモードも共通の検証経路を使用し、下位項目の網羅性、判定語彙、source_document タグ付きの範囲に解決された必須の逐語的エビデンスを検証します（assess.py）。
• レンダリングレイヤー — render_checklist は、最終確定した評価を公開済みの TARGET チェックリスト形式に反映します（CC BY-ND に基づく全 39 行の項目文をそのまま掲載し、解決済みのエビデンス範囲から「報告箇所」列を作成します。拡張表示には判定とエビデンスも含まれます）。render_checklist_docx は、同じ内容を提出可能な Word ファイルとして出力します（render.py、render_docx.py）。
• コーパス／検証レイヤー — aggregate_corpus は、多数の評価を項目ごとの網羅率に集約し、分母となる対象数も示します（corpus.py）。validate.py は、盲検の人手コーディングシートを生成し、正解データと照合して下位項目ごとの一致度（未調整値、Cohen の κ、Gwet の AC1、感度／特異度）を算出します。
• 構成レイヤー — 11 個のツールを公開する FastMCP サーバー（server.py）です。原稿処理の主な流れは、parse_manuscript（渡されたファイルを解析し、利用可能なら supplements= を指定）→ assess_manuscript → submit_scaffold_verdicts → render_checklist（または render_checklist_docx）です。補助ツール：parse_pmcid（コーパス／バッチ処理、または OA 補足資料の取得）、get_checklist（仕様の参照）、aggregate_corpus、build_coding_sheet、validate_against_gold。

未実装（設計ドキュメントを参照）：assess_item、check_emulation_coherence、export_identifiability_spec、（PMC-OA の範囲を超える）出版社サイトからの補足資料取得、より優れた表抽出、独立した重要度／設計リスクのレイヤー。

すべての評価に付与される出典情報

spec_version、解決済みの model ID、temperature、prompt_hash、 prompt_template_version、extractor_version、text_sha256、assessed_at、 full_text_available、supplement_status、および出典ごとの documents リストを記録します。 各エビデンス項目には、解決済みの範囲、セクション、source_document が含まれます。 範囲は、抽出器のバージョンとテキストハッシュを併せて初めて意味を持つため、 これらは常に一緒に扱います。

合否判定ではなく、報告の完全性を示します

この評価ツールがスコア化するのは、原稿がチェックリストの要求事項をどれだけ 完全に報告しているかであり、研究の質ではありません。また、合否判定は一切行いません。 TARGET は21項目すべてを段階分けなしの必須最小項目として提示しており、 このツールもそれに準じます。出力されるのは、エビデンスを伴う39個の葉項目ごとの判定と、 完全性の集計です。（以前の「重要項目の最低基準」— 6つの葉項目に対する BSCL の合否判定オーバーレイ — は、メッセージと合わず混乱を招くため、2026-07-19 に削除しました。 docs/DECISIONS.md を参照してください。）判定マトリクスを TARGET への準拠状況として 提示しないでください。

インストール

このリポジトリにはサーバーとオプションのオーケストレーションスキルが同梱されていますが、 有効化の方法はそれぞれ独立しています。片方をインストールしても、もう片方は有効になりません。 ファイルを取得（クローン／ダウンロード）すると両方が手に入ります。その後、以下の2つの有効化手順を 実行してください。

1. サーバーをインストールする

git clone https://github.com/Black-Swan-Causal-Labs/target-mcp.git
cd target-mcp
python3 -m venv .venv
.venv/bin/pip install -e .

（PyPI で公開された後は、pip install target-mcp を実行してください。）

単独で実行し（stdio トランスポート）、簡単な動作確認を行います。

.venv/bin/target-mcp

2. MCP クライアントにサーバーを登録する

クライアントの MCP 設定に、絶対パスを指定して追加します。Claude Desktop の場合、 設定ファイルは ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）です。Claude Code のプロジェクトでは .mcp.json を使用します。

{
  "mcpServers": {
    "target-checklist": {
      "command": "/ABSOLUTE/PATH/TO/target-mcp/.venv/bin/python",
      "args": ["-m", "target_mcp.server"]
    }
  }
}

クライアントを再起動／再接続します。11個のツールが公開されていることを確認してください （古いプロセスでは数が少なく表示される場合があります。その場合は再起動してください）。 これでサーバーを単独で完全に利用できます。任意の MCP クライアントから、 単一のスキャフォールド処理で parse → assess → submit → render を実行できます。

3. （オプション、Claude Code のみ）ファンアウトスキルを有効にする

.claude/skills/target-checklist-fanout/ には、39個の葉項目を並行してスコア化する 並列サブエージェントのオーケストレーションが定義されています（約2分、従来は約20分）。 これは依存要件ではなく、高速化のためのものです。サブエージェントを起動できるクライアント （Claude Code CLI、または Claude Desktop の Code/Cowork タブ）でのみ動作します。 通常の Chat タブでは動作せず、Codex などの Claude 以外のクライアントでは無視されます。 このスキルがなくても、シングルパスのフォールバックですべての機能を利用できます。

Claude Code のセッションでは、作業ディレクトリがこのリポジトリの場合にスキルが検出されます。 ディレクトリにかかわらずすべてのセッションで利用できるようにするには、ユーザースコープに コピーしてください。

mkdir -p ~/.claude/skills
cp -R .claude/skills/target-checklist-fanout ~/.claude/skills/

スキルを実際に実行するには、サーバー（手順2）、スキル（この手順）、 サブエージェント対応クライアントの3つがすべて揃っている必要があります。

Judge モード（ヘッドレス／バッチ、オプション）

Judge モードを使用するには、環境に ANTHROPIC_API_KEY が必要です。デフォルトでは モデル claude-sonnet-5 が固定されています。TARGET_JUDGE_MODEL で上書きできます。

バッチ／コーパスの実行

数百件の論文のスコアリングは、対話型の MCP 呼び出しではなく、ヘッドレスで実行するジョブです（数時間に及ぶツール呼び出しでは、クライアントのリクエストタイムアウトを超えてしまいます）。target-mcp-corpus CLI を使用してください。PMC ID のリストを並行して取得・判定し、論文ごとの失敗を分離して、一時的なエラーを再試行し、集計結果をまとめます。

# ids.txt: one PMCID per line (#-comments and blanks ignored)
ANTHROPIC_API_KEY=sk-... target-mcp-corpus ids.txt -o out/ -j 12

• -j/--workers は並行処理数を制限します（デフォルトは 8 です。API のレート制限に近づけて増やしてください）。判定には論文 1 件あたり数分ほどかかるため、所要時間 ≈ 論文数 / ワーカー数 × 1 件あたりの時間 です。たとえば、論文 300 件を 12 並列で処理すると約 1～1.5 時間かかりますが、逐次処理では約 10～20 時間かかります。
• -o/--out-dir を指定すると、評価ごとの JSON ファイルに加え、aggregate.json と summary.json（論文ごとのタイムスタンプ、判定の集計、失敗があればその情報を含む）が出力されます。-o を指定しない場合は、集計結果が標準出力に表示されます。
• --model は固定された判定モデルを上書きします。--no-supplements は補足資料の取得をスキップします。

判定モードでは、論文ごとに解決済みのモデル ID が記録されるため、コーパスの集計結果は出典が正確に示され、呼び出し元に依存しません。保存済みの評価は、aggregate_corpus MCP ツールを使っていつでも再集計できます。

テスト

.venv/bin/python -m pytest tests/ -q

仕様の検証、セクションの対応付けと引用箇所の解決、確定とエビデンス解決の処理、エビデンス必須および網羅性の不一致に対するガード、適用可能性ルール、抄録のみの場合の全文ゲーティング、コーパスの集計、検証ハーネス、チェックリストのレンダリング（Markdown + .docx）、プロンプトハッシュの安定性を網羅しています。

ライセンス／コモンズの適切な取り扱い

エンコードされたチェックリストは、各項目の意図を独自の言葉で再構成し、評価者向けの注記を加えたものです。TARGET チェックリストの文言をそのまま再現してはいません。元のチェックリストは、CC BY-ND 4.0 に基づく TARGET グループの著作物です。Explanation & Elaboration ドキュメントが公開されたら、e_e_pending: true と記された項目を再確認し、仕様をクリーンなマイナーリリースに更新してください。E&E のテキストをそのままコピーしないでください。