Fujitsu Social Digital Twin MCP Server

Fujitsu Social Digital Twin MCP サーバー

このプロジェクトは、FujitsuのソーシャルデジタルツインとデジタルリハーサルAPIをModel Context Protocol（MCP）と統合し、LLMが自然言語を通じてFujitsuのデジタルリハーサルAPIにアクセスできるようにします。

概要

Fujitsuのソーシャルデジタルツインは、現実世界のデータに基づいてデジタル空間内の人や物の状態を再現するだけでなく、経済活動や社会活動全体も再現します。その中核機能である「デジタルリハーサル」では、現実世界で施策を実施する前にデジタル空間で人間や社会の行動をシミュレーションできるため、その効果や影響を事前に検証できます。

このプロジェクトでは、MCPを使用してLLMとデジタルリハーサルAPIをつなぎ、自然言語を使ってシミュレーションを実行し、結果を分析できるようにします。

主な機能

• シミュレーション一覧の取得と表示
• シミュレーションの開始
• シミュレーション結果の取得と分析
• シミュレーションデータの管理
• 交通シミュレーションの分析
• シナリオの比較
• 自然言語からのシミュレーション設定の生成

前提条件

• Python 3.13以降
• Fujitsu API Gatewayへのアクセス（APIキー）
• MCP対応LLMクライアント（例：Claude Desktop）

インストール

Smithery経由でのインストール

Smithery経由でClaude Desktop用のFujitsu Social Digital Twin Serverを自動的にインストールするには：

npx -y @smithery/cli install @3a3/fujitsu-sdt-mcp --client claude

1. リポジトリをクローンする

git clone https://github.com/3a3/fujitsu-sdt-mcp.git
cd fujitsu-sdt-mcp

2. 環境をセットアップする

uvを使用する場合（推奨）：

まず、uvをインストールします：

# Install uv using pip
pip install uv

# Or using curl (Linux/macOS)
curl -sSf https://astral.sh/uv/install.sh | sh

次に、uvで環境をセットアップします：

# Create virtual environment
uv venv

# Activate virtual environment
# Windows:
.venv\Scripts\activate
# Unix/MacOS:
source .venv/bin/activate

# Install dependencies
uv pip install -r requirements.txt

または、用意されているセットアップスクリプトを使用できます：

# Make the script executable
chmod +x setup.sh

# Run setup
./setup.sh

3. 環境変数を設定する

# Windows:
set FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
set FUJITSU_API_KEY=your_api_key_here

# Unix/MacOS:
export FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
export FUJITSU_API_KEY=your_api_key_here

または、次の設定を含む.envファイルを作成できます：

FUJITSU_API_BASE_URL=https://apigateway.research.global.fujitsu.com/sdtp
FUJITSU_API_KEY=your_api_key_here

使用方法

MCP サーバーの起動

python -m fujitsu_sdt_mcp

サーバーは、MCPクライアントと標準入出力を使用して通信します。

対話型クライアントの使用

MCP サーバーと直接やり取りするためのシンプルなクライアントも用意されています：

python client.py

クライアントを起動すると、利用可能なリソースとツールの一覧が表示され、コマンドラインから呼び出すことができます。

Claude Desktopのセットアップ

Claude DesktopなどのMCP対応LLMクライアントでサーバーを使用するには：

1. Claude Desktopを開きます
2. 「Settings」>「Developer Settings」>「Edit Config File」の順に移動します
3. 次の設定を追加します：

"command": "uvx",
"args": [
    "fujitsu-sdt-mcp"
],
"env": {
    "FUJITSU_API_BASE_URL": "https://apigateway.research.global.fujitsu.com/sdtp",
    "FUJITSU_API_KEY": "your_api_key_here"
}

4. Claude Desktopを再起動します

リソースとツール

リソース

• resource://digital_rehearsal_overview：デジタルリハーサル技術の概要
• resource://simulation_metrics_explanation：シミュレーション指標の説明
• resource://scenario_examples：シナリオの例

ツール

• list_simulations：シミュレーション一覧の取得
• start_simulation：シミュレーションの開始
• get_simulation_result：シミュレーション結果の取得
• get_metrics：シミュレーション指標の取得
• list_simdata：シミュレーションデータ一覧の取得
• get_simdata：シミュレーションデータの取得
• analyze_traffic_simulation：交通シミュレーションの分析
• compare_scenarios：シナリオの比較
• create_natural_language_simulation_config：自然言語からシミュレーション設定を生成

使用例

シミュレーション一覧の取得

tool list_simulations

シミュレーションの開始

tool start_simulation {"simdataId": "your_simdata_id"}

交通シミュレーションの分析

tool analyze_traffic_simulation {"simulationId": "your_simulation_id", "region": "Tokyo", "timeRange": "morning rush hour", "scenario": "traffic optimization"}

自然言語からシミュレーション設定を生成

tool create_natural_language_simulation_config {"description": "I want to run a traffic optimization simulation during morning rush hour in Tokyo"}

LLM とのやり取りの例

User: I want to run a traffic simulation during morning rush hour in Tokyo

Claude: I can help you run a traffic simulation for Tokyo's morning rush hour. Here's how we can set it up.

First, let's generate simulation settings from your natural language description:
[Tool execution: create_natural_language_simulation_config]

Generated settings:
{
  "simulationType": "traffic",
  "parameters": {
    "region": "Tokyo",
    "timeRange": "morning_rush"
  },
  "name": "traffic_20250416_123045"
}

Next, let's check available simulation data:
[Tool execution: list_simdata]

From this data, I can start a simulation using Tokyo's morning traffic data.
I've selected the appropriate simulation data ID and will start the simulation:
[Tool execution: start_simulation]

The simulation has started. The simulation ID is "sim_12345".
It will take some time for the results to be available. Once complete, I'll analyze them.

(After simulation completes)
Let's analyze the simulation results:
[Tool execution: analyze_traffic_simulation]

Analysis results:
- CO2 emissions: 1,250kg
- Average travel time: 42 minutes
- Total traffic volume: 15,700 vehicles

From these results, I can see that the Shibuya-Shinjuku route experiences particularly severe congestion.
Here are some potential improvements:
1. Optimize traffic signal control
2. Implement one-way traffic on certain roads during specific times
3. Increase public transportation frequency

Would you like to see a more detailed analysis?

貢献

バグや機能のリクエストは、GitHub Issues から報告してください。プルリクエストも歓迎します。

ライセンス

このプロジェクトは MIT License の下で公開されています。詳しくは LICENSE ファイルをご覧ください。

謝辞

• Fujitsu Corporation - ソーシャルデジタルツイン技術の開発
• Model Context Protocol (MCP) - LLM とのシームレスな統合を実現