MCP Hub Project

---

title: ShallowCodeResearch emoji: 📉 colorFrom: red colorTo: pink sdk: gradio sdk_version: 5.33.1 app_file: app.py pinned: false short_description: コードを生成してテストするコーディングリサーチアシスタント tags:

• mcp
• multi-agent
• research
• code-generation
• ai-assistant
• gradio
• python
• web-search
• llm
• modal
• mcp-server-track python_version: '3.12'

---

Shallow Research Code Assistant - マルチエージェント AI コードアシスタント

使用技術

これはハッカソンの MCP トラックの一部です（エージェントも少し取り入れています）。

• UI と MCP のロジックには Gradio を使用
• コード実行用のサンドボックスを起動するために Modal AI を使用
• LLM の呼び出しには Nebius、OpenAI、Anthropic、Hugging Face を使用できます
• 推論にはデフォルトで Nebius を設定しています。プラットフォームで確認できるトークン速度を優先しています

❤️ このハッカソンに惜しみなくクレジットをご提供いただいたスポンサーの皆さま、そしてこのイベントを企画してくださった Hugging Face と Gradio に、心より感謝申し上げます 🔥

クレジットを求めて Discord で私たちが質問するのに付き合ってくれた Yuvi に、特に感謝します 😂

🚀 AI を活用した検索とコード生成のためのマルチエージェントシステム

コード支援のための Shallow Research MCP Hub とは？

Shallow Research Code Assistant は、Gradio の Model Context Protocol（MCP）サーバー機能を使用して構築された、高度なマルチエージェント型リサーチおよびコードアシスタントです。専門の AI エージェントを連携させ、包括的なリサーチ機能を提供し、実行可能な Python コードを生成します。この「浅い」リサーチツール（決してディープリサーチではありません）は、ウェブ検索を実行して情報の根拠を得る前に、ユーザーの最初のクエリを拡張して対象範囲を広げます。

次に、コーディングエージェントがユーザーの質問に答えるコードを生成し、エラーがないか確認します。コードが有効であることを保証するため、Modal のインフラストラクチャを使用したリモートサンドボックスでコードを実行します。これらのサンドボックスは必要に応じて起動され、最小限の構成です（pandas、numpy、request、scikit-learn のみがインストールされています）。

ただし、追加のパッケージが必要な場合は、実行前にインストールされます（リクエスト内容によっては、ここで遅延が発生することがあります）。

実行後、プロセス全体を要約してユーザーに返します。

---

📹 デモ動画

上のバッジをクリックすると、MCP Demo Shallow Research Code Assistant の動作を紹介する完全版デモをご覧いただけます。

---

重要な情報

VS Code で MCP を使用する際は、適切なツールが選択されるよう、メインのエージェント関数名を入力すると便利です。

たとえば、「agent research request: データフレーム内の特徴量をスケーリングする Python スクリプトの書き方を教えてください」のように入力します。

以下は、VS Code で MCP を設定するために必要な JSON スクリプトです。

{
    "mcp": {
        "inputs": [],
        "servers": {
        "gradiocodeassist": {
            "command": "npx",
            "args": [
                "mcp-remote",
                "https://agents-mcp-hackathon-shallowcoderesearch.hf.space/gradio_api/mcp/sse",
            ]
        }
    }
}

以下は、VS Code の Cline 経由で MCP を設定するために必要な JSON スクリプトです。

{
  "mcpServers": {
    "gradiocodeassist": {
      "autoApprove": [],
      "disabled": false,
      "timeout": 300,
      "type": "sse",
      "url": "https://agents-mcp-hackathon-shallowcoderesearch.hf.space/gradio_api/mcp/sse",
      "headers": {}
    }
  }
}

✨ 主な機能

• 🧠 マルチエージェントアーキテクチャ：専門のエージェントが連携したワークフローで動作
• 🔍 インテリジェントなリサーチ：自動要約と引用形式の整備を備えたウェブ検索
• 💻 コード生成：コンテキストを考慮した Python コードの作成と安全な実行
• 🔗 MCP サーバー：エージェント間のシームレスな通信を実現する組み込み MCP サーバー
• 🎯 複数の LLM に対応：Nebius、OpenAI、Anthropic、HuggingFace と互換（現在は Nebius Inference に設定）
• 🛡️ 安全な実行：コードを安全に実行するための Modal サンドボックス環境
• 📊 パフォーマンス監視：高度なメトリクス収集とヘルスモニタリング

🏛️ MCP ワークフローアーキテクチャ

上の図は、完全なマルチエージェントのワークフローアーキテクチャを示しています。さまざまなエージェントが MCP（Model Context Protocol）サーバーを介して通信し、包括的な調査とコード生成の機能を実現する仕組みを説明しています。

🚀 クイックスタート

1. 環境を設定する：設定タブで API キーを設定します
2. LLM プロバイダーを選択する：Space では Nebius がデフォルトで設定されています
3. 調査クエリを入力する：Orchestrator Flow タブに入力します
4. 処理を見届ける：エージェントが連携して調査とコード生成を行います

🏗️ アーキテクチャ

コアエージェント

• 質問エンハンサー：複雑なクエリを、焦点を絞った小さな質問に分解します
• ウェブ検索エージェント：Tavily API を使用して、対象を絞った検索を実行します
• LLM プロセッサー：テキスト処理、要約、分析を行います
• 引用フォーマッター：学術的な引用形式（APA 形式）を管理します
• コードジェネレーター：コンテキストを考慮した Python コードを作成します
• コード実行エージェント：安全な Modal サンドボックスでコードを実行します
• オーケストレーター：ワークフロー全体を調整します

ワークフローの例

User Query: "Create Python code to analyze Twitter sentiment"
    ↓
Question Enhancement: Split into focused sub-questions
    ↓
Web Research: Search for Twitter APIs, sentiment libraries, examples
    ↓
Context Integration: Combine research into comprehensive context
    ↓
Code Generation: Create executable Python script
    ↓
Secure Execution: Run code in Modal sandbox
    ↓
Results: Code + output + research summary + citations

🛠️ セットアップ要件

必須の API キー

• LLM プロバイダー（いずれか 1 つを選択）：
  • Nebius API（推奨）
  • OpenAI API
  • Anthropic API
  • HuggingFace Inference API
• Tavily API（ウェブ検索用）
• Modal アカウント（コード実行用）

環境設定

以下の環境変数を設定するか、アプリで設定してください：

LLM_PROVIDER=nebius  # Your chosen provider
NEBIUS_API_KEY=your_key_here
TAVILY_API_KEY=your_key_here
MODAL_ID=your-id-here
MODEL_SECRET_TOKEN=your-token-here

🎯 ユースケース

コード生成

• プロトタイプ開発：要件に基づいて、機能するコードをすばやく作成します
• IDE 連携：IDE に追加して、根拠に基づく LLM の支援を利用します

学習と教育

• コード例：説明付きの教育用コードサンプルを生成します
• 概念の探求：複雑なプログラミング概念を調査し、理解します
• ベストプラクティス：現在の業界標準や方法論を学びます

🔧 高度な機能

パフォーマンスモニタリング

• リアルタイムのメトリクス収集
• 応答時間の追跡
• 成功率のモニタリング
• リソース使用状況の分析

インテリジェントキャッシュ

• 重複する API 呼び出しを削減します
• 応答時間を短縮します
• TTL 設定を構成できます

フォールトトレランス

• サーキットブレーカーによる保護
• レート制限の管理
• 適切なエラー処理
• 自動再試行の仕組み

サンドボックスプール管理

• 事前にウォームアップされた実行環境
• 最適化されたパフォーマンス
• リソースプーリング
• 自動スケーリング

📱 インターフェースのタブ

1. Orchestrator Flow：エンドツーエンドのワークフロー全体
2. Individual Agents：個別のエージェントにアクセスして、特定のタスクを実行
3. Advanced Features：システムのモニタリングとパフォーマンス分析

🤝 MCP 連携

このアプリケーションは、高度な MCP（Model Context Protocol）の実装例を示しています：

• サーバーアーキテクチャ：スキーマ生成機能を備えた完全な MCP サーバー
• 関数レジストリ：型定義を備えた適切な MCP 関数定義
• マルチエージェント通信：エージェント間の構造化されたデータフロー
• エラー処理：エージェント間のやり取り全体にわたる堅牢なエラー管理

📊 パフォーマンス

• 応答時間：エージェントの応答を 1 秒未満に最適化
• スケーラビリティ：同時リクエストを効率的に処理
• 信頼性：フォールトトレランスとモニタリングを標準搭載
• リソース管理：インテリジェントキャッシュとプーリング

🔍 技術詳細

• Python：3.12 以降が必要
• フレームワーク：MCP サーバー機能を備えた Gradio
• 実行環境：安全なサンドボックスでのコード実行に Modal を使用
• 検索：リアルタイムのウェブ調査に Tavily API を使用
• モニタリング：包括的なパフォーマンスおよびヘルスチェックの追跡

---

AI を活用した研究開発の未来を体験する準備はできていますか？

まず API キーを設定して、マルチエージェント AI の連携の世界に飛び込みましょう！ 🚀

📝 ライセンス

このプロジェクトはMIT ライセンスの下でライセンスされています。
適切なクレジットを明記すれば、このソフトウェアを自由に使用、変更、配布できます。詳細はLICENSEファイルをご覧ください。