qai-consultant-mcp

QAI Consultant

シンプルなプロジェクトの説明から、テスト戦略、リスク登録簿、工数見積もりレポート、テスト計画を自動生成する、シニア QA アーキテクトとして機能するオープンソースの AI エージェントです。さらに、既存の成果物を評価するための、決定論的なQA ドキュメント品質レビュー、テスト結果分析、QA 成熟度評価も行えます。また、ローカルのMCP サーバーとしても利用できるため、Claude Code、Claude Desktop、その他の MCP クライアントも、同じ基準と数値に基づいて QA 業務を進められます。

🌐 ライブデモ： quality-ai-consultant.streamlit.app

🔌 MCP サーバー： uvx qai-consultant-mcp — API キーも Pinecone も不要です。以下のClaude Code、Claude Desktop、その他の MCP クライアント向け MCP サーバーまたはPyPI のパッケージをご覧ください。

🤖 Anthropic の Claude Code で構築されています。

---

スクリーンショット

Web UI（Streamlit）

ランディングページ

サイドバーの MCP パネル

プロジェクト検出ダイアログ（Web Application テンプレート適用済み）

エグゼクティブ向け概要 + 生成ステータス

リスク登録簿（リスク台帳テーブル）

工数見積もり

テスト戦略

テスト計画

QA ドキュメント品質レビュー

QA 成熟度評価

CLI

---

クイックスタート

オプション A — ライブアプリを使用（セットアップ不要）

👉 quality-ai-consultant.streamlit.app

オプション B — ローカルで実行

# 1. Clone and install
git clone https://github.com/gvasile29/qai-consultant.git
cd qai-consultant
pip install -r requirements.txt

# 2. Set up API keys
cp .env.example .env
# Edit .env and fill in the 4 keys (see Prerequisites below)

# 3. Build the knowledge base (one-time, pushes to Pinecone)
python src/ingest.py

# 4. Run
python src/cli.py            # Terminal UI
streamlit run src/app.py     # Web UI → http://localhost:8501

📖 インストール手順の詳細：INSTALL.md

---

課題

テスト戦略をゼロから作成するには時間がかかり、高度な QA の専門知識が必要です。多くのチームは作成を省略するか、表面的な内容にとどめるか、手法の調査に何日も費やしています。

QAI Consultant は、確立された QA 手法、業界標準（ISTQB、OWASP、ISO 26262、A-SPICE）、専門知識を、経験豊富な QA アーキテクトのように考える AI エージェントに統合することで、このボトルネックを解消します。

---

対象ユーザー

• テスト戦略について体系的なガイダンスを必要とするQA エンジニア
• 工数見積もりとリソース計画を必要とするエンジニアリングマネージャー
• 専任の QA アーキテクトがいない開発チーム
• 納品を迅速化したいQA コンサルタント

---

QAI Consultant が生成するもの

11 問の対話を 1 回行うだけで、QAI Consultant は4 つのドキュメントを自動生成します。

ドキュメント	内容
⚠️ リスク登録簿	リスクマトリクス、発生可能性／影響の分析、リスクごとの緩和策
📊 工数見積もりレポート	PERT に基づく内訳、チームのキャパシティ分析、信頼度スコア
📋 テスト戦略	技術スタック、方法論、コンプライアンスに合わせて調整された ISTQB 準拠の戦略
📝 テスト計画	開始／終了基準、スケジュール、AI ツールの監督を含む IEEE 829 準拠の計画

4 つのタブの上には、全体的なリスク、QA 工数の範囲、チームのキャパシティ、信頼度、上位 3 件のリスクをまとめたエグゼクティブ概要が表示されます。これはリスク登録簿と工数見積もりから決定論的に算出され、追加の LLM 呼び出しは行いません。

すべての出力は Markdown ファイルとして保存され、PDF としてダウンロードできます。

既存の成果物の評価（決定論的な評価で、スコア算出に LLM は不要です）：

モード	内容
📝 QA ドキュメント品質レビュー	既存のテスト計画／戦略／テストケース一覧を、6 つの ISTQB／IEEE 829 の評価軸に沿って 0～100 点で採点し、指摘事項とナレッジベースの引用を提示します
🧪 テスト結果分析	JUnit XML／CSV から、フレーキーなテスト、常に失敗するテスト、一度も実行されていないテスト、最も遅いテスト、および失敗のクラスタリングを抽出します。任意で、実際の実行データに基づいてリスク登録簿を作成できます
📈 QA 成熟度評価	自由記述に基づき、10 のプロセス領域について TMMi レベル（1～3）を参考値として提示し、AI／ML システム向けの EU AI Act 第 9～15 条への準備状況も確認します

---

ナレッジベース

QAI Consultant の推奨事項は、実際の QA 規格と方法論に基づいています。

• 📘 ISTQB — 14 の認定シラバス（CTFL、CTAL-TA、CTAL-TM、CTAL-TAE、CT-AI など）
• 🔒 OWASP — WSTG v4.2、MASTG、Top 10 2021
• 🚗 ISO 26262 — 自動車の機能安全（ASIL レベル、HARA、V&V）
• 🏭 A-SPICE — Automotive SPICE プロセス参照モデル（SWE.4、SWE.5、SWE.6）
• 📋 IEEE 829 — テストドキュメント規格
• ⚙️ ISO/IEC 25010 — ソフトウェア製品品質モデル
• 🇪🇺 EU AI Act — リスク区分、提供者／導入者の義務、第 50 条の透明性、第 9～15 条がテストに与える影響
• 🧭 テスト方法論 — アジャイル、BDD／TDD、探索的テスト、リスクベースドテスト、テストピラミッド
• 🔍 監査とプロセス評価 — TMMi、CMMI、ISO/IEC 33002、ISO 19011、OWASP ASVS、ISO 27001、SOC 2、および公開されている障害事例（Knight Capital、Boeing 737 MAX MCAS、CrowdStrike 2024）
• 🤖 AI テスト計画 — 実際の AI SDLC の事例研究 17 件（2024～2025 年）
• 🧠 専門知識 — QA 実務者による実際の QA シナリオと教訓

---

前提条件

QAI Consultant はクラウド API 上で動作するため、ローカル GPU は不要です。

.env ファイルに 4 つの API キーが必要です（すべて無料プランがあります）。

キー	入手先
MISTRAL_API_KEY	console.mistral.ai → API Keys（デフォルトモデルの ministral-14b-2512 は、Mistral の無料プランで動作します）
OPENROUTER_API_KEY	openrouter.ai/keys（フォールバック用。無料モデルのみ使用します）
PINECONE_API_KEY	pinecone.io → API Keys
PINECONE_INDEX_NAME	Pinecone インデックスの名前（例：qai-consultant、次元数：384、メトリック：cosine）

cp .env.example .env
# Edit .env and fill in all four values

---

アーキテクチャ

動作の仕組み

You describe your project (11 questions)
        ↓
QAI retrieves relevant knowledge from Pinecone (parallel RAG, 3 threads)
        ↓
QAI analyzes risks from your context → Risk Register (Mistral API)
        ↓
QAI estimates effort using PERT + industry benchmarks → Effort Report
        ↓
QAI summarizes risk, effort, capacity and top risks → Executive Readout (no LLM)
        ↓
QAI generates a Test Strategy backed by QA standards → Test Strategy (Mistral API)
        ↓
QAI generates an IEEE 829-aligned Test Plan → Test Plan (Mistral API)
        ↓
Four documents ready for Markdown + PDF download

LLM 呼び出しでは、プライマリプロバイダーとしてMistral API（ministral-14b-2512）を使用し、OpenRouterの無料モデル（Nemotron 3 Super → GLM 5.2）を自動フォールバックとして使用します。

---

インターフェース

Web UI（ブラウザー — 推奨）

streamlit run src/app.py

または、ホスト版をご利用ください：quality-ai-consultant.streamlit.app

テスト戦略のフローに加えて、ランディングページとサイドバーから既存の QA ドキュメントをレビューおよびQA 成熟度を評価できます。生成前に、レビューページでテスト実行結果を添付することもできます。

CLI（ターミナル）

python src/cli.py                                   # interactive Test Strategy flow
python src/cli.py --results run1.xml run2.xml       # same flow, grounded in JUnit XML/CSV results
python src/cli.py --review path/to/test_plan.md     # QA Document Quality Review
python src/cli.py --maturity path/to/process.txt    # QA Maturity Assessment

MCP サーバー（Claude Code、Claude Desktop、その他の MCP クライアント向け）

公式 MCP レジストリ（io.github.gvasile29/qai-consultant-mcp）、Glama、および Awesome MCP Servers に掲載されています。

QAI Consultant は、ローカルで動作する完全に API キー不要の MCP サーバー qai-consultant-mcp としても利用できます。Pinecone も Mistral／OpenRouter の API キーも不要です。ナレッジベースの Markdown ドキュメントに対してローカルな埋め込みインデックスを作成して動作します（ライセンス上の理由から、ISTQB と OWASP の PDF は同梱されていません）。決定論的な QA 工数見積もり、ドキュメントレビュー、テスト結果の分析、成熟度評価を提供するため、独自の AI アシスタントが別途 LLM を呼び出すことなく、QA 作業の根拠として直接利用できます。uv が必要で、stdio 経由でローカル実行します。claude.ai から接続できるホスト版はロードマップにあります（v4.0）。

uvx qai-consultant-mcp

Claude Code：

claude mcp add qai-consultant -- uvx qai-consultant-mcp

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "qai-consultant": {
      "command": "uvx",
      "args": ["qai-consultant-mcp"]
    }
  }
}

ツール：

ツール	機能
retrieve_qa_knowledge	ナレッジベースのチャンクを根拠情報として取得します（OWASP Top 10、IEEE 829、ISO/IEC 25010、ISO 26262、A-SPICE、EU AI Act の標準規格の要約に加え、方法論、監査／評価ガイド、事例研究）。カテゴリによる絞り込みが可能です。一致するものがない場合は low_relevance を返します
list_kb_sources	カテゴリ別にまとめた、ナレッジベース内のすべてのドキュメント
estimate_qa_effort	PERT に基づく決定論的な工数見積もりです（LLM による説明文はなく、数値を基に説明文を作成します）。warnings に前提条件があれば一覧表示します
review_qa_document	既存のテスト計画／戦略／テストケース一覧を、ISTQB／IEEE-829 の 6 つの観点で評価する決定論的な品質スコア（0～100）です。指摘事項とナレッジベースの引用も含まれます
analyze_test_results	JUnit XML／CSV のテスト実行データから、フレーキーテスト、失敗履歴のあるテスト、実行時間の最も長いテスト、失敗のクラスタリングなど、決定論的な健全性指標を算出します
assess_qa_maturity	自由記述の説明から、TMMi プロセス成熟度レベルの決定論的な参考評価（1～3。認証済みの 4～5 にはなりません）を算出します。また、入力に AI／ML システムを示す内容がある場合は、EU AI Act 第 9～15 条への対応準備スコアも条件付きで算出します

プロンプト： qa_project_interview（このアプリで使用しているものと同じ 11 問のヒアリング）、risk_register_structure、test_strategy_structure、test_plan_structure。それぞれ、retrieve_qa_knowledge を利用し、[Source N] の引用を含めてクライアント向けの生成内容を根拠付けます。

プライバシー： 匿名の利用状況テレメトリーはデフォルトで有効です（v3.7.0 以降）。無効にするには QAI_TELEMETRY=0 または DO_NOT_TRACK=1 を設定してください。送信されるのは、ツール名／成功状況／実行時間／カテゴリ、バージョン、OS ファミリーのみです。サーバー実行ごとに新しく生成され、保存されないランダム ID が使用されます。クエリのテキストやプロジェクトの詳細は送信されません。

---

フィードバックループ

生成のたびに、QAI は「この戦略は役に立ちましたか？」と尋ねます。

• はい → 戦略は knowledge_base/generated_strategies/ に保存され、次回の再取り込みに含まれます
• 一部 → 改善メモとともに戦略が保存されます
• いいえ → 破棄されます

これにより、QAI が検証済みの実環境での成果から時間とともに学習するフィードバックループが生まれます。

---

ロードマップ

• v0.1 ✅ コアエージェント＋CLI＋Streamlit Web UI
• v0.2 ✅ フィードバックループ — 検証済みの戦略がナレッジベースに蓄積されます
• v0.3 ✅ リスク登録簿 — テスト戦略と並行してリスクを自動分析します
• v0.4 ✅ 工数見積もりレポート — PERT ベースでチームのキャパシティ分析を実施します
• v0.5 ✅ 自動再取り込み — ファイルウォッチャー＋差分取り込み＋マニフェスト追跡（ファイルウォッチャーは v2.0 で削除されました）
• v0.6 ✅ 信頼度アルゴリズム — スコアベース（0-100）：PERT のばらつき＋キャパシティギャップ＋データ品質＋倍率の大きさ
• v1.0 ✅ MVP — エラー処理、入力検証、ロギング、完全なドキュメント、テスト、Apache 2.0 ライセンス
• v2.0 ✅ クラウド移行 — Ollama → Mistral API＋OpenRouter フォールバック、ChromaDB → Pinecone、Streamlit Cloud にデプロイ
• v2.0.1 ✅ 安定性 — 27 件のバグを修正：PERT の正規化、テンプレート適用、PDF キャッシュ、セッション状態、ファイル名のサニタイズ、RAG フォールバック、ステップごとの例外分離
• v2.0.2 ✅ 安定性 — リリースゲート評価（見積もりの整合性＋RAG 指標）、見積もり／検証関連の不具合 5 件を修正、セッション状態のクラッシュを修正、説明文の重複／切り捨てを修正、LLM の停止時に各ステップの生成を分離
• v2.5.0 ✅ アプリ内リリースノート — サイドバーパネル＋初回のみ表示される「新機能」バナー
• v2.5.1 ✅ ナレッジベース — 新しい evaluation_audit/ の柱：プロセス／テスト成熟度モデル、監査方法論、セキュリティ／コンプライアンス監査、実際に公表された失敗事例
• v2.5.2 ✅ EU AI Act 第50条の透明性に関するパッチ — サイドバーに AI とのやり取りに関する通知を追加し、生成された各ドキュメントに「AI 生成コンテンツ」のラベルを表示
• v2.6.0 ✅ EU AI Act ナレッジベースの柱 — リスク階層、提供者／導入者の義務、第50条の透明性、第9〜15条のテストへの影響、適合性評価、スケジュール
• v3.0.0 ✅ MCP サーバー MVP — ローカルでキー不要の qai-consultant-mcp（規格に基づく検索＋決定論的な工数見積もり）、アプリ内告知、機械可読な AI 生成マーク（EU AI Act 第50条第2項）
• v3.1.0 ✅ 評価パッケージ — QA ドキュメント品質レビュー（既存のテスト計画／戦略／テストケース一覧を、決定論的な ISTQB/IEEE-829 ルーブリックで採点し、任意で AI による説明文を追加）とテスト結果分析（JUnit XML/CSV から不安定なテスト／常に失敗するテスト／最も遅いテスト／失敗のクラスタリングに関する指標を算出し、実際の実行データに基づいてリスク登録簿を作成）。Web アプリ、CLI（--review、--results）、MCP サーバー（review_qa_document、analyze_test_results）で利用できます
• v3.1.1 ✅ 訪問カウンター — アプリの累計訪問数をサイドバーに表示し、Pinecone に保存することで再デプロイ後も維持
• v3.1.2 ✅ 修正 — v3.1.1 の訪問カウンターが実際には増加していませんでした（Pinecone がすべてゼロのプレースホルダーベクトルを拒否）。現在は正しく動作します
• v3.1.3 ✅ 修正 — 訪問カウンターのラベルが英語ではなくルーマニア語（「vizite」）でした。アプリ内のほかの UI 表記に合わせて「visits」に変更
• v3.1.4 ✅ README_MCP.md（PyPI の長い説明文）に mcp-name マーカーを追加 — 公式 Anthropic MCP レジストリへの qai-consultant-mcp の掲載に必要な前提条件です。機能の変更はありません
• v3.1.5 ✅ 修正 — 上流の mcp SDK が破壊的変更を含む 2.0.0 リリースで、サーバーが依存している FastMCP モジュールを削除したため、qai-consultant-mcp が起動に失敗していました（ModuleNotFoundError: mcp.server.fastmcp）。mcp を >=1.8.0,<2.0.0 に固定しました
• v3.1.6 ✅ 修正 — キャッシュが空の状態で qai-consultant-mcp を Claude Desktop に接続できない場合がありました（サーバーが initialize に応答する前にナレッジベース全体を埋め込んでいたため、クライアント側のハンドシェイクがタイムアウト）。インデックス全体の構築を遅延させ、最初の実リクエストまで実行しないようにしました
• v3.2 ✅ CI 品質ゲートの完了 — 実際の Pinecone/Mistral/OpenRouter の契約テストを実行する独立した夜間ワークフローを追加。PR をブロックすることはありません
• v3.3 ✅ Streamlit サイドバーと生成ドキュメントのすべての PDF エクスポートに、EU 公式の AI 生成コンテンツアイコン（行動規範、AI Act 第50条第4項）を採用し、既存のテキスト／メタデータによる開示を強化
• v3.3.1 ✅ 修正 — 実行時依存関係 6 件中 4 件のバージョン範囲が緩く、無関係な上流リリースのたびに uv が依存関係を再解決して再インストールしていたため、qai-consultant-mcp が Claude Desktop に断続的に接続できなくなることがありました。すべての依存関係を厳密にバージョン固定しました
• v3.4 ✅ アプリのビジュアルを再設計（「Calibration Bench」）— トークンベースの色／タイポグラフィシステム（IBM Plex フォント、フォント CDN は不使用）と、再利用可能な「Signal Ledger」スコア／重大度コンポーネントを導入し、ドキュメントレビュー、工数の信頼度、結果分析、リスク登録簿、プロジェクト検出の質問一覧に適用
• v3.4.1 ✅ 配布先リンク（公式 MCP レジストリ、Glama、Awesome MCP Servers）を README だけでなく、アプリ内の MCP パネルにも表示。ランディングページの再設計を開始（全3フェーズ中のフェーズ1 — 詳細は CHANGELOG を参照）
• v3.4.2 ✅ インタラクティブフローを再設計（全3フェーズ中のフェーズ2 — 詳細は CHANGELOG を参照）：プロジェクト検出の対話、レビュー画面、サイドバーに、ランディングページと共通の「Power-On Sequence」ビジュアルを採用（アニメーション付き進捗バー、一度だけ表示される登場アニメーション付きサマリータイル、ホバー時のフィードバック）
• v3.4.3 ✅ 出力画面を再設計（全3フェーズ中のフェーズ3。「Power-On Sequence」再設計を完了 — 詳細は CHANGELOG を参照）：テスト戦略の結果画面とドキュメントレビュー画面で、同じビジュアル表現を採用（リアルタイムの4段階ステータス、登場アニメーション付きスコアタイル、ホバー時のフィードバック）。さらに、ランディング画面に「約2分で得られるもの」の補足を追加
• v3.4.4 ✅ 修正 — qai-consultant-mcp が Claude Desktop に再び接続できなくなることがありました。今回は、キャッシュ未ヒット時に未固定の推移的依存関係（scipy、scikit-learn 経由）が新しいリリースを取得していたことが原因です。直接インポートする 6 件だけでなく、解決済みの依存関係ツリー全体（約99件）を厳密にバージョン固定しました
• v3.5.0 ✅ QA 成熟度評価（assess_qa_maturity）— 決定論的な TMMi プロセス成熟度シグナル（10 のプロセス領域、参考レベル1〜3）に加え、AI/ML プロジェクト向けに EU AI Act 第9〜15条への準備状況を条件付きでスコア化。Web アプリ（「📈 Assess QA Maturity」）、CLI（--maturity）、MCP サーバー（assess_qa_maturity）で利用できます
• v3.5.1 修正：QA 成熟度スコアリングが言い換えられた根拠を見落としていました（要件トレーサビリティが文章で説明されている場合、進捗追跡が「不具合のトリアージ」／「合格率」として説明されている場合）。実ブラウザーでの QA により発見。PyPI から取り下げ済み — 理由は同日公開の v3.5.2 を参照
• v3.5.2 ✅ 修正：v3.5.1 の MCP パッケージはインストール自体ができませんでした（通常の PyPI からは torch==2.13.0+cpu を解決できない）。通常の torch==2.13.0 固定に戻しました。v3.5.0 の公開手順は完了しておらず、v3.5.1 は壊れていたため、これは assess_qa_maturity MCP ツールの初の正常な PyPI 公開です
• v3.5.3 ✅ qai-consultant-mcp のローカルインデックスで、埋め込みに使う sentence-transformers/torch を fastembed（ONNX Runtime）に切り替え — 検索品質は同等（evals/local_index_parity.py：recall@5=0.91、MRR=0.86、変更なし）、キャッシュなしでのインポートは約3倍高速化し、依存関係一覧も大幅に縮小。規模が小さくなったため、週次の dependency-drift-canary ワークフローを削除しました。詳細は CHANGELOG.md を参照
• v3.5.4 ✅ 2026-09-23 の外部監査で判明した信頼性の修正：プライマリ LLM が応答の途中で切断されても、ストリーミング出力が重複しなくなりました。工数見積もりのリスクバッファーは、実際のリスクマトリクス行を数えるようになりました（以前はキーワード一致によって35％の上限まで過剰に増えていました）。また、「なし」や「機能安全」のような明確な回答を、信頼度スコアリングで曖昧と判定しなくなりました。CHANGELOG.md を参照
• v3.6.0 ✅ 2026-09-23 の外部監査を受け、公開アプリの保護と一目でわかる要約を追加：サーバー側の日次生成制限（既存のセッションあたり3回の実行上限に加え、全体の日次上限と訪問者ごとの上限を設定）により、新しいタブを開いても上限がリセットされなくなりました。また、4つの出力タブの上にエグゼクティブ・リードアウトを追加 — 全体的なリスク、QA 工数の範囲、チームのキャパシティ、信頼度、優先して対処すべき上位3つのリスクを、追加の LLM 呼び出しなしでリスク登録簿と工数見積もりから決定論的に生成します。CHANGELOG.md を参照
• v3.6.1 ✅ OpenRouter のフォールバックは、無料枠のモデル（OpenRouter の models フォールバックチェーンを使った Nemotron 3 Super → GLM 5.2）のみを使用するようになり、フォールバックで料金が発生しなくなりました。AI の応答が空の場合は空のドキュメントではなく、明確なエラーを表示します。アプリ内の AI 通知に、送信されたテキストが LLM プロバイダーによって記録されたり、トレーニングに使用されたりする可能性がある旨を追加しました。CHANGELOG.md を参照
• v3.6.2 ✅ プライマリモデルを Ministral 14B に変更（Mistral Small は Mistral の無料プランでレート制限されるため）。出力トークン上限を6,500に引き上げ、ドキュメントが途中で切れないようにしました。また、太字のリスクマトリクス見出しがリスク台帳、エグゼクティブ・リードアウト、工数のリスクバッファーを空にする問題を修正
• v3.6.3 ✅ fastembed 0.8.1 の一時的に壊れた上流コピーをキャッシュしていた環境で、MCP のナレッジベースツールが numpy の「inhomogeneous shape」エラーでクラッシュする問題を修正。CHANGELOG.md を参照
• v3.7.1 ✅ MCP テレメトリーで、認識されない category 値（自由記述を含む可能性があります）を送信しないようにしました。analyze_test_results のドキュメントを、実行回数が3回未満のテストの処理に合わせて更新し、各 MCP ツールを呼び出すタイミングを AI エージェントに伝える新しいエージェントスキル（skills/qai-consultant/）を追加しました。CHANGELOG.md を参照
• v3.7.2 ✅ estimate_qa_effort で、オートメーションに関するテキストに「CANoe」のように単語の一部として「no」が含まれているだけなのに、「既存のオートメーションなし」と誤判定して工数を20％増やすことがなくなりました。さらに、Streamlit の出力の誠実性を守るガード（架空のプロジェクト情報や検証不能な引用、意図しない Markdown の出力を防止）、タイル／ロゴ／Enter キーでの送信／時間に関する主張の修正を追加
• v3.7.0 ✅ ランディングページに利用状況の数値をリアルタイムで表示（訪問数、AI 実行回数、MCP インストール数、GitHub スター数。ダウンロード数と有用性はデータが集まった時点で表示）、ダウンロード数とフィードバック数のカウンター、デフォルトで有効な MCP テレメトリーとオプトアウト機能を追加。CHANGELOG.md を参照
• v3.8.0 ✅ MCP のエンドツーエンド QA に関する修正：estimate_qa_effort の単位／範囲の解析と警告、review_qa_document の QA 文書でない入力／テストケース／言語の処理、retrieve_qa_knowledge の min_score／関連性が低い場合の処理、analyze_test_results の柔軟な解析。さらに、Streamlit の工数／情報源／ダウンロード／コピーに関する修正
• v3.8.1 ✅ 生成ドキュメントに、対象範囲外のツールと架空の数量を示すマーカーを追加。全件をまとめてダウンロードする .zip を追加。retrieve_qa_knowledge のチャンクに match の強度ラベルを追加し、工数の説明文が表と矛盾しないように修正
• v3.9.0 ✅ src/ を qai_consultant パッケージに再構成（wheel の階層は common/core/mcp。ツールと動作は変更なし）。テストをレベルと機能ごとにグループ化。エグゼクティブ・リードアウトでは予想工数を見出しに表示し、範囲を計画用の幅として明示
• v3.9.1 ✅ 生成ドキュメント同士や決定論的な表との矛盾を解消（欠落ガード、工数の説明文、ドキュメント間の整合性、未検証の規制当局へのフラグ付け）。MCP の依存関係ロックを更新（mcp 1.30.0、urllib3 2.8.0、pyjwt 2.15.0）
• v3.9.2 ✅ ホスト型アプリの修正：zip ダウンロードが再び機能するようになりました（Starlette を固定）。Streamlit と CLI の各経路でドキュメント間の整合性チェックを共有し、PDF の表を正しく描画し、生成中は各行をストリーミングする代わりにステージ進捗バーを表示
• v3.9.3 ✅ MCP のエンドユーザー QA に関する修正：estimate_qa_effort の入力検証、assess_qa_maturity／review_qa_document の適切な適用条件、検索結果の改善、analyze_test_results の警告の明確化
• v4.0 リモート MCP — claude.ai から接続できるホスト型サーバーと、サーバー側の利用状況メトリクス

---

貢献

QAI Consultant は QA コミュニティによって、QA コミュニティのために構築されています。

貢献を歓迎します：

• 📚 knowledge_base/ に新しいナレッジソースを追加する
• 🧠 knowledge_base/expert_knowledge/ のプロンプトを使用して専門知識を共有する
• 🐛 GitHub Issues からバグを報告したり、機能を提案したりする
• 🔧 プルリクエストを送信する

詳しいガイドラインについては、CONTRIBUTING.md をご覧ください。

---

トラブルシューティング

問題	解決方法
"Missing required secret: 'MISTRAL_API_KEY'"	.env または Streamlit Cloud のシークレットにキーを追加します
"Missing required secret: 'PINECONE_API_KEY'"	.env に Pinecone のキーを追加します
"Knowledge base is empty"	python src/ingest.py を実行して、ドキュメントを Pinecone にプッシュします
"The AI providers are temporarily unavailable"	Mistral と OpenRouter の無料モデルの両方でエラーが発生しました。数分後に再試行してください。logs/qai_consultant.log に根本的なエラーが記録されています
Mistral がほとんど使用していないのに 429 Rate limit exceeded（code 1300）を返す	Mistral の無料プランでは、Mistral Small／Medium は拒否され、Ministral モデルが提供されます。デフォルトの ministral-14b-2512 を使用するか、MISTRAL_MODEL を変更する前に従量課金を有効にしてください

📖 トラブルシューティングの完全なガイド：INSTALL.md