llm_to_mcp_integration_engine

llm_to_mcp_integration_engine

🔍 llm_to_mcp_integration_engineとは？

llm_to_mcp_integration_engineは、LLMとMCP サーバーまたは関数の間に設ける新しい通信レイヤーのアイデアです。

ツールを選択、検証、実行してから外部プロセスを開始することで、ツール呼び出しの信頼性を高めます。

LLMの応答からツール選択を示す項目（SELECTED_TOOLS、SELECTED_TOOL、NO_TOOLS_SELECTED）を検索し、あらかじめ定義されたツールのリストと照合して検証します。

---

🚀 llm_to_mcp_integration_engineの新しい点は？

llm_to_mcp_integration_engineは、構造化されていない出力を効果的に処理し、動的な解析と再試行の仕組み（RETRY_PROMPT、CHANGE_LLM_IN_RETRY）を取り入れることで、LLMとツールの連携に対して、より柔軟で堅牢なソリューションを提供します。

---

❓ なぜllm_to_mcp_integration_engineが必要なのですか？

• LLMはツール呼び出しの形式や順序を誤ることが多く、失敗につながります。
• MCP サーバーや関数を呼び出す前に、ツールの実行を検証する必要があります。
• このプロトコルにより、LLMとツールの連携に明確さ、制御性、信頼性がもたらされます。

---

❌ 既存の通信レイヤーはありますか？

いいえ。
これは新しい発明です。LLMとMCP サーバーまたは関数を、構造化され、検証可能で、制御可能な方法で接続する、初の通信フレームワークであるLLM2MCPプロトコルを導入しました。

新しい点は次のとおりです。

• 二重登録：ツール／関数をLLMのプロンプトとエンジンの両方に登録し、両者の整合性と一貫性を確保します。
• 非JSON形式への対応：LLMの応答が完全なJSONでなくても、エンジンは正規表現とロジックベースのチェックを使って、有効なツール選択を抽出できます。
• 再試行フレームワーク：検証に失敗した場合（ツールの不足、形式の誤りなど）、新しいプロンプトで再試行したり、別のLLMに切り替えたりできます。
• 詳細な失敗検出：適切なツールの選択、パラメーターの形式、ツール実行への移行など、LLMがどこで失敗したかを開発者が正確に診断できます。
• 実行の安全性：応答が有効であると確認されない限り、ツールやMCP サーバーが呼び出されないようエンジンが保証します。

検証、フォールバック、制御ロジック、堅牢性を単一の統合エンジンにまとめていることが、これを新しい発明たらしめています。

---

⚙️ 使い方

📦 pipでインストール

pip install llm_to_mcp_integration_engine

✅ デフォルトの使い方

from llm_to_mcp_integration_engine import llm_to_mcp_integration_default

llm_to_mcp_integration_default(
    tools_list=my_tools_list,
    llm_respons=response_from_llm,
    json_validation=True
)

🔧 高度な使い方

from llm_to_mcp_integration_engine import llm_to_mcp_integration_advance

llm_to_mcp_integration_advance(
    tools_list=my_tools_list,
    llm_respons=response_from_llm,
    json_validation=True,
    no_tools_selected=True,
    multi_stage_tools_select=True
)

🧠 カスタムの使い方（エージェント型HTML/CSSツールなど）

from llm_to_mcp_integration_engine import llm_to_mcp_integration_custom

llm_to_mcp_integration_custom(
    tools_list=my_tools_list,
    llm_respons=response_from_llm,
    json_validation=True
)

---

✅ llm_to_mcp_integration_engineを使うメリット

• 柔軟な応答処理
• 信頼性の高いツール実行
• 信頼性の高いプログラムによる検証
• ツールの連鎖の改善
• 推論手法（Chain-of-Thoughtなど）との相乗効果
• 「ツールが不要」な状況への対応
• エラー検出と再試行の仕組み
• 失敗の診断と監視
• 段階的なLLM利用によるコスト最適化
• LLMとツールのインターフェースの標準化

💡 堅牢性とコスト効率をさらに高めるため、失敗時にLLMを動的に切り替える機能も含まれています。

---

📜 ライセンス

個人利用および研究目的で、このエンジンを使用できます。
ただし、作者から明示的な許可を得ずに、これを変更または配布することはできません。