Pipe Docs (SPR) MCP Server

Pipe — MCP ネイティブで本番環境に対応したランタイム

MCP（サーバーとクライアント）を組み込みでサポートする初の言語です。249 個の組み込み機能を備えた、サイズ約 8 MB の単一バイナリです。依存関係はありません。 公式 MCP Registry に正式登録済み（v1.1.1、アクティブ）。Copilot と VS Code では、GitHub MCP Registry からワンクリックでインストールできます。

v1.3 の新機能

Pipe v1.3.0 は、v1.2.0 のマルチエージェントおよびビジョン機能をさらに発展させています。

• マルチエージェントのスウォーム — ai_swarm / ai_swarm_trace / swarm_agent：名前付きエージェントが予約済みのツール呼び出しを通じて会話を引き継ぎ、メッセージ履歴全体を引き継ぎます。ai_swarm_stream では進行状況をリアルタイムで確認できます（ツール呼び出し、引き継ぎ、推論、実行中に介入するためのラウンドチェックコールバック）。また、安全な範囲でラウンド内の独立したツール呼び出しを並列実行できるようになりました。
• ai_vision — OpenAI 互換のビジョンモデルを使って、画像（http(s) URL、ローカルファイル、または生バイト列）について質問できます。
• OpenCode Zen AI プロバイダー — 6 番目のプロバイダーです。API キーなしで利用できる無料枠のモデルもあります。
• 組み込みのセルフアップデーター — pipe --update / --update-check で最新の GitHub リリースを取得し、チェックサムを検証して置き換えます。
• tool_call — LLM を介さず、登録済みツールを直接呼び出します。
• file_lock / file_unlock — プロセス間で実際に機能するアドバイザリファイルロックです。
• elif キーワード — if / else チェーンで使用できます。
• ai_tool：parallel_safe フラグ — Pipe で定義した fn ツールのバッチも、組み込み機能と同様に並列実行できるようになりました。
• pipe -build — 相対サブディレクトリのパスを保持したまま、実際の複数ファイルプロジェクトに対応しました。
• 強化されたサンドボックス — 監査ラウンド 7〜11 で、ファイルシステムへの書き込み制御の抜け穴、wiki_search の外部通信の抜け穴、exec_whitelist のシェルインジェクションの抜け穴、およびハードリンクによるエスケープを修正しました。
• 249 個の組み込み機能 — AI 41 個 + MCP 13 個 + 標準 195 個。v0.9.3 の 226 個から増加しました。
• 23 個のモジュール — MQTT、SQLite、pipe-http、pipe-web、pipe-orm、pipe-cli など

クイックインストール

curl -fsSL https://pipe-lang.com/install.sh | bash   # Linux & macOS

Windows（PowerShell）：irm https://pipe-lang.com/install.ps1 | iex

インストーラーは最新リリースをダウンロードし、SHA256 チェックサムを検証してから、pipe を ~/.local/bin（root として実行した場合は /usr/local/bin）にインストールします。PIPE_VERSION=v1.0.0 を指定すると、バージョンを固定できます。インストールの詳細を参照してください。

インストール済みのコピーは、最新の GitHub リリースを確認して自動更新できます。pipe --update で更新し、pipe --update-check で確認のみ行い、pipe --version で現在のバージョンを表示します。アップデーターはリリースのチェックサムを検証し、バイナリをその場で置き換えます。

プライバシーと DSGVO

Pipe は設計上、DSGVO に準拠し、GDPR に適合しています。

• テレメトリーと分析は一切ありません — バイナリがホームに接続することはなく、データがマシンの外に出ることもありません。
• セルフホスト可能な単一バイナリ — すべて自分のインフラストラクチャ上で実行できます。
• クラウド不使用 — ベンダーのサーバーがデータを処理することはありません。
• オープンソース（MIT） — すべて監査できます。
• ローカル AI — Ollama を使えば、ネットワークの外に出るバイトは一つもありません。クラウドプロバイダーは、設定した場合にのみ使用されます。

課題

AI を本番環境で運用するのは、もっと簡単であるべきです。

• セキュリティ — ファイルアクセス、ネットワークアクセス、exec を許可された LLM はリスクになります。後付けのミドルウェアではなく、言語レベルで細かなサンドボックス化が必要です。
• パフォーマンス — API 呼び出しを逐次実行すると、1 秒のパイプラインが 10 秒のボトルネックになります。並列化に asyncio.gather() の定型コードが必要であってはなりません。
• ベンダーロックイン — OpenAI から DeepSeek に切り替えるには、Python SDK のコードを書き直す必要があります。プロバイダーの変更は 1 行で済むべきです。
• ツール連携 — LLM を外部ツール（GitHub、データベース、ファイルシステム）に接続するのは、SDK や API ラッパーが入り組んでいて大変です。MCP はライブラリではなく、言語のプリミティブであるべきです。

Pipe はこれらの課題を言語レベルで解決します。

Pipe とは？

Pipe は Semantic Pipeline Runtime（SPR） です。summarize、translate、classify が +、sort、len と同じ構文レベルで使える、パイプラインネイティブな言語です。データは、組み合わせ可能な変換を通じて上から下へ流れます。バイナリは 1 つ。依存関係はありません。

Python + LangChain（約 80 行）：

import openai
client = openai.OpenAI()
def summarize(text):
    r = client.chat.completions.create(model="gpt-4o", messages=[{"role":"user","content":text}])
    return r.choices[0].message.content
def translate(text, lang):
    r = client.chat.completions.create(model="gpt-4o",
        messages=[{"role":"system","content":f"Translate to {lang}"},{"role":"user","content":text}])
    return r.choices[0].message.content
text = open("news.txt").read()
print(translate(summarize(text), "de"))

Pipe（5 行）：

read_file "news.txt"
    > summarize       -- LLM call
    > translate "de"  -- LLM call
    > print

Model Context Protocol

Pipe には、サーバーとクライアントの両方として使える MCP が組み込まれています。SDK も npm パッケージも Python も不要です。Go の標準ライブラリだけで動作します。

MCP サーバー — ツールを公開する

fn get_weather city
    match city
        | "Berlin" -> "22°C, sunny"
        | "London" -> "15°C, rainy"
        | _ -> city ++ ": no data"

ai_tool "get_weather" "Get weather for a city" {city: "City name"} get_weather
mcp_server "Weather Agent" "1.0.0"
mcp_serve_stdio

Claude Desktop で設定します（claude_desktop_config.json）。

{ "mcpServers": { "pipe": { "command": "/tmp/pipe", "args": ["agent.pipe"] } } }

MCP クライアント — 外部ツールを使う

ai_provider "deepseek"
ai_set_key "deepseek" (env "DEEPSEEK_API_KEY")

-- Connect to GitHub + Filesystem MCP servers
mcp_use_stdio "npx" "-y" "@modelcontextprotocol/server-github" {GITHUB_TOKEN: (env "GITHUB_TOKEN")}
mcp_use_stdio "npx" "-y" "@modelcontextprotocol/server-filesystem" "/tmp"

-- AI discovers and uses all tools automatically
result: ai_with_tools "You are a DevOps assistant." "Search pipe's open issues and list files in /tmp." 10
print result

stdio の MCP サーバーならすぐに動作します。Filesystem、GitHub、Git、Postgres、SQLite、Slack、Brave Search、Memory、Sequential Thinking など、npm/uvx で利用できるものなら何でも使えます。

ユースケース

ログ分析 → インシデントレポート

is_critical: fn line
    contains line "critical"

read_file "/var/log/app/errors.log"
    > split "\n"
    > filter is_critical
    > summarize
    > translate "de"
    > save "incident_report.txt"

RAG パイプライン

ai_provider "deepseek"

docs: read_lines "knowledge_base.txt"
vectors: embed_batch docs

question: "How does the bytecode VM work?"
q_vec: embed question
top: nearest q_vec vectors 3

context: ""
for idx in top
    context: context ++ (at docs idx) ++ "\n---\n"

ask ("Context:\n" ++ context ++ "\nQuestion: " ++ question)
    > print

ツール呼び出しを行う AI エージェント

fn get_weather city
    match city
        | "Berlin" -> "22°C, sunny"
        | "London" -> "15°C, rainy"
        | _ -> city ++ ": no data"

ai_tool "get_weather" "Get current weather for a city" {city: "Name of the city"} get_weather

ai_with_tools "You are a weather assistant." "What's the weather in Berlin and London?"
    > print

並行処理 — 4 秒ではなく 1.5 秒で LLM を 3 回呼び出す

ai_provider "deepseek"

a: "Explain monads" >> ask
b: "What is CP/M?" >> ask
c: "Explain RFC 791" >> ask

print a ++ b ++ c   -- Future auto-resolution

Discord CI/CD 通知

import "discord.pipe" as d
ai_provider "deepseek"

-- AI code review per commit, sent as Discord embed
review: ai_chat "Review this code change" diff 800

d.d_webhook_embed (env "DISCORD_WEBHOOK") {
    title: "CI: Push to master",
    color: 3447003,
    fields: [
        {name: "Changed Files", value: stat},
        {name: "AI Review", value: review}
    ]
}

比較：Pipe と Python + LangChain

	Python + LangChain	Pipe
RAG パイプライン	約 80 LOC	約 8 LOC
LLM アクセスのサンドボックス化	カスタムミドルウェア	sandbox_profile ブロック 1 つ
AI プロバイダーの切り替え	SDK 呼び出しを書き直す	ai_provider "deepseek"
サーバーへのデプロイ	Docker + venv + pip	scp pipe binary
LLM の並列呼び出し	asyncio.gather() の定型コード	>> 演算子、ai_batch
MCP サーバー + クライアント	ライブラリに依存	組み込み機能 13 個、依存関係なし、100 以上のサーバー
バイナリサイズ	約 500 MB（依存関係込み）	約 8 MB

特長

• MCP ネイティブ — MCP サーバーとクライアント向けの組み込み機能が13個あります。Go 標準ライブラリのみを使用します。任意の stdio MCP サーバーに接続できます。
• AI パイプラインを10倍速く構築 — AI 組み込み機能が41個、MCP 組み込み機能が13個あります。インポートも、SDK も、API ラッパーも不要です。
• AI エージェントを1行でロックダウン — 宣言型のサンドボックスプロファイルを使用すれば、単一のブロックで exec、write_file、http_get を制限できます。
• 数秒でデプロイ — 静的リンクされた約8 MBのバイナリ1つで動作します。venv、pip、Docker は不要です。Linux、macOS、Windows、Raspberry Pi のほか、WebAssembly を使ってブラウザーでも実行できます。
• 1.5秒でLLMを3回呼び出し、4秒はかかりません — >> を使うと、任意のパイプラインステージをバックグラウンドで開始できます。Future は自動的に解決されます。ai_batch は、組み込みのレート制限機能により、数百件のテキストを並行処理します。
• ベンダーロックインなし — OpenAI、Anthropic（Claude）、DeepSeek、Ollama に対応しています。1行で切り替えられ、同じコードがどこでも動作します。
• 並行処理プリミティブ — チャネル（send／recv）、ミューテックス（lock／unlock）、カウンティングセマフォ（acquire／release）を利用できます。
• パイプラインネイティブな構文 — > は順次実行、>> は並列実行です。データは上から下へ流れるため、読みやすく、組み合わせやすく、デバッグも容易です。
• ソーシャルプラットフォームを標準搭載 — Discord の Webhook と Telegram ボットを Pipe モジュールとして利用できます。AI によるコードレビュー、通知、チャットなど、送信にかかる API 費用はゼロです。
• バイトコード VM — バイトコードにコンパイルし、自動キャッシュ機能を備えたスタック VM 上で実行します。ワークロードに応じて、ツリーウォーカーとの比較で0.6～55倍の速度を測定しています（再帰の多いコードでは最大約55倍）。
• モジュールエコシステム — 厳選された23個のモジュールと、バージョン固定（@1.0.0）に対応したレジストリを利用できます。pipe -get でインストールし、名前を指定してインポートできます。
• テスト機能を標準搭載 — assert_eq と assert_error を使った test ブロックを利用できます。pipe -test で実行でき、セットアップは不要です。
• GitHub Action — インストール不要で、CI/CD 内から直接 Pipe を実行できます。
• VSCode 拡張機能 — 構文ハイライト、IntelliSense、LSP による診断と補完に対応しています。
• 自己解凍型バイナリ — パイプラインをスタンドアロン実行ファイルとして配布できます（pipe -build）。

クイックスタート

git clone https://github.com/MachuraHarry/pipe && cd pipe && make build
export DEEPSEEK_API_KEY="sk-..."
./bin/pipe -vm -q -c 'ai_provider "deepseek"; ask "What makes Pipe different?" > print'

ブラウザーで試す

インストールは不要です。Pipe は WebAssembly を介してブラウザー内で完全に動作します。

Pipe Playground を開く

-- Paste this into the playground and hit Run
levels: ["error","warn","info"]
read_file "server.log"
    > classify levels
    > summarize
    > print

GitHub Action

インストール不要で、CI/CD 内から直接 Pipe を実行できます。

- uses: MachuraHarry/pipe/.github/actions/pipe-action@master
  with:
    script: |
      print "Hello from CI/CD!"
      log: exec "git log --oneline -20"
      print (get log "output")

→ GitHub Action のドキュメント

VSCode 拡張機能

Language Server Protocol クライアント（vscode/）と pipe-lsp サーバー（cmd/pipe-lsp）を使用し、.pipe ファイルの構文ハイライトと完全な IntelliSense を提供します。

• 補完、ホバードキュメント、シグネチャヘルプ、定義へ移動、参照、名前変更
• 診断（解析エラー、未定義／未使用の変数）とセマンティックハイライト
• ドキュメントのフォーマット、括弧の自動補完、自動インデント、コード折りたたみ

make vsix     # builds the server and packages vscode/pipe-syntax-1.0.0.vsix

または、vscode/ フォルダーから F5 を押して、開発モードで拡張機能を実行できます。VSCode 拡張機能のドキュメントをご覧ください。

モジュールエコシステム

Pipe には、バージョン固定に対応した再利用可能なモジュール23個をそろえた厳選モジュールライブラリがあります。

インフラストラクチャ	データと CLI	AI とエージェント	開発ツール	ソーシャル
pipe-http	sqlite	rag-pipe	pipe-test	telegram-bot
pipe-cli	jpipe	log-analyzer	pipe-validate	mqtt
pipe-orm	pipe-tpl	sentiment
pipe-web	pipe-date	code-review
		translate-batch
		changelog-gen
		email-classifier
		incident-report
		parallel-runner
		date-formatter
		docs-pipe

pipe -search                 # Browse modules
pipe -search sql             # Filter by keyword
pipe -get sqlite             # Install latest
pipe -get [email protected]       # Install specific version

import "sqlite"                            -- database engine
import "pipe-http"                         -- HTTP client
import "mqtt"                              -- MQTT 5.0 client
import "discord.pipe" as d                 -- Discord webhooks + bot

idx: index_create h "knowledge"
index_add idx "Pipe is an AI-native language."
index_search idx "language" 3 > each print

→ エコシステムのドキュメント | → モジュールへの貢献

実行モード

モード	コマンド	速度
Tree-Walker	./bin/pipe script.pipe	基準
Bytecode VM	./bin/pipe -vm -q script.pipe	0.6x～55x（再帰処理が多い場合は最大約55x）

54 個の AI + MCP 組み込み機能（AI 41 個 + MCP 13 個）

理解

summarize、translate、classify、extract、ask、generate、generate_json

速度と制御

ai_stream、ai_batch、ai_parallel、ai_rate_limit、ai_chat、ai_chat_json

検索と取得

web_search、wiki_search、embed、embed_batch、cosine_sim、dot_product、nearest

エージェントとツール

agent、agent_ask、agent_clear、ai_tool、ai_with_tools、tool_call、swarm_agent、ai_swarm、ai_swarm_trace、ai_swarm_stream、ai_vision

設定とコスト

ai_provider、ai_model、ai_host、ai_set_key、ai_timeout、ai_cache、ai_cost、ai_tokens、ai_cache_hits、ai_cache_misses

MCP — Model Context Protocol

mcp_server、mcp_serve_stdio、mcp_serve_sse、mcp_tools、mcp_resource、mcp_resource_template、mcp_prompt、mcp_resources、mcp_read_resource、mcp_prompts、mcp_prompt_get、mcp_use_stdio、mcp_use_sse

自己修復

try_ai、try_ai_log

高度な機能

自己修復コード（try_ai）

ai_provider "deepseek"

result: try_ai
    "42" * 3           -- E002 Type Error -> AI wraps with to_num -> 126
catch e
    0                   -- only reached if AI fix fails

print result           -- 126

並列パイプライン（>>）

a: "Frage A"
    >> ask
b: "Frage B"
    >> ask
c: "Frage C"
    >> ask

print a ++ b ++ c   -- Future auto-resolution

Match のガード節

fn classify severity
    match severity
        | s if s > 9 -> "critical"
        | s if s > 5 -> "warning"
        | _ -> "info"

並行処理：チャネル

ch: chan 3
go { send ch "hello" }
go { send ch "world" }
print (recv ch) ++ " " ++ (recv ch)

サンドボックスプロファイル

sandbox_profile "safe" {fs: "read-only", network: false, exec: false, ai: true}
sandbox_profile "agent" {fs: "temp-only", network: true, exec: false, ai: true}

set_sandbox "safe"
read_file "/etc/config"     -- reading allowed
write_file "/etc/config"    -- E_SANDBOX blocked

アーキテクチャ

Source (.pipe) -> Lexer -> Parser -> AST -> [ Tree-Walker | Compiler + VM ]
                                              |
                                    Builtins (249 total: 41 AI + 13 MCP + 195 standard)
                                              |
                                MCP Server <-> MCP Clients (stdio + HTTP)

• 67 種類のトークン、43 種類の AST ノード、43 種類のオペコード
• Go で約 37,000 行、752 件のテスト、101 個のサンプルプログラム
• 依存関係ゼロ — Go 標準ライブラリのみ

ドキュメント

→ ドキュメント全文（英語） → ドキュメント全文（ドイツ語）

プロジェクト構成

pipe/
├── cmd/
│   ├── pipe/main.go           # Entry point
│   └── pipe-lsp/              # Language Server Protocol server (IntelliSense)
├── pkg/
│   ├── ai/                    # AI provider integrations
│   ├── analysis/              # IntelliSense library (builtins, diagnostics, completion...)
│   ├── ast/                   # AST node definitions
│   ├── build/                 # Self-extracting binary builder
│   ├── cache/                 # Bytecode cache
│   ├── compiler/              # Compiler to bytecode
│   ├── eval/                  # Tree-walk interpreter
│   ├── formatter/             # Code formatter
│   ├── gen/                   # Code generation helpers
│   ├── lexer/                 # Lexer and tokens
│   ├── mcp/                   # MCP server + client (zero-dependency)
│   ├── object/                # Runtime objects
│   ├── parser/                # Parser
│   ├── stdlib/                # Standard library helpers
│   └── vm/                    # Bytecode VM
├── examples/                  # 87 example programs
├── test/integration/          # Integration tests
├── vscode/                    # VSCode extension (syntax highlighting + LSP client)
├── docs/                      # Documentation (DE + EN)
├── website/                   # Project website
├── modules/                   # Language modules (mqtt, discord, x, etc.)
├── Makefile
├── go.mod
└── LICENSE

コントリビューション

CONTRIBUTING.md を参照してください。

ライセンス

MIT — LICENSE を参照してください。