Semantic Calculator MCP

セマンティック計算機 MCP

ベクトル、テキスト、絵文字に対するセマンティック操作を行う Python ベースの MCP ツールです。Emojikey V3 システムに特化したサポートを備えています。

機能

• ベクトル間のセマンティック類似度を計算
• テキストと絵文字をベクトル埋め込みに変換
• 位相角表現のらせん成分を計算
• Emojikey V3 文字列を解析
• 次元間のセマンティックフィールド距離を計算

必要条件

• Python 3.10+（MCP SDK が必要とします）
• Apple Silicon Mac（M1/M2/M3）または Intel Mac
• Claude Desktop アプリケーション

インストール

1. 依存関係をインストール

# Clone the repository
git clone https://github.com/yourusername/mcp-server-semantic-calc.git
cd mcp-server-semantic-calc

# Install dependencies using uv (recommended)
uv sync

# Or install in development mode
uv pip install -e .

2. Claude Desktop を設定

Claude Desktop の設定（通常は ~/Library/Application Support/Claude/claude_desktop_config.json）に、次の設定を追加します。

{
  "mcpServers": {
    "Semantic Calculator": {
      "command": "arch",
      "args": [
        "-arm64",
        "/Users/rob/.local/bin/uv",
        "--directory",
        "/Users/rob/repos/mcp-server-semantic-calc",
        "run",
        "-m",
        "semantic_calculator",
        "mcp"
      ]
    }
  }
}

重要な注意事項：

• /Users/rob/ を実際のホームディレクトリのパスに置き換えてください
• -arm64 フラグにより、Apple Silicon 上でネイティブ実行されます
• /Users/rob/.local/bin/uv が存在することを確認してください（curl -LsSf https://astral.sh/uv/install.sh | sh でインストールできます）

3. Claude Desktop を再起動

Claude Desktop を再起動して、新しい MCP サーバーを読み込みます。

使い方

Python から直接使用

from semantic_calculator.core import SemanticCalculator

# Initialize the calculator
calc = SemanticCalculator()

# Calculate similarity between two emoji
similarity = calc.semantic_calculator_cosine_similarity(
    calc.semantic_calculator_emoji_to_vector("🧠"),
    calc.semantic_calculator_emoji_to_vector("🎨")
)
print(f"Similarity: {similarity}")

MCP を使用（Claude 内）

Claude Desktop で設定すると、次のように使用できます。

// Convert emoji to vector
const brainVector = semantic_calc_emoji_to_vector({
  emoji: "🧠"
});

const artVector = semantic_calc_emoji_to_vector({
  emoji: "🎨"
});

// Calculate similarity
const similarity = semantic_calc_cosine_similarity({
  vector1: brainVector,
  vector2: artVector
});

console.log(`Similarity: ${similarity}`);

注：他のツールとの名前の競合を避けるため、すべてのツール関数に semantic_calc_ というプレフィックスが付いています。

スクリプトの例

# After installation, run examples
python -m semantic_calculator.examples.vector_operations
python -m semantic_calculator.examples.calculate_emoji_similarity
python -m semantic_calculator.examples.analyze_emojikey

主な関数

• semantic_calc_text_to_vector：テキストをベクトル埋め込みに変換
• semantic_calc_emoji_to_vector：絵文字をベクトル埋め込みに変換
• semantic_calc_cosine_similarity：ベクトル間のコサイン類似度を計算
• semantic_calc_euclidean_distance：ベクトル間のユークリッド距離を計算
• semantic_calc_manhattan_distance：ベクトル間のマンハッタン距離を計算
• semantic_calc_dimension_distance：次元間の類似度を計算
• semantic_calc_calculate_helical_components：大きさと位相かららせん成分を計算
• semantic_calc_parse_emojikey_string：Emojikey 文字列を解析

依存関係

コア依存関係（必須）

次の依存関係は pyproject.toml を介して自動的にインストールされます。

• Python 3.10+ - MCP SDK が必要とします
• mcp>=0.9.0 - Model Context Protocol SDK
• sentence-transformers>=2.2.0 - セマンティックなベクトル埋め込み用
• numpy>=1.20.0 - ベクトル操作用
• scikit-learn>=1.0.0 - 距離計算用
• torch>=1.10.0 - SentenceBERT が必要とします

可視化用の依存関係（任意）

• matplotlib>=3.4.0 - 基本的な可視化用
• plotly>=5.5.0 - インタラクティブな 3D 可視化用
• umap-learn>=0.5.2 - 次元削減用
• seaborn>=0.11.2 - より高度な可視化用

開発用の依存関係

• pytest>=7.0.0 - テスト用（uv sync --dev でインストール）

注： コア依存関係のいずれかがインストールされていない場合、セマンティック計算機は起動を拒否します。すべての依存関係は pyproject.toml で管理され、uv sync により自動的にインストールされます。

ライセンス

MIT