OpenClaw Consensus について
OpenClaw Consensus MCPは、重要な回答、要約、ルーティング判断を確認するメンテナー向けに、複数モデルによる回答レビューをMCPクライアントに提供します。合意結果と意見の相違を示し、信頼度の目標に応じてモデル数を段階的に増やせます。
主な機能
- 01複数のLLMによる合意回答を生成
- 02fast、balanced、deepモードを選択
- 03モデル回答間の相違をスコア化
- 04信頼度目標に合わせモデル数を段階的に拡大
- 05信頼度とモデル応答のメタデータを返す
活用シーン
- 01リスクのある回答について別の意見を得る
- 02レビュー時に回答間の相違を検出する
- 03信頼度目標に沿ってモデル経路を選ぶ
- 04要約を採用する前に確認する
MCP 対応
OpenClaw Consensus APIを、合意回答、相違スコア、最安ルート選択の3つのMCPツールとして提供します。
設定
ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。
ツール
ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。
詳細
OpenClaw Consensus MCP
MCP クライアント内で複数モデルのコンセンサスを実現します。回答を比較して意見の相違を明らかにし、必要な場合にのみエスカレーションします。
OpenClaw Consensus MCP は、OpenClaw Consensus API を 3 つの Model Context Protocol ツールとして提供します。リスクのある回答、レビューの要約、ルーティングの判断を採用する前に、保守担当者が別の意見を求めるワークフローを想定して設計されています。
概要
OpenClaw は同じプロンプトを複数のモデルに送信し、次の内容を返します。
- 信頼度とモデルの応答メタデータを含むコンセンサス回答
- 詳細なコンセンサス応答から導き出された意見の相違に関するヒューリスティック
- エスカレーション前に小規模なモデルセットを試す最も低コストのルートの推奨
この MCP サーバーは、これら 3 つの機能をツールとして公開し、Claude Desktop/Claude Code から会話中に呼び出せるようにします。
コンセンサスを使う理由
単一のモデルは、自信に満ちていても誤った回答を出すことがあります。複数の応答を比較しても正しさが証明されるわけではありませんが、意見の相違は、保守担当者が出力をより慎重に確認すべきことを示す有用なシグナルです。
インストール
pip install openclaw-consensus-mcp
# or
uv pip install openclaw-consensus-mcp
OpenClaw Consensus API の RapidAPI キーも必要です。 https://rapidapi.com/yanmiayn/api/openclaw-consensus
環境変数に設定します。
export RAPIDAPI_KEY="your-rapidapi-key"
Claude Desktop の設定
~/.claude/claude_desktop_config.json(macOS/Linux)または
%APPDATA%\Claude\claude_desktop_config.json(Windows)に追加します。
{
"mcpServers": {
"openclaw-consensus": {
"command": "openclaw-consensus",
"env": {
"RAPIDAPI_KEY": "your-rapidapi-key"
}
}
}
}
Claude Code の場合:
claude mcp add openclaw-consensus -- openclaw-consensus
ツール
consensus(prompt, mode="balanced")
9 個の LLM によるコンセンサス回答を取得します。
- prompt (string) — 質問です。
- mode (string, default
balanced) —deep(9 モデル)、balanced(5 モデル)、またはfast(3 モデル)です。
戻り値
{
"consensus": "string",
"confidence": 0.0,
"models_responded": 5,
"votes": []
}
consensus ツールは、上流 API の応答をそのまま返します。エンドポイントの進化に伴い、フィールドが追加される場合があります。
disagreement_score(prompt)
プロンプトに対する詳細なコンセンサス応答の意見の相違の度合いを取得します。
戻り値
{
"disagreement": 0.0,
"confidence": 1.0,
"models_responded": 9,
"votes": []
}
cheapest_route(prompt, target_quality=0.85)
信頼度のしきい値に達するまで、fast、balanced、deep の順にモードを試します。
戻り値
{
"selected_mode": "balanced",
"models_used": 5,
"confidence": 0.9,
"answer": "string"
}
ローカル開発
git clone https://github.com/MICONNM/openclaw-consensus-mcp
cd openclaw-consensus-mcp
uv venv && source .venv/bin/activate
uv pip install -e ".[dev]"
pytest
公式の MCP Inspector でサーバーをスモークテストします。
npx @modelcontextprotocol/inspector openclaw-consensus
公開
uv build
uv publish # to PyPI
mcp-publisher publish # to the official MCP Registry
開発ワークフローについては CONTRIBUTING.md を、トリアージ、レビュー、セキュリティ、リリースの担当業務については docs/maintainer-workflow.md を参照してください。
制限事項
- コンセンサスはレビューを補助するものであり、正しさを保証するものではありません。
- ネットワークを利用するツールには、OpenClaw エンドポイントの設定が必要で、プロバイダーの利用料金が発生する場合があります。
- エンドポイントのポリシーで明示的に許可されていない限り、秘密情報、非公開のソースコード、個人データを送信しないでください。
セキュリティ
脆弱性は、SECURITY.md に記載された手順に従って非公開で報告してください。
ライセンス
MIT — LICENSE を参照してください。
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。