SDOF MCP - Structured Decision Optimization Framework

SDOF MCP - 構造化意思決定最適化フレームワーク

5 フェーズの最適化ワークフローを備えた次世代ナレッジ管理システム

構造化意思決定最適化フレームワーク（SDOF）ナレッジベースは、構造化された 5 フェーズの最適化ワークフローを通じて、AI システムに永続的なメモリとコンテキスト管理を提供する Model Context Protocol（MCP）サーバーです。

🚀 クイックスタート

前提条件

• Node.js 18+
• OpenAI API Key（埋め込み生成用）
• MCP 対応クライアント（Claude Desktop など）

インストール

# Clone the repository
git clone https://github.com/your-username/sdof-mcp.git
cd sdof-mcp

# Install dependencies
npm install
npm run build

# Configure environment
cp .env.example .env
# Edit .env with your OpenAI API key

# Start the server
npm start

📖 ドキュメント

• インストールガイド - 完全なセットアップ手順
• 移行ガイド - ConPort からの移行
• API ドキュメント - MCP ツールリファレンス
• セットアップガイド - 詳細な設定

✨ 機能

🎯 5 フェーズの最適化ワークフロー

• フェーズ 1：探索 - ソリューションの発見とブレインストーミング
• フェーズ 2：分析 - 詳細な評価と最適化
• フェーズ 3：実装 - コードの開発とテスト
• フェーズ 4：評価 - パフォーマンスと品質の評価
• フェーズ 5：統合 - 学びの統合とドキュメント化

🧠 高度なナレッジ管理

• ベクトル埋め込み：OpenAI の埋め込みを使用したセマンティック検索
• 永続ストレージ：ベクトルインデックス機能を備えた MongoDB/SQLite
• プロンプトキャッシュ：LLM の効率性に合わせて最適化
• スキーマ検証：構造化されたコンテンツタイプ
• マルチインターフェース：MCP ツールと HTTP API の両方に対応

🔧 コンテンツタイプ

• text - 一般的なドキュメントとメモ
• code - コードの実装とサンプル
• decision - 意思決定の記録と根拠
• analysis - 分析結果と調査結果
• solution - ソリューションの説明と設計
• evaluation - 評価レポートと指標
• integration - 統合に関するドキュメントとガイド

🛠️ MCP ツール

主要なツール：store_sdof_plan

メタデータを含む構造化されたナレッジを保存します：

{
  plan_content: string;        // Markdown content
  metadata: {
    planTitle: string;         // Descriptive title
    planType: ContentType;     // Content type (text, code, decision, etc.)
    tags?: string[];           // Categorization tags
    phase?: string;            // SDOF phase (1-5)
    cache_hint?: boolean;      // Mark for prompt caching
  }
}

使用例

// Store a decision record
{
  "server_name": "sdof_knowledge_base",
  "tool_name": "store_sdof_plan",
  "arguments": {
    "plan_content": "# Database Selection\n\nChose MongoDB for vector storage due to...",
    "metadata": {
      "planTitle": "Database Architecture Decision",
      "planType": "decision",
      "tags": ["database", "architecture"],
      "phase": "2",
      "cache_hint": true
    }
  }
}

🏗️ アーキテクチャ

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   AI Clients    │───▶│  SDOF Knowledge  │───▶│   Database      │
│ (Claude, etc.)  │    │     Base MCP     │    │  (MongoDB/      │
└─────────────────┘    │    Server        │    │   SQLite)       │
                       └──────────────────┘    └─────────────────┘
                                │
                                ▼
                       ┌──────────────────┐
                       │   HTTP API       │
                       │  (Port 3000)     │
                       └──────────────────┘

🔧 設定

MCP クライアントの設定

MCP クライアントの設定に追加します：

{
  "mcpServers": {
    "sdof_knowledge_base": {
      "type": "stdio",
      "command": "node",
      "args": ["path/to/sdof-mcp/build/index.js"],
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key"
      },
      "alwaysAllow": ["store_sdof_plan"]
    }
  }
}

環境変数

# Required
OPENAI_API_KEY=sk-proj-your-openai-api-key

# Optional
EMBEDDING_MODEL=text-embedding-3-small
HTTP_PORT=3000
MONGODB_URI=mongodb://localhost:27017/sdof

🧪 テスト

# Run tests
npm test

# Run system validation
node build/test-unified-system.js

# Performance benchmarks
npm run test:performance

📊 パフォーマンス

目標指標：

• クエリ応答：平均 <500ms
• 埋め込み生成：リクエストあたり <2s
• ベクトル検索：類似度計算で <100ms
• データベース操作：CRUD 操作で <50ms

🤝 貢献

1. リポジトリをフォークします
2. フィーチャーブランチを作成します：git checkout -b feature/amazing-feature
3. src/ 内の TypeScript ファイルを変更します
4. テストを実行します：npm test
5. ビルドします：npm run build
6. 変更をコミットします：git commit -m 'Add amazing feature'
7. ブランチにプッシュします：git push origin feature/amazing-feature
8. プルリクエストを作成します

📄 ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細は LICENSE ファイルを参照してください。

🆘 サポート

• ドキュメント：docs/ ディレクトリを確認してください
• 問題：GitHub Issues
• インストールに関するヘルプ：SDOF_INSTALLATION_GUIDE.md を参照してください

🎉 成功の指標

次の状態であれば、システムは正常に動作しています：

• ✅ ログに認証エラーがない
• ✅ store_sdof_plan ツールが正常に応答する
• ✅ ナレッジエントリーが保存され、取得できる
• ✅ クエリのパフォーマンスが目標を満たしている（<500ms）
• ✅ テストスイートがすべて成功する

---

AI コミュニティのために ❤️ を込めて開発