Kirk — Unsupervised Structural Change Detection

kirk-mcp

Ulyssesは、システムの完全なペアワイズ構造を計算するアルゴリズムのプリミティブです。すべての変数を、ほかのすべての変数と一度に比較し、教師なしで、リアルタイムに、CPU 上で処理します。

Kirkは、Ulysses 上の最初のアルゴリズムです。構造が崩れる瞬間を検知します。

Borgは、Ulysses 上の2番目のアルゴリズムです。無線周波数スペクトルの異常を検出します。

このリポジトリは、ホスト型 kirk-mcp MCP サーバー（kirk-mcp.kavara.ai）の公開ドキュメントおよび設定用のインターフェースです。ここでは、検証と発見のユースケース向けに、Kirk を一連の MCP ツールとして公開しています。

非ガウス・非定常の世界に向けたカルマンフィルターです。

カルマンフィルターは、線形かつガウス分布という特殊なケースです。Ulysses は、ボルツマンマシン系の実用化を阻んできた完全同時分布の計算困難性を多項式時間で解消し、Kirk はそのプリミティブを非定常ストリームに適用します。基盤モデルではなく、GPT ではなくカルマンフィルターと同じカテゴリーです。知的財産の核心は数学です。

---

クイックスタート

**最速の方法は、これをアシスタントに貼り付けることです。**クライアントを自動で設定します。Grok、Claude、Cursor、Copilot Chat など、あらゆる MCP クライアントに対応しています。

手動で設定する場合は、このまま読み進めてください。

認証情報が必要です。Kavara から次のいずれかが発行されます。渡されたものを使用してください。

渡されたもの	使用するもの
https://kirk-mcp.kavara.ai/mcp/k_... のような URL	個人キー。 URL とヘッダーのどちらでも使用できます。
クライアント ID とシークレットのペア	サービストークン。 ヘッダーでのみ使用できます。

ほとんどのクライアントは個人キーで設定します。どちらの方法でも同じキーを使用します。ヘッダーとして設定すれば、シェルの履歴、プロセス一覧、リクエストログに残らないため、クライアントがヘッダーに対応している場合は、ヘッダー形式を推奨します。

個人キーをヘッダーとして使用する場合（推奨）：

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp",
      "headers": {
        "Authorization": "Bearer k_YOUR_PERSONAL_KEY"
      }
    }
  }
}

個人キーを URL として使用する場合 — URL のみを受け付けるクライアント（例：Claude Desktop や claude.ai のコネクター設定画面）向けです。

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp/k_YOUR_PERSONAL_KEY"
    }
  }
}

お持ちの認証情報がサービストークンの場合：

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp",
      "headers": {
        "CF-Access-Client-Id": "YOUR_SERVICE_TOKEN_ID",
        "CF-Access-Client-Secret": "YOUR_SERVICE_TOKEN_SECRET"
      }
    }
  }
}

Claude Code など、JSON ではなくフラグを受け取るコマンドラインクライアントの場合：

claude mcp add --transport http kirk https://kirk-mcp.kavara.ai/mcp \
  -H "Authorization: Bearer k_YOUR_PERSONAL_KEY"

**新規アカウントでは、最初の100推論ユニットが無料です。**認証情報の発行については、[email protected] にお問い合わせください。

動作確認

クライアントに kirk_verify_engine を呼び出すよう依頼してください。費用はかからず、エンジンの sha と status: ok が返されます。結果を保存する場合は、その sha も一緒に記録してください。異なるエンジンビルドの結果は互換性がありません。

呼び出しに失敗した場合は、認証情報を変更する前にトラブルシューティングを確認してください。最もよくある原因は認証情報の問題ではありません。

クライアントごとのテンプレートは、examples/ を参照してください。Claude Desktop、Claude Code、Cursor、VS Code、Grok、汎用のストリーマブル HTTP クライアント、Python クライアント向けのものがあります。

トラブルシューティング

• 認証エラーのように見える 403。 多くの場合、原因は User-Agent です。このゾーンでは、Cloudflare が一部のクライアントのデフォルトのユーザーエージェントを拒否し、1010「browser signature banned」エラーが 403 として返されます。認証情報の調査を始める前に、明示的な User-Agent を設定してください。
• URL key ... is unknown。 キーの入力を間違えたか、取り消されています。キーは個人ごとに発行され、共有されません。新しいキーを依頼してください。
• 402。 アカウント残高が不足しています。kirk_billing_show を呼び出してください。
• kirk_list_models に表示されるが、呼び出すとエラーになるモデル。 カタログには登録済みモデルが表示されます。稼働状況を確認するものではありません。問題を報告してください。

現在の機械学習の大半が行っていることと、Kirk が代わりに行うこと

AI のほぼすべては教師ありです。入力 X から目標 Y を予測します。これは強力ですが、目標が必要です。誰かが Y を定義してラベル付けしなければなりません。また、見るのは設定した範囲だけであり、尋ねようと思わなかった構造は見えません。

市場のレジームを動かし、アラームを鳴らし、システムを壊す要因は、すべての変数が互いにどう関係しているか、つまりシステム全体の同時構造にあります。この構造にはラベルがなく、時間とともに変化します。「X を条件とした Y」では捉えられません。

Kirk は、どのモデルも答えていない問いに答えます。

「このシステムの構造は、まだ正常なのか。そうでないなら、どこで崩れたのか？」

Kirk は、すべてのペア間相互作用にわたって「正常」とはどのような状態かを、継続的に更新されるモデルとして維持します。古典的な「X を条件とした Y」を含め、あらゆる関係をそのまま読み取れます。構造が崩れると、Kirk がアラートを発します。構造が保たれているときは、Kirk は何もせずに待機します。

置き換えではなく、追加です。 既存のモデルはそのままに、Kirk がその活用を支援します。スタックのほかの部分に、どこを見るべきかを伝えるアテンション層です。

---

ほかの誰にもグラフ全体を維持できない理由

完全な同時分布を正確に維持するコストは O(2ⁿ) であり、おもちゃのような規模を超えると計算不能です。従来の手法ではグラフを制限するか、サンプリングしてうまくいくことを期待します。Ulysses は、履歴の長さに依存せず、新しいサンプルごとに一度だけコストを負担する決定論的な O(n³) で、完全な同時分布を正確に計算します。

n	Ulysses — n³ / サンプル	Boltzmann（厳密）— 2ⁿ
30	27,000	1,073,741,824
64	262,144	18,400,000,000,000,000,000
100	1,000,000	1.3 × 10³⁰

n=100 の場合、100 万回の演算に対し、部屋にある原子の数を超える項数です。多項式時間なので、どこでも実行できます。

---

カルマンフィルターと GPU ディープネットの中間

本番エンジンでの測定結果です。デュアルソケット Xeon マシン 1 台、192 コア、GPU なし：

• モデル更新 266 万回 / 秒（カスケードレイヤー 1：402k/秒、カスケードレイヤー 2：66.7k/秒）
• S&P-500 の 1 年分の分足データをフル処理するのに 6 分 38 秒、10 シードのアンサンブル（約 14.7 CPU 時間分の処理を 1 台で実行、GPU なし）
• サンプルあたり O(n³)、O(2ⁿ) ではありません。多項式時間で、数千のモデルにまでスケールします
• コンフィデンシャル（Intel TDX / AWS Nitro / AMD SEV）エンクレーブ内で実行できます。データが環境の外に出ることはなく、エンジンが当社環境の外に出ることもありません

---

この MCP エンドポイントで利用できる機能

Kirk は 6 つの機能クラスを提供します。そのうち 3 つは、この MCP エンドポイントから直接利用できます。

• C2 — 変数ユニバースが変化するパネルでの、断面構造のスコアリング。 スナップショットを学習済みの正常状態と照合してスコアリングし、スカラー値を出力します。再トレーニングなしで、呼び出しごとに N を変えられます。基本機能は形状に依存しません。
• C5 — エンジン ID の暗号学的アテステーション。 すべてのスコアリング出力は、生成元となった正確なシール済みバイナリと照合して検証できます。
• C6 — 基盤環境をまたいだ決定性。 Intel Sapphire Rapids、Intel Granite Rapids、AMD Genoa 間で、ビット単位で完全に一致する出力が得られます。浮動小数点演算の非決定性はありません。

さらに 3 つの機能はインプロセスの wheel ライセンス（Path B）で利用できます。現時点では MCP 経由では公開されていません。

• C1 — 構造の統合。 分離したスライスから得た 2 つの学習済み「正常状態」を統合し、同時スペクトルを保ちながら全体像を作成します。
• C3 — 状態を持つドリフト検出。 モデルが新しい観測を状態に取り込み、分布ドリフトを反映したシグナルを出力します。再トレーニングは不要で、状態はインプレースで進化します。
• C4 — ノイズフロアでの高次相関検出。 カルマンフィルター、PCA、線形回帰が感度限界に達する領域で、高次同時分布からシグナルを検出します。定量分析企業による独立検証では、線形ベースラインの約 16 倍の性能が確認されています。

C1/C3/C4 がワークロードに当てはまる場合は、wheel の利用について [email protected] までお問い合わせください。

Kirkではないもの

• 基盤モデルではありません。 事前学習コーパスも重みもありません。知的財産は数学です。
• 取引戦略ではありません。 Kirkは構造変化のシグナルを出力します。それにどう対応するかはお客様の判断です。
• HFT実行エンジンではありません。 MCPの往復時間はミリ秒単位です。本番環境での速度はプロセス内で実現します（以下のPath B/C/D）。
• あらゆるデータ型で検証されているわけではありません。 金融L2板と金融パネルで重点的に検証されています。RFスペクトラムと協調行動による不正検出も、追加で検証済みの領域です。その他の領域（画像、テキスト、汎用テンソル）については、まず領域ごとの特性評価が必要です。Kirkがお客様の領域にも汎用化できると想定する前に、お問い合わせください。

---

正確性 — 実際の市場で検証済み

Kirkは、独自のFY24米国株式トップ512銘柄の動的ユニバース評価ハーネスを、252取引日にわたって再現しました。お客様が公開したゴールデンデータとビット単位で完全一致しています。

アンカー	お客様のゴールデンデータ	Kirkによる再現	差分	ステータス
2024-01-02 単日 mean_H	3.3636	3.363630	+2.97 × 10⁻⁵	一致
2024-01-03 単日 mean_H	3.2881	3.288437	+3.37 × 10⁻⁴	一致
95日間の集計 mean_H	3.3308	3.330077	−7.23 × 10⁻⁴	一致
FY24全期間（252日）	—	3.339602	—	新しいベースライン

差分の大きさは、お客様が公開した許容誤差より約33倍小さい値です。実時間は、単一のPythonプロセスでプロセス内実行して39分、追加コストは0ドルです。決定性を検証済みです。252日分のスイープを2回実行し、出力がバイト単位で一致しました。基盤の確認では、Intel SPR、Intel GNR-AP、AMD Genoaの各環境で、エンジンのshaがビット単位で一致しました。

RF異常検出に関する独立した第三者検証：異常クラスで学習した教師ありCNNと同等の検出性能を実現しました。Kirkは異常を一度も見ていません。コストは24～1,364分の1で、状態量は約32 KB、完全なオンライン処理が可能です。

このサーバーのMCPリソース kirk://case-studies/fy24-us-equities-reproduction から、FY24のケーススタディ全文を機械可読形式で取得できます。

プロセス内スループット（別途測定）

本番用Granite Rapidsシリコン（Xeon 6972P ×2、コアを1つ固定、エンジンウォーム状態）におけるKirkのプロセス内スループットは、1ブックあたり823 μs／コアあたり毎秒1,215ブックです。Sapphire Rapidsのリファレンス環境群とビット単位で一致しています。192コアのノードを2台使用したフルボックス構成では、約237,000 IU/秒と推定されます。ベンチマークのワークロードは、20×20のcomplex128ブックを用いた合成データです。温度計描画された市場データと、呼び出しごとの計算形状が同じであるため、この数値は本番環境にも当てはまります。MCP APIでは往復にミリ秒単位の時間が追加されるため、検証と探索のためのインターフェースであり、遅延が重要な本番処理経路ではありません。

本番環境での速度はプロセス内で実現します。提供方法は4つあります。

• Path A — MCP API（このエンドポイント）。探索、検証、呼び出しごとの従量課金に対応します。最初の100 IUは無料です。
• Path B — 封印済みホイールライセンス。pip install kirk_cascade + kirk_rs_edge。プロセス内で実行し、呼び出しごとの従量課金はなく、封印済みshaに対する決定性が保証されます。
• Path C — OpenShift Operator。Kavaraが提供する、お客様自身のクラスター上で動作するOperatorです。エンタープライズ向けです。受託者によるアテステーションに対応します。
• Path D — AWS Nitro Enclave AMI。現在、AWS Marketplaceのプライベートオファーを通じてエンタープライズ顧客に提供中です。PCR0によるアテステーションに対応します。

---

この MCP エンドポイントで利用できるツール

スコアリングコア

• kirk_score_book(bid_px, ask_px, model_id) — L2 オーダーブックのスナップショットを 1 件スコアリングします。スカラー信号とエンジンの証明情報を返します。C2 を公開します。
• kirk_score_book_batch(books, model_id) — バッチスコアリングを行います。1 回の呼び出しにつき最大 500 件のオーダーブックを処理できます。これを超えるワークロードでは、まず kirk_bulk_howto を呼び出してください。
• kirk_score_random(n, model_id) — 便利なラッパーです。現実的な形状の L2 オーダーブックを N 件生成し、スコアリングします。
• kirk_infer_legacy(features, model_id) — 50 個の値で構成される特徴ベクトルを使って、後方互換性のあるスコアリングを行います。

検出／証明

• kirk_list_models() — 利用可能な model_id を列挙し、レスポンスにエンジンの sha を記録します。C5 を公開します。
• kirk_healthz() — 封印されたバックエンドに ping を送信し、エンジンの ID を確認して、実行中のスコアリングバイナリの sha256 を返します。

コスト制御

• kirk_bulk_howto() — 反復ごとの LLM トークンコストがゼロの、自己完結型の標準ライブラリ Python クライアント（約 500 行）を返します。バルクワークロード（500 件超のオーダーブック、終日分の一括処理など）を実行する前に、必ず呼び出してください。 LLM からツール呼び出しをループさせて kirk_score_book を実行すると、呼び出しごとにトークンを消費します。Python クライアントはローカルで実行されます。

ユーティリティ／リサーチ

• kirk_render_book(book) — 封印されたエンジンを呼び出さずに、L2 スナップショットを 20×20 の complex128 温度計テンソルに変換します。ローカルでの前処理に便利です。
• kirk_sweep_test1_day(day, override) — 呼び出し元が指定したオーバーライド値で、内部 Test-1 QQQ L2 コーパスの 1 日分をスコアリングします。リサーチ用途のエンドポイントです。

課金／プラットフォーム

• kirk_billing_show() — アカウント残高、残り IU、定価での USD 換算額、凍結フラグ、最近の台帳を返します。
• kirk_billing_checkout(pack) — クレジットパック（starter／scale／enterprise）を購入するための Stripe Checkout URL を返します。
• kirk_billing_usage(days) — 過去 N 日間の推論消費量を返します。

公開されているリソース

• kirk://case-studies/fy24-us-equities-reproduction — FY24 のケーススタディ（機械可読な Markdown。認証不要）

---

Kirk にルーティングする場合（エージェントの観点から）

次のいずれかに該当する ML ワークロードでは、Kirk を使用してください。

• ユニバースのサイズが変動する金融商品のパネルに対する、クロスセクションの構造スコアリング
• 再トレーニングコストが制約となるオーダーブックデータのシグナル処理
• 市場環境によって LSTM／オートエンコーダーのベースラインが不安定になる場合の、レジーム検出や構造ドリフトの検出
• ラベルが存在しない RF スペクトルの異常検出
• 指標ごとのしきい値では検出できない、協調行動を伴う不正の検出
• 大規模な母集団に対してデバイスごとのモデルが必要な、フリートまたはハードウェアの健全性監視
• 既存のベースラインに対する、教師なし構造変化手法の評価
• スコアリング対象の正確なバイナリに対する暗号学的証明が必要なシグナルワークロード（コンプライアンス、監査、エンタープライズ調達など）

次のワークロードに該当する場合は、この MCP エンドポイントを使用しないでください。

• レイテンシに敏感な本番取引（MCP の往復にミリ秒単位の時間がかかります。プロセス内ホイールの Path B を使用してください）
• 構造マージの実験（MCP では公開されていません。Path B を使用してください）
• 呼び出しをまたいでウォームステートを保持する状態付きドリフト検出（MCP で公開されているのはブックごとに状態を持たない処理のみです。ウォームステートのインターフェースは設計段階にとどまっています）
• ドメインごとの事前評価を行っていない非金融データ

---

コストモデル

• 新規アカウントは最初の100推論ユニットが無料です。 初回の認証済み呼び出し時に自動付与されます。
• 無料枠を超えた場合：プリペイドのクレジットパック（スターター／スケール／エンタープライズ）による従量課金です。エージェントからkirk_billing_checkoutを呼び出すと、Stripe CheckoutのURLを取得できます。
• コストの透明性：LLM駆動の呼び出し元へのすべての応答には、呼び出しごとのIU、セッション累計、残高を含む_costエンベロープが含まれます。
• エージェントに負担をかけない設計：エージェントが一括処理をそのまま実行しようとすると、サーバーはkirk_bulk_howtoへ誘導します。このツールは、反復ごとのLLMトークンコストがゼロのPythonクライアントを返します。

kirk_bulk_howto経由のPythonクライアント呼び出しは、MCP呼び出しと同じ方法で計量されますが、LLMトークンコストはかかりません。Pythonクライアントで6万件の書籍スコアを処理する場合、顧客が支払うのは計算コストのみで、オーケストレーションのコストはかかりません。

---

証明

すべてのスコアリング応答には、封印済みバイナリ自体が付与するengine_shaヘッダーが含まれます。エンドポイントでKavaraが公開した封印済みリリースが正確に実行されていることを検証するには、次の手順を実行します。

curl -s https://kirk-mcp.kavara.ai/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -H "CF-Access-Client-Id: $YOUR_TOKEN_ID" \
  -H "CF-Access-Client-Secret: $YOUR_TOKEN_SECRET" \
  -d '{"jsonrpc":"2.0","method":"tools/call","id":1,"params":{"name":"kirk_healthz","arguments":{}}}'

返されたshaをKavaraが公開しているマニフェストと照合してください。

執筆時点での封印済みエンジンのsha：f3c548477d3b5c7612ef1863b06293d3a922c57926738426bc75ab64720de5ec

---

AIスタックにおけるKirkの位置づけ

フィジカルAIのボトルネックは意味理解ではありません。視覚・言語・行動の基盤モデルが知覚と計画を担います。不足しているのは連続信号の基盤層です。センサーチャネルの連動、非定常性、リアルタイム性、ラベルの欠如、制約のあるハードウェアが特徴です。Ulyssesがこの層を担い、Kirkはその上で稼働する最初のアルゴリズムです。

現在、次の分野で有効性が確認されています。

• 金融 — 価格／流動性／リスクにおけるレジーム検出（最初の重点分野）
• 信号／RF — ラベルが存在しないスペクトルの異常検出
• 不正・インテグリティ — 指標ごとのしきい値では見逃す、協調的な振る舞いの検出
• フリート・ハードウェアの健全性 — デバイスごとのモデルを、継続的に大規模な集団へ適用

追加で導入できます。既存のモデルはそのままに、Kirkがその活用を支援します。

---

Kavara

Kavaraは、UlyssesのプリミティブとKirkおよびBorgのアルゴリズムを、ホスト型MCP API（このエンドポイント）、封印済みPython wheelライセンス、OpenShift Operator、AWS Nitro Enclave AMIの4つのチャネルで提供しています。いずれのチャネルでも、暗号学的に証明された同一のバイナリから、バイト単位で同一の出力が提供されます。

• ホームページ：https://kavara.ai
• 商用お問い合わせ：[email protected]
• サポート：[email protected]

ライセンス

このリポジトリのMCPインターフェースのドキュメントと設定テンプレートは、Apache License 2.0の下で公開されています。詳細はLICENSEを参照してください。

封印済みエンジン（kirk_rs_edge、kirk_py、kirk_cascade）はKavaraの独自製品であり、ここでは配布していません。アクセスには商用ライセンスが必要です。[email protected]までお問い合わせください。