context-first-mcp

npx context-first-mcp

7 層にわたる、研究に裏付けられた 37 個のツール — コンテキストの健全性、状態、サンドボックス化、永続メモリ、高度な推論、真実性の検証、オーケストレーション、構造化リサーチ、自律的なファイルエクスポートに対応します。context_loop を 1 回呼び出すだけで、個別のツール 6～7 個を置き換え、統一されたアクション指示を返します。

AI との会話が破綻する理由

長い AI との会話は、予測可能な形で失敗します。Context-First は、次の 4 つすべてに対処します。

利用できる機能

本番環境ですぐに使える 37 個のツールを 7 層に分類。さらに、すべてを実行するオーケストレーターが 1 つあります。

context_loop  ─────────────────────────────────────────────────────────────────
  ├─ Layer 1 · Context Health   (9 tools)   recap, conflict, ambiguity, depth …
  ├─ Layer 2 · Sandbox          (3 tools)   discover_tools, quarantine, merge
  ├─ Layer 3 · Persistent Memory(6 tools)   store, recall, compact, graph …
  ├─ Layer 4 · Advanced Reasoning(5 tools)  InftyThink, Coconut, KAG, MindEvo …
  ├─ Layer 5 · Truthfulness     (7 tools)   NCB, IOE, verify_first, self_critique…
  └─ State + Research Pipeline + Export     (7 tools)

1 回の呼び出し。1 つの指示。1 つのスコア。

{
  "directive": {
    "action": "clarify",
    "contextHealth": 0.62,
    "instruction": "Resolve with the user: (1) Is this a firm requirement? (2) Which framework?",
    "autoExtractedFacts": { "deploy_to": "Vercel" },
    "suggestedNextTools": ["verify_execution", "quarantine_context"]
  }
}

クイックスタート

npx — インストール不要

npx context-first-mcp

Claude Desktop

{
  "mcpServers": {
    "context-first": {
      "command": "npx",
      "args": ["-y", "context-first-mcp"]
    }
  }
}

Cursor / VS Code

{
  "mcp": {
    "servers": {
      "context-first": {
        "command": "npx",
        "args": ["-y", "context-first-mcp"]
      }
    }
  }
}

リモート（Streamable HTTP）

{
  "mcpServers": {
    "context-first": {
      "url": "https://context-first-mcp.vercel.app/api/mcp"
    }
  }
}

Vercel インスタンスを独自にデプロイする

ツールリファレンス

レイヤー 1：コアコンテキストの健全性（9 個のツール）

レイヤー 1b：状態管理（4 ツール）

レイヤー 2：サンドボックスと探索（3 ツール）

レイヤー 3：永続メモリ（6 ツール）

レイヤー 4：高度な推論（5 ツール）

レイヤー 5：真実性と検証（7 ツール）

調査パイプラインとエクスポート（2 ツール）

査読済み研究に基づく実装

すべての中核アルゴリズムは、公開済みの論文に基づいています。

実装の主な特長：

• プロキシエントロピー（ERGO）： アクセスできないトークンレベルの対数確率を、応答レベルの4つのプロキシシグナル（語彙の多様性、矛盾の密度、ヘッジ語の頻度、n-gramの反復）で置き換えます。複合スコアがしきい値を超えると、適応的なコンテキストリセットが実行されます。
• TF-IDFによる検出（MCP-Zero）： TypeScriptのみで実装され、外部依存関係はありません。起動時にすべてのツールの説明をインデックス化し、コサイン類似度を使ってクエリを関連性の高い上位k個のツールのみに振り分けます。
• 推論時の回答保留（RLAAR）： RLトレーニングループを、5次元の信頼度スコアリングで置き換えます。信頼度がしきい値を下回ると、対象を絞った質問をして回答を保留します。幻覚による代替回答はありません。

エクスポートヘルパー（1ツール）

context_loop パイプライン

context_loop (single MCP tool call)
├── Stage 1: INGEST     — Store messages to session history
├── Stage 2: RECAP      — Extract intents, decisions, summaries
├── Stage 3: CONFLICT   — Detect contradictions against ground truth
├── Stage 4: AMBIGUITY  — Check for underspecified requirements
├── Stage 5: ENTROPY    — Monitor output quality degradation (ERGO)
├── Stage 6: ABSTENTION — Multi-dimensional confidence check (RLAAR)
├── Stage 7: DISCOVERY  — Suggest relevant next tools (MCP-Zero)
└── Stage 8: SYNTHESIS   — Combine signals → action recommendation + LLM directive

統合の優先順位： abstain > reset > clarify > proceed

各ステージは独立してエラーを分離して実行されるため、あるステージの失敗が他のステージを妨げることはありません。結果には、可観測性を確保するため、ステージごとの実行時間、ステータス、詳細な結果が含まれます。

LLM ディレクティブ（新機能）

context_loop の応答には、LLMでの利用を想定したトップレベルの directive オブジェクトが含まれます。これは、ネストされたステージ結果を解析する必要性に代わる、簡潔で実行可能な指示です。

{
  "directive": {
    "action": "clarify",
    "instruction": "Before proceeding, resolve these issues with the user:\n1. Could you specify exactly what you mean?\n2. Is this a firm requirement or still open for discussion?",
    "questions": ["Could you specify exactly what you mean?", "Is this a firm requirement?"],
    "contextHealth": 0.62,
    "autoExtractedFacts": { "framework": "React", "deploy_to": "Vercel" },
    "suggestedNextTools": ["verify_execution", "quarantine_context"]
  }
}

context_loop の仕組み

context_loop (single MCP tool call)
├── Stage 1: INGEST     — Store messages to session history
├── Stage 2: RECAP      — Extract intents, decisions, summaries
├── Stage 3: CONFLICT   — Detect contradictions against ground truth
├── Stage 4: AMBIGUITY  — Check for underspecified requirements
├── Stage 5: ENTROPY    — Monitor output quality degradation (ERGO)
├── Stage 6: ABSTENTION — Multi-dimensional confidence check (RLAAR)
├── Stage 7: DISCOVERY  — Suggest relevant next tools (MCP-Zero)
└── Stage 8: SYNTHESIS  — Combine signals → action + directive

統合の優先順位： abstain > reset > clarify > proceed

各ステージは独立してエラーを分離して実行されます。応答の directive フィールドには、LLMが必要とする情報がすべて含まれています。

スマートデフォルト： currentInput は最後のユーザーメッセージから自動推定されます。「Reactを使用する」といった事実は自動的に抽出され、保存されます。

使用プロトコル：Context-First を最大限に活用する

最大の間違い： LLMが context_loop を任意のものとして扱うことです。任意ではありません。これは基盤となる仕組みです。

組み込みの適用機能（v1.2.1以降）

サーバーには、設定不要のコンプライアンス機構が4つ組み込まれています。

1. サーバーの指示 — ServerOptions.instructions を介して、MCPハンドシェイク時に使用プロトコル全体を注入します
2. ブートストラップゲート — 最初の context_loop 以外の呼び出しに、強力なリダイレクトのリマインダーを追加します
3. ツール間のリマインダー — context_loop を呼び出さずに3回連続で呼び出すと、ツールの応答にリマインダーが表示されます
4. MCPプロンプト — context-first-protocol と research-protocol のプロンプトテンプレートを、必要に応じて利用できます

システムプロンプトで補強する（任意）

When using Context-First MCP:
1. Call context_loop BEFORE any complex task
2. Call context_loop every 2–3 tool calls
3. Call context_loop AFTER generating long-form output
4. ALWAYS follow directive.action (proceed/clarify/reset/abstain/deepen/verify)
5. Use memory_store to save findings; memory_recall to retrieve them

リサーチタスクのワークフロー

research_pipeline は、メモリ、フェーズ制御、推論、自律的なファイル書き込みを統合します。これはウェブクローラーではありません。ウェブ検索、GitHub、取得ツール、PDF、その他の MCP から、ソースを自由に用意してください。

Phase 1 · Init     research_pipeline(init) → sets up state, enables autonomous file writing
Phase 2 · Gather   ONE web search → research_pipeline(gather) → file written to disk → repeat
Phase 3 · Analyze  research_pipeline(analyze) → reasoning engines produce clean analysis file
Phase 4 · Verify   research_pipeline(verify) → context health gate (non-blocking)
Phase 5 · Finalize research_pipeline(finalize) → synthesis.md + all batch files on disk

Automation shortcut:
  export_research_files(outputDir, exportVerifiedReport=true)  → write all report chunks
  export_research_files(outputDir, exportRawEvidence=true)     → write all evidence batches

自律的なファイル書き込みは常に有効です。 ファイルはデフォルトで ./context-first-research-output/ に書き込まれ、LLM の協力は必要ありません。変更するには outputDir を渡してください。

アーキテクチャ

┌──────────────────────────────────────────────────────────────┐
│               @xjtlumedia/context-first-mcp-server            │
│                     (Core — shared logic)                     │
│                                                               │
│  Layer 1: Context Health    (9 tools)                         │
│  Layer 2: Sandbox           (3 tools)                         │
│  Layer 3: Persistent Memory (6 tools)                         │
│  Layer 4: Advanced Reasoning(5 tools)                         │
│  Layer 5: Truthfulness      (7 tools)                         │
│  State (4) · Orchestrator · Pipeline · Export                 │
└──────────────┬───────────────────────┬──────────────────────┘
               │                       │
        ┌──────▼──────┐         ┌──────▼────────┐
        │ stdio-server │         │ remote-server │
        │ (npx local)  │         │   (Vercel)    │
        │   stdio      │         │ Streamable    │
        │  37 tools    │         │    HTTP       │
        └──────────────┘         │   37 tools    │
                                 └───────────────┘

• コアライブラリ（@xjtlumedia/context-first-mcp-server）：すべてのツール実装です。外部 API キーは不要で、デフォルトではヒューリスティックに基づいて動作します。
• stdio-server（context-first-mcp）：npx のエントリーポイント、stdio トランスポート、37 個のツールです。
• remote-server：Vercel のサーバーレス、Streamable HTTP トランスポート、37 個のツールです。

フロントエンドデモ

context-first-mcp.vercel.app で、ブラウザーから 37 個すべてのツールをお試しください。

開発

git clone https://github.com/XJTLUmedia/Context-First-MCP.git
cd Context-First-MCP
pnpm install

# Build everything
pnpm build

# Run stdio server
cd packages/stdio-server && pnpm start

# Run frontend
cd packages/frontend && pnpm dev

# Tests
pnpm test

貢献

CONTRIBUTING.md をご覧ください。

ライセンス

MIT