sc-mcp

MCP オーケストレーションスキル

PAL MCP と Rube MCP の機能を一元的にオーケストレーションするハブです。複数モデルによる推論、外部サービスとの連携、またはその両方を必要とする複雑なワークフローでこのスキルを使用します。

クイックスタート

# PAL-powered analysis
/sc:mcp analyze --pal consensus --question "Should we use microservices?"

# Rube-powered automation
/sc:mcp automate --rube --apps slack,github --workflow "notify on PR"

# Combined orchestration
/sc:mcp orchestrate --pal thinkdeep --rube --full-validation

PAL MCP との連携

利用可能なツール

ツール	呼び出し	目的
chat	mcp__pal__chat	協調的な思考、ブレインストーミング
thinkdeep	mcp__pal__thinkdeep	多段階の調査、複雑な分析
planner	mcp__pal__planner	分岐を伴う逐次的な計画立案
consensus	mcp__pal__consensus	意思決定に関する複数モデルの投票
codereview	mcp__pal__codereview	体系的なコード品質分析
precommit	mcp__pal__precommit	Git の変更内容の検証
debug	mcp__pal__debug	根本原因分析
challenge	mcp__pal__challenge	批判的思考を促す
apilookup	mcp__pal__apilookup	最新の API／SDK ドキュメント
listmodels	mcp__pal__listmodels	利用可能な AI モデル
clink	mcp__pal__clink	外部 CLI との連携

PAL ワークフロー

コンセンサスによる意思決定

Use consensus for:
- Architectural decisions (2-3 models)
- Security validations (security-focused models)
- Technology choices (diverse perspectives)
- Complex trade-off analysis

推奨されるモデルの組み合わせ：

• アーキテクチャ：gpt-5.2（賛成）、gemini-3-pro（反対）、deepseek（中立）
• セキュリティ：gpt-5.2（セキュリティに注目）、gemini-3-pro（攻撃対象領域）
• パフォーマンス：gpt-5.2（最適化）、deepseek（効率性）

デバッグ調査

Use debug for:
- Complex bugs with unclear causes
- Performance issues
- Race conditions
- Memory leaks
- Integration problems

デバッグの信頼度レベル：exploring -> low -> medium -> high -> very_high -> almost_certain -> certain

コードレビュー

Use codereview for:
- Pre-merge validation
- Security audits
- Performance reviews
- Architecture compliance

レビューの種類：full、security、performance、quick

Rube MCP との連携

利用可能なツール

ツール	呼び出し	目的
SEARCH_TOOLS	mcp__rube__RUBE_SEARCH_TOOLS	利用可能な連携機能の検索
GET_RECIPE_DETAILS	mcp__rube__RUBE_GET_RECIPE_DETAILS	保存済みレシピの詳細を取得
MULTI_EXECUTE	mcp__rube__RUBE_MULTI_EXECUTE_TOOL	ツールの並列実行
REMOTE_BASH	mcp__rube__RUBE_REMOTE_BASH_TOOL	リモートシェルコマンド
REMOTE_WORKBENCH	mcp__rube__RUBE_REMOTE_WORKBENCH	Python サンドボックスの実行
CREATE_RECIPE	mcp__rube__RUBE_CREATE_UPDATE_RECIPE	再利用可能なワークフローの保存
EXECUTE_RECIPE	mcp__rube__RUBE_EXECUTE_RECIPE	保存済みレシピの実行
FIND_RECIPE	mcp__rube__RUBE_FIND_RECIPE	既存レシピの検索
MANAGE_CONNECTIONS	mcp__rube__RUBE_MANAGE_CONNECTIONS	アプリの認証
GET_SCHEMAS	mcp__rube__RUBE_GET_TOOL_SCHEMAS	ツールの入力スキーマ
MANAGE_SCHEDULE	mcp__rube__RUBE_MANAGE_RECIPE_SCHEDULE	レシピのスケジュール設定

Rube ワークフロー

外部連携のフロー

1. SEARCH_TOOLS - Find relevant tools for use case
2. GET_SCHEMAS - Get input requirements (if schemaRef returned)
3. MANAGE_CONNECTIONS - Verify/create auth
4. MULTI_EXECUTE - Execute tools
5. CREATE_RECIPE - Save for reuse (optional)

一括処理のフロー

1. SEARCH_TOOLS - Find data source/destination tools
2. REMOTE_WORKBENCH - Process with Python helpers:
   - run_composio_tool() - Execute Composio tools
   - invoke_llm() - AI processing
   - upload_local_file() - Export results
   - proxy_execute() - Direct API calls

対応アプリ（500 以上）

コミュニケーション：Slack、Discord、Teams、Gmail、Outlook、WhatsApp、Telegram 開発：GitHub、GitLab、Jira、Linear、Asana、Vercel 生産性：Google Workspace、Notion、Airtable、Trello データ：Snowflake、BigQuery、Datadog、Amplitude AI：OpenAI、Anthropic、Replicate

複合オーケストレーションパターン

パターン 1：調査 + 意思決定 + 実行

1. PAL thinkdeep - Investigate problem deeply
2. PAL consensus - Get multi-model decision
3. Rube SEARCH_TOOLS - Find execution tools
4. Rube MULTI_EXECUTE - Implement decision

パターン 2：レビュー + 検証 + 通知

1. PAL codereview - Review code changes
2. PAL precommit - Validate git changes
3. Rube MULTI_EXECUTE - Send notifications (Slack, email)
4. Rube CREATE_RECIPE - Save for CI/CD

パターン 3：デバッグ + 修正 + 確認

1. PAL debug - Root cause analysis
2. Implement fix locally
3. PAL codereview - Validate fix
4. Rube MULTI_EXECUTE - Update tickets, notify team

パターン 4：計画 + コンセンサス + 自動化

1. PAL planner - Create implementation plan
2. PAL consensus - Validate approach with multiple models
3. Rube MULTI_EXECUTE - Execute across apps
4. Rube MULTI_EXECUTE - Execute across apps
5. Rube CREATE_RECIPE - Save as reusable workflow

フラグ

フラグ	型	デフォルト	説明
--pal	string	-	PAL ツール：chat、thinkdeep、planner、consensus、codereview、precommit、debug
--rube	bool	false	Rube MCP 連携を有効にする
--apps	string	-	Rube 用のアプリ（カンマ区切り）
--models	string	auto	コンセンサスに使用するモデル（カンマ区切り）
--full-validation	bool	false	PAL のすべてのバリデーターを実行する
--save-recipe	bool	false	ワークフローを Rube レシピとして保存する
--schedule	string	-	レシピのスケジュール設定に使用する Cron 式

動作フロー

1. 分析 - 必要な MCP の機能を把握します
2. 検出 - 外部連携が必要な場合は RUBE_SEARCH_TOOLS を使用し、PAL では listmodels を使用します
3. 計画 - 実行計画を作成します（PAL planner または RUBE_CREATE_PLAN）
4. 検証 - 重要な判断には consensus を使用します
5. 実行 - PAL の分析および／または Rube のツールを実行します
6. 保存 - レシピを保存し、継続性のためにメモリを保存します
7. 報告 - ツールの出典を明示して調査結果を提示します

メモリと状態の管理

PAL の継続

PAL のツール呼び出し間でコンテキストを維持するには、continuation_id を使用します。

# First call returns continuation_id
result = mcp__pal__thinkdeep(...)
continuation_id = result["continuation_id"]

# Subsequent calls reuse it
result = mcp__pal__thinkdeep(..., continuation_id=continuation_id)

Rube のセッションとメモリ

Rube の継続性を保つには、session_id と memory を使用します。

# First search generates session_id
result = mcp__rube__RUBE_SEARCH_TOOLS(..., session={"generate_id": True})
session_id = result["session_id"]

# Subsequent calls reuse session and build memory
result = mcp__rube__RUBE_MULTI_EXECUTE_TOOL(
    ...,
    session_id=session_id,
    memory={"slack": ["Channel general is C123"]}
)

例

マルチモデルのアーキテクチャレビュー

/sc:mcp analyze --pal consensus --models "gpt-5.2,gemini-3-pro,deepseek" \
  --question "Is event sourcing appropriate for this use case?"

自動化された PR ワークフロー

/sc:mcp automate --rube --apps github,slack \
  --workflow "On PR merge, post summary to #releases"
  --save-recipe --schedule "0 9 * * 1-5"

全面的な調査パイプライン

/sc:mcp orchestrate --pal debug --rube \
  --issue "Memory leak in production" \
  --notify slack,jira --full-validation

ガードレール

• 不明な連携を実行する前に、必ずツールを検索します
• 影響額が 1000 ドルを超える判断には consensus を使用します
• 複数のツールを一度に実行する前に、スキーマを検証します
• 頻繁に使用する ID はメモリに保存します
• 自動化の前に接続状態を確認します
• 複雑な PAL 分析では thinking_mode=high を使用します

エラー処理

エラー	復旧方法
PAL モデルを利用できない	別のモデルに切り替えます
Rube の接続がない	MANAGE_CONNECTIONS を促します
ツールのスキーマが不明	まず GET_SCHEMAS を呼び出します
レート制限に達した	REMOTE_WORKBENCH でバックオフを使用します
レシピが見つからない	検索するか、新規作成します

リソース

• PAL MCP：codereview、debug、consensus、thinkdeep、precommit、planner、chat、challenge、apilookup
• Rube MCP：Composio 経由の 500 以上のアプリ連携
• Trait：mcp-pal-enabled - あらゆるエージェントに PAL を適用します
• Trait：mcp-rube-enabled - あらゆるエージェントに Rube を適用します