sc-research

ディープリサーチスキル

リアルタイムのウェブ検索（Rube MCP 経由）と、複数モデルによる詳細な分析および合意形成（PAL MCP 経由）を組み合わせ、あらゆるトピックについて包括的に調査します。出典付きの調査結果、相互検証済みの分析、確信度評価を含む、構造化された調査レポートを作成します。

クイックスタート

# Quick overview
/sc:research "quantum computing developments" --depth shallow

# Balanced research (default)
/sc:research "Impact of AI regulation on open-source development"

# Exhaustive deep dive saved to file
/sc:research "carbon capture technologies" --depth deep --output reports/carbon.md

# More models for consensus
/sc:research "PostgreSQL vs CockroachDB for write-heavy workloads" --models 4

動作フロー

1. 解析 - トピック、深度、出力先、モデル数を抽出します
2. 分解 - 包括的に網羅できるよう、トピックを3～7個の小さな質問に分けます
3. 検索ツールの検出 - Rube MCP 経由でウェブ検索ツールを見つけます
4. 検索 - ウェブ調査を複数のバッチで並行して実行します
5. 分析 - PAL ThinkDeep 経由で調査結果を詳細に分析します
6. 検証 - PAL Consensus 経由で複数モデルによる合意を確認します
7. レポート - 構造化された Markdown レポートを生成します
8. 出力 - ファイルに保存するか、コンソールに表示します

フラグ

フラグ	型	デフォルト	説明
--depth	string	medium	調査の深度：shallow、medium、deep
--output	string	-	レポートをファイルパスに保存します
--models	int	3	合意形成に使用するモデル数（2～5）

深度レベル

深度	小さな質問	質問ごとの検索数	追加検索
shallow	2-3	1	0
medium	3-5	1-2	ギャップごとに1
deep	5-7	2-3	ギャップごとに2-3

フェーズ1：解析と計画

引数からトピックを抽出します。まとめて回答することで包括的に網羅できるよう、小さな質問に分解します。

続行する前に、調査計画を提示します。

Research Topic: <topic>
Depth: <level>
Sub-questions:
  1. <sub-question>
  2. <sub-question>
  ...
Estimated searches: ~N

フェーズ2：検索ツールの検出

mcp__rube__RUBE_SEARCH_TOOLS を使用して、ウェブ検索ツールと URL 抽出ツールを見つけます。

RUBE_SEARCH_TOOLS:
  session: { generate_id: true }
  queries:
    - use_case: "search the web for information about a topic"
    - use_case: "scrape and extract content from a web page URL"

応答から、以下を行います。

1. session_id を記録する — 以降のすべての Rube 呼び出しで再利用します
2. 返されたツールキットの接続状態を確認する
3. アクティブな接続がない場合は、RUBE_MANAGE_CONNECTIONS を呼び出して認証リンクを提示します
4. ウェブ検索と URL コンテンツ抽出に最適なツールを特定する
5. ツールから schemaRef が返された場合は、RUBE_GET_TOOL_SCHEMAS を呼び出して完全なスキーマを取得します

フェーズ3：ウェブ調査の実行

RUBE_MULTI_EXECUTE_TOOL 経由で、独立した検索をまとめて並行実行します（1回の呼び出しにつき最大5件）。

検索クエリの作成：

• 小さな質問を効果的な検索クエリに言い換えます
• 具体的で事実に基づく表現を使います
• 議論のあるトピックでは、複数の視点を明示的に検索します
• 情報の新しさが重要な場合は、日付を指定します

初回検索の後：

1. すべての検索結果を解析して収集します
2. 最も関連性の高い URL を特定します
3. medium/deep の場合は、上位3～5件の URL から全文を抽出します
4. 情報の不足を特定します

medium/deep の場合 — 追加検索：

• 不足情報を対象とする、より絞り込んだクエリを作成します
• 追加検索を実行します
• 追加の URL コンテンツを抽出します

未加工の調査結果を整理します。

Sub-question 1: <question>
  Sources:
    - [Source Title](URL) - Key finding: <summary>
  Gaps: <what's still unclear>

Sub-question 2: <question>
  Sources:
    - ...

フェーズ4：詳細分析（PAL ThinkDeep）

体系的な分析には mcp__pal__thinkdeep を使用します。

ステップ1 — 分析：

• 情報源全体から主要なテーマとパターンを特定します
• 情報源間の矛盾を明示します
• 情報源の信頼性と偏りを評価します
• 十分に裏付けられた主張と、裏付けが不十分な主張を特定します
• 重要な情報の不足を記録します
• 暫定的な見解をまとめます

ステップ2 — 精査：

• 証拠に基づく推論で矛盾を解消します
• 調査結果を確信度（高／中／低）で順位付けします
• 最終レポート用の構成案を作成します
• 最も重要なポイントを3～5個特定します

フェーズ5：複数モデルによる合意形成（PAL Consensus）

5a. モデルの検出

mcp__pal__listmodels を呼び出します。スコア上位のモデルを選び、多様性を確保するため、異なるプロバイダーのモデルを優先します。

5b. 合意形成の実行

賛成・反対・中立の立場で mcp__pal__consensus を使用します。

立場	目的
for	調査結果を好意的に評価し、強みを探します
against	批判的に評価し、弱点や不足を探します
neutral	強みと弱みを比較検討し、バランスよく評価します

5c. 合意を取り入れる

次の内容を統合します。

• 合意している点 — 確信度の高い調査結果
• 意見が分かれている点 — 補足が必要な点として明示
• 不足している視点 — いずれかのモデルが指摘した見落とし
• 確信度の調整 — フィードバックに基づいて引き上げる／引き下げる

Phase 6: レポートを生成

# Deep Research Report: <Topic>

**Generated**: <date>
**Depth**: <shallow|medium|deep>
**Sources consulted**: <N>
**Models consulted**: <list>

---

## Executive Summary

<3-5 paragraph synthesis for general audience>

---

## Research Question

<Original topic and how it was decomposed>

---

## Key Findings

### Finding 1: <Title>
**Confidence**: High | Medium | Low
**Consensus**: Agreed | Mixed | Disputed

<Detailed finding with inline source citations>

**Sources**: [Source 1](url), [Source 2](url)

---

## Analysis

### Themes and Patterns
<Cross-cutting themes across sources>

### Contradictions and Debates
<Where sources/models disagreed>

### Information Gaps
<What remains unclear>

---

## Model Consensus

| Model | Stance | Confidence | Key Feedback |
|-------|--------|------------|--------------|
| <model_1> | For | X/10 | <summary> |
| <model_2> | Against | X/10 | <summary> |
| <model_3> | Neutral | X/10 | <summary> |

**Agreement Areas**: <where all models agreed>
**Divergent Views**: <where models differed>

---

## Sources

| # | Title | URL | Relevance |
|---|-------|-----|-----------|
| 1 | <title> | <url> | <contribution> |

---

## Methodology

1. **Web search** via Rube MCP (<N> searches)
2. **Deep analysis** via PAL ThinkDeep
3. **Multi-model consensus** via PAL Consensus (<N> models)

Phase 7: 出力

• --output <filepath> が指定されている場合：レポートをファイルに書き込み、パスを確認します
• それ以外の場合：レポート全体をコンソールに表示します

最後に次の要約を付けます。

Research complete:
- Topic: <topic>
- Sources: <N> web sources
- Models: <N> reached consensus
- Confidence: <overall assessment>
- Key takeaway: <1-sentence summary>

MCP との連携

PAL MCP

ツール	フェーズ	用途
mcp__pal__thinkdeep	分析	多段階の仮説検証
mcp__pal__consensus	検証	複数モデルによる相互検証
mcp__pal__listmodels	検出	合意形成に利用できるモデルの一覧
mcp__pal__challenge	検証	議論のある主張に対する批判的思考

Rube MCP

ツール	フェーズ	用途
mcp__rube__RUBE_SEARCH_TOOLS	検出	検索／スクレイピングツールを探す
mcp__rube__RUBE_GET_TOOL_SCHEMAS	検出	必要に応じて完全なスキーマを読み込む
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	検索	Web 検索を並列実行する
mcp__rube__RUBE_MANAGE_CONNECTIONS	認証	検索連携を接続する
mcp__rube__RUBE_REMOTE_BASH_TOOL	処理	大量のレスポンスデータを処理する

エラー処理

シナリオ	対応
検索ツールが見つからない	直接 URL には WebFetch を代替として使用します
接続が有効でない	RUBE_MANAGE_CONNECTIONS を呼び出し、認証リンクを提示します
検索結果がない	より広い用語で検索し直します
ツールスキーマがない	先に RUBE_GET_TOOL_SCHEMAS を呼び出します
PAL MCP が利用できない	合意形成をスキップし、Web 調査のみで報告します
ThinkDeep が失敗する	生の調査結果を使って続行します
レート制限	並列バッチサイズを 2～3 に減らします

ガードレール

• 検索を実行する前に調査計画を提示します
• 検証可能性を確保するため、すべてのソース URL を保持します
• 議論のあるトピックについては複数の視点を検索します
• --depth deep は API 呼び出しを 15～25 回以上行う可能性があるため、慎重に使用します
• Rube が利用できず PAL が利用できる場合は、WebFetch による分析のみへ縮退します

ツールの連携

• WebFetch - Rube が利用できない場合の URL 取得用フォールバック
• Write - レポートをファイルに保存
• Bash - ファイル操作
• PAL MCP - 分析、合意形成、異議申し立て
• Rube MCP - Web 検索、URL 抽出