@53able/conflux

v0.4.6

Published

3 months ago

Multi-agent thinking methodology MCP tools for strategic analysis and decision-making

0High
0Medium
0Low

53able

thinking methodology multi-agent mcp cli typescript ai reasoning critical-thinking logical-thinking

🧠 Conflux - Thinking Agents MCP

Type-safe multi-agent thinking methodology tools for strategic analysis and decision-making

9つの構造化された思考法を組み合わせたマルチエージェントシステムで、開発の各局面に最適な意思決定と分析を支援します。

🧠 思考法開始時のコンテキスト

プロジェクト概要 Confluxは9つの構造化された思考法（アブダクション、ロジカル、クリティカル、MECE、演繹、帰納、PAC、メタ、ディベート）を組み合わせたマルチエージェントシステムです。

主要機能

局面特化: 15の開発局面に最適化された思考法の組み合わせ
型安全: Zodスキーマベースの完全な型安全性（any型完全禁止）
MCP準拠: Model Context Protocolで他のAIツールと統合可能
マルチエージェント: 9つの専門思考法エージェントが連携して動作
関数型スタイル: 純粋関数ベースのエージェント実装（TaskEither型でエラーハンドリング）
自己修復機能: 入力データの自動修復とスキーマ適合
フォールバック機能: 複数LLMプロバイダー間の自動切り替え

使用方法

局面別処理: import { processPhaseTaskEither, processGoldenPatternTaskEither } from '@53able/conflux'
単一思考法: import { processSingleMethodTaskEither } from '@53able/conflux'
CLI: npx @53able/conflux [command]
MCPサーバー: npx @53able/conflux server

詳細情報

完全なドキュメント: README.md
アーキテクチャ: docs/architecture.md
思考法理論: docs/思考法の使い方.md
Docker使用法: docs/docker-usage.md
MCPサーバー設定: docs/mcp-server-setup.md

✨ 特徴

⚡ 高性能: TypeScript + tsx による高速実行
🎨 美しいCLI: Commander.jsベースの直感的なコマンドライン
🔗 LLM統合: AI SDK v5で複数のLLMプロバイダーをサポート
🛠 自動復旧: スキーマ不一致やエラー時の自動復旧機能搭載
🔧 自己修復: 入力データの自動修復とスキーマ適合機能
🔄 フォールバック: 複数LLMプロバイダー間の自動切り替え
📊 型安全: Zodスキーマベースの完全な型安全性（any型完全禁止）
🐳 Docker対応: 本番環境向けのDockerコンテナ化とマルチステージビルド
🏢 エンタープライズ対応: Cursor、Claude Codeなどの開発環境で使用可能

🧠 思考法エージェント

| 思考法 | 機能 | 適用場面 | |--------|------|----------| | アブダクション | 驚きの事実から説明仮説を形成 | 事業探索、デバッグ | | ロジカルシンキング | 論点から結論への論理的道筋を構築 | 要件定義、計画 | | クリティカルシンキング | 前提・論点・根拠を体系的に疑う | リファクタリング、レビュー | | MECE | 漏れなく重複なく分類・整理 | 優先順位付け、設計 | | 演繹的思考 | 一般原則から具体的結論を導出 | アーキ設計、実装 | | 帰納的思考 | 個別事例から共通パターンを発見 | 価値検証、実験 | | PAC思考 | 前提・仮定・結論に分解して検証 | 仮説分解 | | メタ思考 | 思考プロセス自体を評価・改善 | ふりかえり | | ディベート思考 | 賛成・反対論点で意思決定支援 | 重要な意思決定 |

🚀 クイックスタート

インストール

# ライブラリとしてインストール
pnpm install @53able/conflux
# or
npm install @53able/conflux

# MCPサーバーとして使用
npx @53able/conflux server

# CLIツールとして使用
npx @53able/conflux list

# バージョン確認
npx @53able/conflux version

初回セットアップ

# 1. 思考法一覧を確認（API KEY不要）
npx @53able/conflux list

# 2. API KEYを設定して思考分析を試す
OPENAI_API_KEY=sk-proj-your-key-here npx @53able/conflux method critical '{"claim": "この実装で十分"}'

推奨: このプロジェクトはpnpmでの使用を推奨しています。

🔧 環境設定

API キーの設定

実際の思考分析を行うには、LLMプロバイダーのAPIキーが必要です。

環境変数での設定（推奨）

# 一時的に環境変数を設定して実行
OPENAI_API_KEY=sk-proj-your-key-here npx @53able/conflux method critical '{"claim": "この実装で十分"}'

# または Anthropic
ANTHROPIC_API_KEY=sk-ant-your-key-here npx @53able/conflux method critical '{"claim": "この実装で十分"}'

# または Google Gemini
GOOGLE_GENERATIVE_AI_API_KEY=your-google-key npx @53able/conflux method critical '{"claim": "この実装で十分"}'

永続的な設定

方法1: シェル設定ファイル

# .bashrc または .zshrc に追加
export OPENAI_API_KEY=sk-proj-your-key-here
export ANTHROPIC_API_KEY=sk-ant-your-key-here
export GOOGLE_GENERATIVE_AI_API_KEY=your-google-key-here
export DEFAULT_LLM_PROVIDER=openai  # or anthropic or google

# 設定を反映
source ~/.bashrc  # または source ~/.zshrc

方法2: .envファイル

# プロジェクトルートに.envファイルを作成
cat > .env << EOF
# LLM Provider API Keys
OPENAI_API_KEY=sk-proj-your-key-here
ANTHROPIC_API_KEY=sk-ant-your-key-here
GOOGLE_GENERATIVE_AI_API_KEY=your-google-api-key-here

# Model Configuration
OPENAI_MODEL=gpt-5-nano
ANTHROPIC_MODEL=claude-3-5-haiku-latest
GOOGLE_MODEL=gemini-2.5-flash

# Default Provider
DEFAULT_LLM_PROVIDER=openai

# AI SDK v5 Settings
AI_SDK_DISABLE_TELEMETRY=true
AI_SDK_VERCEL_AI_GATEWAY_DISABLED=true
EOF

APIキーの取得方法

OpenAI API Key（デフォルト：gpt-5-nano）

OpenAI PlatformでAPIキーを取得

Anthropic API Key（デフォルト：claude-3-5-haiku-latest）

Anthropic ConsoleでAPIキーを取得

Google Generative AI API Key（デフォルト：gemini-2.5-flash）

Google AI StudioでAPIキーを取得

CLIでの動作確認

# 1. 思考法一覧の確認（API KEYなしでも動作）
npx @53able/conflux list

# 2. 局面別推奨思考法（API KEYなしでも動作）
npx @53able/conflux recommend debugging

# 3. 実際の思考分析（API KEYが必要）
# 環境変数を設定して実行
OPENAI_API_KEY=sk-proj-your-key-here npx @53able/conflux method abduction '{"surprisingFact": "APIが遅い"}'

# Google Geminiを使用する場合
GOOGLE_GENERATIVE_AI_API_KEY=your-google-key npx @53able/conflux method abduction '{"surprisingFact": "APIが遅い"}'

# または永続的に設定済みの場合
npx @53able/conflux method abduction '{"surprisingFact": "APIが遅い"}'

💡 ヒント: 初回使用時は、まずlistコマンドで思考法一覧を確認し、recommendコマンドで局面別推奨を確認してから、実際の思考分析を試してみてください。

📋 基本的な使用方法

1. ライブラリとして使用

局面別思考プロセス

import { processPhaseTaskEither, globalLLMManager, toLanguageModel } from '@53able/conflux';
import * as E from 'fp-ts/lib/Either.js';

// デバッグ場面での思考プロセス
const result = await processPhaseTaskEither(
  'debugging',
  {
    issue: 'APIが500エラーを返す',
    context: 'DB接続エラーが発生している様子',
    observations: ['他のAPIは正常', 'ログにタイムアウト']
  },
  { 
    llmProvider: toLanguageModel(globalLLMManager.getProvider()),
    llmIntegration: globalLLMManager.getIntegration(),
    userId: 'user123',
    sessionId: 'debug-session-123'
  }
)();

if (E.isRight(result)) {
  console.log(result.right.synthesis); // 統合分析結果
  console.log(result.right.actionItems); // 具体的なアクションアイテム
} else {
  console.error('Error:', result.left);
}

黄金パターン（探索→実装）

import { processGoldenPatternTaskEither, globalLLMManager, toLanguageModel } from '@53able/conflux';
import * as E from 'fp-ts/lib/Either.js';

// アブダクション→演繹→帰納→クリティカル→ロジカル→メタ→ディベートの統合フロー
const result = await processGoldenPatternTaskEither(
  {
    problem: '新機能の設計方針',
    context: 'パフォーマンスとメンテナンス性のバランス',
  },
  { 
    llmProvider: toLanguageModel(globalLLMManager.getProvider()),
    llmIntegration: globalLLMManager.getIntegration(),
    userId: 'user123',
    sessionId: 'golden-pattern-session-123'
  }
)();

if (E.isRight(result)) {
  console.log(result.right.synthesis); // 統合分析結果
  console.log(result.right.actionItems); // 具体的なアクションアイテム
} else {
  console.error('Error:', result.left);
}

単一思考法の使用

import { processSingleMethodTaskEither, globalLLMManager, toLanguageModel } from '@53able/conflux';
import * as E from 'fp-ts/lib/Either.js';

// クリティカルシンキングで前提を疑う
const result = await processSingleMethodTaskEither(
  'critical',
  {
    claim: 'マイクロサービス化で開発速度向上',
    evidence: ['独立デプロイ可能', '技術選択の自由']
  },
  { 
    llmProvider: toLanguageModel(globalLLMManager.getProvider()),
    llmIntegration: globalLLMManager.getIntegration(),
    userId: 'user123',
    sessionId: 'session-123'
  }
)();

if (E.isRight(result)) {
  console.log(result.right.analysis); // 分析結果
  console.log(result.right.reasoning); // 推論プロセス
} else {
  console.error('Error:', result.left);
}

2. コマンドライン使用

# 局面別思考プロセス
npx @53able/conflux phase debugging '{"issue": "APIエラー", "context": "DB問題"}'

# 黄金パターン実行
npx @53able/conflux golden '{"problem": "アーキテクチャ設計"}'

# 単一思考法
npx @53able/conflux method critical '{"claim": "この実装で十分"}'

# カスタム戦略
npx @53able/conflux strategy '{"primary": "critical", "secondary": ["logical"], "sequence": ["critical", "logical"]}' '{"problem": "設計方針の検討"}'

# 思考法一覧
npx @53able/conflux list

# 局面別推奨思考法
npx @53able/conflux recommend debugging

# バージョン確認
npx @53able/conflux --version

# ヘルプ表示
npx @53able/conflux --help

🛠 MCPサーバーとして使用

Model Context Protocol準拠のサーバーとして他のAIツールと統合できます。自己修復機能とフォールバック機能を搭載し、高い信頼性を提供します。

サーバー起動

方法1: npx経由（推奨）

# npx経由で起動（推奨）
# API KEYは環境変数で設定
OPENAI_API_KEY=sk-proj-your-key-here npx @53able/conflux server

# 開発時：npm scriptsで起動
npm run mcp-server

# 開発時：tsxで直接実行
npx tsx src/mcp/server.ts

方法2: Docker経由

# Dockerイメージをビルド
docker build -t conflux-mcp .

# 環境変数を指定して実行
docker run -it --rm \
  -e OPENAI_API_KEY=your_api_key \
  -e DEFAULT_LLM_PROVIDER=openai \
  conflux-mcp

# Docker Composeで起動（推奨）
docker compose --env-file .env.docker up --build

💡 注意: MCPサーバーを起動する前に、環境変数でAPI KEYを設定してください。

🐳 Docker: 本番環境での使用にはDockerコンテナでの実行を推奨します。詳細はDocker Deployment Guideを参照してください。

MCP設定例

Claude Desktop / Cursor設定

{
  "mcpServers": {
    "conflux-thinking-agents": {
      "command": "npx",
      "args": ["@53able/conflux", "server"],
      "env": {
        "OPENAI_API_KEY": "sk-proj-your-openai-api-key-here",
        "OPENAI_MODEL": "gpt-5-nano",
        "ANTHROPIC_API_KEY": "sk-ant-your-anthropic-api-key-here",
        "ANTHROPIC_MODEL": "claude-3-5-haiku-latest",
        "GOOGLE_GENERATIVE_AI_API_KEY": "your-google-api-key-here",
        "GOOGLE_MODEL": "gemini-2.5-flash",
        "DEFAULT_LLM_PROVIDER": "openai",
        "AI_SDK_DISABLE_TELEMETRY": "true",
        "AI_SDK_VERCEL_AI_GATEWAY_DISABLED": "true"
      }
    }
  }
}

環境変数の説明

| 環境変数 | 説明 | 必須 | デフォルト | |---------|------|------|-----------| | OPENAI_API_KEY | OpenAI APIキー | 推奨 | - | | OPENAI_MODEL | 使用するOpenAIモデル | 任意 | gpt-5-nano | | ANTHROPIC_API_KEY | Anthropic APIキー | 推奨 | - | | ANTHROPIC_MODEL | 使用するAnthropicモデル | 任意 | claude-3-5-haiku-latest | | GOOGLE_GENERATIVE_AI_API_KEY | Google Generative AI APIキー | 任意 | - | | GOOGLE_MODEL | 使用するGoogleモデル | 任意 | gemini-2.5-flash | | DEFAULT_LLM_PROVIDER | デフォルトのLLMプロバイダー | 任意 | openai | | AI_SDK_DISABLE_TELEMETRY | テレメトリを無効化 | 推奨 | true | | AI_SDK_VERCEL_AI_GATEWAY_DISABLED | Vercel AI Gatewayを無効化 | 推奨 | true |

💡 ヒント: 最低限、OPENAI_API_KEY、ANTHROPIC_API_KEY、またはGOOGLE_GENERATIVE_AI_API_KEYのいずれかを設定すれば動作します。複数設定すると、DEFAULT_LLM_PROVIDERで選択できます。

利用可能なモデル

AI SDK v5でサポートされている最新のモデル一覧は、AI SDK v5公式ドキュメントで確認できます。

利用可能なプロバイダーとモデル:

OpenAI: gpt-4o-mini, gpt-4o, gpt-5-nano, gpt-5, gpt-5-mini, gpt-5-chat-latest
Anthropic: claude-3-5-haiku-latest, claude-sonnet-4-latest, claude-3-5-sonnet-20241022, claude-3-5-sonnet-latest
Google: gemini-2.5-flash, gemini-2.0-flash-exp, gemini-1.5-flash, gemini-1.5-pro
OpenAI互換: カスタムエンドポイント（openai-compatibleタイプ）
Mock: 開発・テスト用（mockタイプ）

📚 注意: モデル名は実際の利用可能性に依存します。最新の利用可能なモデル一覧はAI SDK v5公式ドキュメントで確認してください。

📚 詳細: 各プロバイダーの最新モデル一覧と機能比較はAI SDK v5公式ドキュメントを参照してください。

Cursor / Claude Codeでの使用

プロジェクトセットアップ（開発者向け）

# リポジトリのクローン
git clone https://github.com/53able/conflux.git
cd conflux

# 依存関係のインストール（pnpm推奨）
pnpm install

# ビルド
pnpm run build

# 型チェック（any型完全禁止）
pnpm run type-check

# Lintチェック（ESLint v9）
pnpm run lint

# MCPサーバーとして起動
pnpm run mcp-server
# または
npx @53able/conflux server

# CLIツールとして使用
npx @53able/conflux list

Docker環境でのセットアップ

# Dockerイメージをビルド
docker build -t conflux-mcp .

# 環境変数ファイルを作成
cat > .env.docker << 'EOF'
OPENAI_API_KEY=your-key-here
ANTHROPIC_API_KEY=your-anthropic-key-here
GOOGLE_GENERATIVE_AI_API_KEY=your-google-key-here
DEFAULT_LLM_PROVIDER=openai
NODE_ENV=production
AI_SDK_DISABLE_TELEMETRY=true
AI_SDK_VERCEL_AI_GATEWAY_DISABLED=true
EOF

# Docker Composeで起動
docker compose --env-file .env.docker up --build

# 開発用（ホットリロード）
docker compose -f docker-compose.yml -f docker-compose.dev.yml up

📚 詳細: Docker環境での詳細な設定方法はDocker Deployment Guideを参照してください。

コード品質と型安全性

このプロジェクトは最高レベルの型安全性とコード品質を実現しています：

型安全性

TypeScript厳密モード: strict: trueで完全な型チェック
any型完全禁止: ESLintで@typescript-eslint/no-explicit-any: error
Zodスキーマ: 実行時型検証とコンパイル時型安全性の両立
AI SDK v5統合: 複雑な型定義に対応した適切な型アサーション

コード品質

ESLint v9: 最新のESLint設定でコード品質を保証
未使用変数検出: @typescript-eslint/no-unused-varsで未使用コードを排除
一貫した命名: 未使用パラメータは_プレフィックスで統一
自動フォーマット: 一貫したコードスタイルを維持

信頼性機能

自己修復機能: 入力データの自動修復とスキーマ適合
フォールバック機能: 複数LLMプロバイダー間の自動切り替え
自動復旧機能: スキーマ不一致やエラー時の自動再試行
エラーハンドリング: 包括的なエラー処理とログ記録

開発コマンド

# 型チェック（エラー0個を保証）
pnpm run type-check

# Lintチェック（エラー0個、警告0個を保証）
pnpm run lint

# ビルド（型チェック + コンパイル）
pnpm run build

# 開発モード（ファイル監視）
pnpm run dev

📋 開発局面と推奨思考法

| 局面 | 主要思考法 | 併用思考法 | 目的 | |------|------------|------------|------| | 事業/課題探索 | アブダクション | 帰納→演繹→メタ | 驚きから仮説形成 | | 要件定義 | ロジカルシンキング | MECE→クリティカル | 論点→結論の道筋 | | 価値仮説検証 | 帰納的思考 | クリティカル | データから一般化 | | アーキ設計 | 演繹的思考 | ディベート | 原則→設計結論 | | 優先順位付け | MECE | ロジカル | 粒度揃え・重複排除 | | 見積もり/計画 | ロジカルシンキング | メタ | 前提→分解→見積 | | 実装 | 演繹的思考 | クリティカル | 原則→具体コード | | デバッグ | アブダクション | 演繹→帰納 | 兆候→原因仮説 | | リファクタリング | クリティカルシンキング | MECE→ロジカル | 前提・依存を疑う | | コードレビュー | クリティカルシンキング | 演繹→MECE | 結論↔根拠の検証 | | テスト設計 | 演繹的思考 | MECE→帰納 | 仕様→条件導出 | | 実験/ABテスト | 帰納的思考 | クリティカル | データ→効果一般化 | | 意思決定 | ディベート思考 | メタ | 賛否論点の顕在化 | | ふりかえり | メタ思考 | ロジカル→PAC | 思考プロセス見直し | | 仮説分解 | PAC思考 | クリティカル | 前提・仮定・結論分解 |

⚙️ 設定

プログラムでの設定

import { globalLLMManager } from '@53able/conflux';

// カスタムプロバイダーの登録例
globalLLMManager.registerProvider('custom', {
  type: 'openai-compatible',
  baseURL: 'https://api.your-provider.com/v1',
  model: 'your-model',
  apiKey: 'your-key',
});

📚 詳細: 利用可能なモデル一覧と詳細な設定方法はAI SDK v5公式ドキュメントを参照してください。

📚 高度な使用方法

カスタム思考法戦略

import { processCustomStrategy, globalLLMManager, toLanguageModel } from '@53able/conflux';
import * as E from 'fp-ts/lib/Either.js';

// カスタム戦略の実行
const result = await processCustomStrategy(
  {
    primary: 'critical',
    secondary: ['logical', 'mece'],
    sequence: ['critical', 'logical', 'mece']
  },
  {
    problem: '複雑な問題',
    context: '技術的制約あり'
  },
  {
    llmProvider: toLanguageModel(globalLLMManager.getProvider()),
    llmIntegration: globalLLMManager.getIntegration(),
    userId: 'user123',
    sessionId: 'custom-strategy-session-123'
  }
);

if (E.isRight(result)) {
  console.log(result.right.synthesis); // 統合分析結果
  console.log(result.right.actionItems); // 具体的なアクションアイテム
} else {
  console.error('Error:', result.left);
}

思考プロセスの連鎖

import { processPhaseTaskEither, globalLLMManager, toLanguageModel } from '@53able/conflux';
import * as E from 'fp-ts/lib/Either.js';

// 要件定義 → 設計 → 実装の連鎖
const requirements = await processPhaseTaskEither('requirement_definition', input, context)();
if (E.isRight(requirements)) {
  const architecture = await processPhaseTaskEither('architecture_design', {
    ...input,
    requirements: requirements.right.results,
  }, context)();
  
  if (E.isRight(architecture)) {
    const implementation = await processPhaseTaskEither('implementation', {
      ...input,
      architecture: architecture.right.results,
    }, context)();
    
    if (E.isRight(implementation)) {
      console.log('連鎖完了:', implementation.right.synthesis);
    }
  }
}

MCPツールの活用

MCPサーバーとして起動することで、他のAIツールと統合して高度な思考分析が可能です。

利用可能なMCPツール

| ツール名 | 説明 | 入力パラメータ | |---------|------|---------------| | process-phase | 局面に応じた統合思考プロセスを実行します | phase (開発局面), input (入力データ) | | process-golden-pattern | 黄金パターン（探索→実装）の統合思考プロセスを実行します | input (入力データ) | | process-single-method | 単一の思考法を実行します | method (思考法), input (入力データ) | | process-custom-strategy | PHASE_THINKING_MAP形式で思考法戦略を指定して実行します | primary (主要思考法), secondary (併用思考法), sequence (実行順序), input (入力データ) | | list-thinking-methods | 利用可能な思考法の一覧と詳細を取得します | なし | | get-phase-recommendations | 指定した局面に推奨される思考法を取得します | phase (開発局面) |

思考プロセスの連鎖

MCPツールを組み合わせることで、複数の思考法を連鎖させた高度な分析が可能です。

🤝 貢献

このプロジェクトへの貢献を歓迎します！

このリポジトリをフォーク
フィーチャーブランチを作成 (git checkout -b feature/amazing-feature)
変更をコミット (git commit -m 'Add amazing feature')
ブランチにプッシュ (git push origin feature/amazing-feature)
プルリクエストを作成

📄 ライセンス

MIT License - 詳細は LICENSE ファイルを参照してください。

🙏 謝辞

Anthropic - エージェント設計指針
Vercel - AI SDK v5の開発とメンテナンス

構造化された思考で、より良い意思決定を。

Published

Vulnerabilities

Links

Maintainers

Keywords

Readme

🧠 Conflux - Thinking Agents MCP

🧠 思考法開始時のコンテキスト

✨ 特徴

🧠 思考法エージェント

🚀 クイックスタート

インストール

初回セットアップ

🔧 環境設定

API キーの設定

環境変数での設定（推奨）

永続的な設定

APIキーの取得方法

CLIでの動作確認

📋 基本的な使用方法

1. ライブラリとして使用

局面別思考プロセス

黄金パターン（探索→実装）

単一思考法の使用

2. コマンドライン使用

🛠 MCPサーバーとして使用

サーバー起動

方法1: npx経由（推奨）

方法2: Docker経由

MCP設定例

環境変数の説明

利用可能なモデル

Cursor / Claude Codeでの使用

プロジェクトセットアップ（開発者向け）

Docker環境でのセットアップ

コード品質と型安全性

型安全性

コード品質

信頼性機能

開発コマンド

📋 開発局面と推奨思考法

⚙️ 設定

プログラムでの設定

📚 高度な使用方法

カスタム思考法戦略

思考プロセスの連鎖

MCPツールの活用

利用可能なMCPツール

思考プロセスの連鎖

🤝 貢献

📄 ライセンス

🙏 謝辞