YAML Context Engineering Agent

様々な形式の入力から、階層的かつ構造化されたコンテキスト情報を抽出し、生成AIが参照可能なYAML形式の.mdファイルとして自動的に整理・永続化する自律型エージェント。

📊 プロジェクト統計

• MCP Tools: 5 (web_content_fetcher, llm_structure_extractor, url_discovery_engine, file_system_manager, ldd_manager)
• Sub-agents: 5 (context-extractor, quality-analyzer, api-docs-specialist, tutorial-specialist, knowledge-base-specialist)
• Slash Commands: 3 (/extract-context, /setup-project, /generate-agent)
• Supported Formats: HTML, Markdown, YAML, JSON
• GitHub Actions: 5 workflows (CI/CD, PR Review, Issue Processing, Context Extraction, Docs Generation)

🚀 MVP実装ステータス

Phase 1: MCP Server実装 ✅ 完了 (2025-08-03)

✅ 実装完了項目:

• Core MCP server (Python/asyncio)
• 5つのツール実装完了
• Content extraction engine
• YAML generation pipeline
• LDD (Log-Driven Development) システム
• 包括的なテストスイート

Phase 2: Claude Code統合 ✅ 完了 (2025-08-04)

✅ 実装完了項目:

• カスタムスラッシュコマンドの実装
• Hooks configurationの設定
• Sub-agent definitionsの作成
• Local testing environmentの構築

Phase 3: GitHub Actions自動化 ✅ 完了 (2025-08-04)

✅ 実装完了項目:

• CI/CDワークフローの実装
• PR review automationの設定
• Issue processing automationの実装
• Documentation generationの自動化

📚 ドキュメント

• 📖 Documentation Site - 完全なドキュメント
• 🚀 Getting Started Guide - クイックスタートガイド
• 🏗️ Architecture Overview - システムアーキテクチャ
• 🔧 API Reference - API リファレンス
• 🤝 Contributing Guide - 貢献ガイドライン

🔧 セットアップ

前提条件

• Python 3.9以上
• pip (Pythonパッケージマネージャー)
• Git

インストール

# リポジトリのクローン
git clone https://github.com/yaml-context-engineering/agent.git
cd yaml-context-engineering-agent

# Python仮想環境の作成
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 依存関係のインストール
cd mcp-server
pip install -e .

# Claude Code設定の確認
cat .claude/settings.json

🎯 使用方法

Claude Code スラッシュコマンド

# URLからコンテキスト抽出
/extract-context https://docs.example.com/api

# 新規プロジェクトのセットアップ
/setup-project my-context-project

# 専門エージェントの生成
/generate-agent api-docs

MCP ツール使用例

# Claude Code内で使用
mcp__yaml-context-engineering__web_content_fetcher urls=["https://example.com"]
mcp__yaml-context-engineering__llm_structure_extractor content="..."

CLI コマンド

# MCP サーバーの起動
yaml-context-mcp

# コンテキスト抽出（開発中）
yaml-context extract https://example.com

# LDD システム
yaml-context ldd init
yaml-context ldd task "Extract API docs"

🏗️ アーキテクチャ

yaml-context-engineering-agent/
├── .claude/                   # Claude Code 設定
│   ├── settings.json         # 統合設定
│   ├── commands/             # スラッシュコマンド
│   ├── agents/               # サブエージェント
│   └── hooks/                # フックスクリプト
├── .github/                  # GitHub Actions
│   └── workflows/            # 自動化ワークフロー
├── mcp-server/               # MCP サーバー実装
│   ├── src/                  # ソースコード
│   └── tests/                # テストスイート
├── generated_contexts/       # 生成されたコンテキスト
├── test-claude-code/         # テストスクリプト
└── config.yaml              # プロジェクト設定

🛠️ 開発

テスト実行

# 統合テスト
./test-claude-code/test-integration.sh

# MCP サーバーテスト
cd mcp-server && pytest

# スラッシュコマンドテスト
./test-claude-code/test-slash-commands.sh

コード品質

# リンティング
ruff check .

# フォーマット
black .

# 型チェック
mypy .

🔄 Phase 4: Advanced Features (次期開発)

• Quality analysis systemの実装
• Plugin architectureの開発
• Performance optimizationの実施
• Comprehensive testingの実施

📝 変更履歴

最新の変更についてはCHANGELOG.mdを参照してください。

🤝 貢献

プロジェクトへの貢献を歓迎します！詳細はCONTRIBUTING.mdをご覧ください。

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。詳細はLICENSE.mdをご覧ください。

🙏 謝辞

• Anthropic - Claude AI と MCP プロトコル
• Model Context Protocol - 標準化されたAI統合
• すべての貢献者とコミュニティメンバー