# ai.shell Architecture

## 全体構成

```
┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│   User Input    │     │   ai-shell CLI  │     │   MCP Server    │
│   (Terminal)    │────▶│     (Rust)      │────▶│    (Python)     │
└─────────────────┘     └─────────────────┘     └─────────────────┘
                                │                          │
                                │                          ▼
                                │                 ┌─────────────────┐
                                │                 │   Local LLM     │
                                │                 │   (Ollama)      │
                                │                 └─────────────────┘
                                │                          │
                                ▼                          ▼
                        ┌─────────────────┐     ┌─────────────────┐
                        │  File System    │     │  Code Analysis  │
                        │   Operations    │     │   & Generation  │
                        └─────────────────┘     └─────────────────┘
```

## MCP Serverの主要な役割

### 1. **LLMとの通信ハブ**
- ローカルLLM（Ollama）との通信を管理
- プロンプトの最適化と前処理
- レスポンスの後処理とフォーマット

### 2. **ツール実行エンジン**
MCP Serverは以下のツール（関数）を提供：

```python
# 既存の実装から
- code_with_local_llm()      # コード生成
- read_file_with_analysis()  # ファイル読み込み＆分析
- write_code_to_file()       # コード書き込み
- debug_with_llm()           # デバッグ支援
- explain_code()             # コード説明
- execute_command()          # シェルコマンド実行
- git_operations()           # Git操作
```

### 3. **コンテキスト管理**
- プロジェクトのコンテキスト保持
- 会話履歴の管理
- ファイルの依存関係追跡

### 4. **セキュリティレイヤー**
- コマンドのサンドボックス実行
- ファイルアクセス権限の管理
- 危険な操作の検証

## Rust CLI ↔ MCP Server 通信

### 通信プロトコル
```rust
// Rust側のリクエスト例
struct MCPRequest {
    method: String,        // "code_with_local_llm"
    params: Value,         // {"prompt": "...", "language": "rust"}
    context: ProjectContext,
}

// MCP Server側のレスポンス
{
    "result": {
        "code": "fn main() { ... }",
        "explanation": "This creates a simple HTTP server...",
        "files_created": ["src/server.rs"]
    },
    "error": null
}
```

### 実装の流れ

1. **ユーザー入力（Rust CLI）**
   ```
   ai> create a web server in rust
   ```

2. **リクエスト構築（Rust）**
   - プロンプト解析
   - コンテキスト収集（現在のディレクトリ、プロジェクトタイプなど）

3. **MCP Server処理（Python）**
   - ツール選択（code_with_local_llm）
   - LLMへのプロンプト送信
   - コード生成
   - ファイル操作

4. **レスポンス処理（Rust）**
   - 結果の表示
   - ファイル変更の確認
   - 次のアクションの提案

## なぜMCP Serverが必要か

### 1. **言語の分離**
- Python: AI/MLエコシステムが充実
- Rust: 高速で安全なCLI実装

### 2. **拡張性**
- 新しいLLMの追加が容易
- ツールの追加・変更が独立

### 3. **再利用性**
- 他のクライアント（VS Code拡張など）からも利用可能
- APIとして公開可能

### 4. **プロセス分離**
- LLMの重い処理とUIの軽快な動作を分離
- クラッシュ時の影響を最小化