MCP ツールリファレンス
ARI には 14 の MCP サーバが付属しています（ari-skill-* パッケージごとに 1 つ）。 このページはエージェントが呼び出せるすべてのツールのフラットなカタログです。 各スキルの詳細は個別の README.md を参照してください。セクション skills.md では責務ごとにグループ分けされています。
mcp.json（各スキルの pyproject.toml の隣に配置）がツール名前の信頼できる 情報源です。@mcp.tool() で装飾された関数（または古いスキルの @server.list_tools() エントリ）が引数と戻り値の形式を定義します。
"LLM" 列は P2 例外 のツールを示します — LLM を呼び出すため バイト単位での決定論性がありません。
ari-skill-benchmark — 統計 + プロット（決定論的）
| ツール | 用途 | LLM |
|---|---|---|
analyze_results | CSV / JSON / npy からのサマリ統計 | ✗ |
plot | 固定スキーマからの決定論的 matplotlib 図 | ✗ |
statistical_test | 仮説検定（t 検定、Mann-Whitney など） | ✗ |
ari-skill-coding — コードの作成 + 実行
mcp.json にはツールが記載されていません。実際のツール一覧は src/server.py の @server.list_tools() から提供されます。
| ツール | 用途 | LLM |
|---|---|---|
write_code | ノードの work_dir にファイルを書き込む | ✗ |
run_code | タイムアウト + キャプチャ付きでスクリプトを実行 | ✗ |
run_bash | アドホックな bash コマンド | ✗ |
emit_results | 評価器向けに metrics + has_real_data を出力（オプションの provenance 引数 → _provenance キーとしてそのまま書き込まれ、各値がどのように測定されたかをタグ付けし、claim-evidence ゲートで使用）。レスポンスの contract_warnings には、出力したキーが要求エビデンス名と字句的に類似する場合、提案のみの「POSSIBLE name matches」ヒントが含まれることがあります — あくまで助言であり、自動バインドは行われず、ゲートがこれを参照することもありません | ✗ |
read_file | エージェントが以前に書いたファイルを読み込む | ✗ |
ari-skill-evaluator — LLM メトリクス抽出
| ツール | 用途 | LLM |
|---|---|---|
make_metric_spec | LLM が experiment.md からメトリクス定義を抽出；実行レベルの metric_contract も出力 → {checkpoint}/metric_contract.json。mint-once: claims を含む契約がすでに永続化されている場合、呼び出しは再抽出せず、その契約を contract_frozen: true 付きでそのまま返します（scoring guide などノードごとの spec フィールドは呼び出しごとに計算） | ✓ |
claim_evidence_hard_gate | 決定論的な主張/証拠ハードゲート（実行データの忠実性）；strict モードでは final フェーズで finalize をブロック | ✗ |
evidence_grounded_semantic_review | 非ブロッキングの証拠に基づくセマンティック査読；paper_refine 向けに suggested_revisions を出力 | ✓ |
ari-skill-hpc — SLURM + Singularity
mcp.json は空のリストです。ツールは src/server.py の @server.list_tools() から提供されます。
| ツール | 用途 | LLM |
|---|---|---|
slurm_submit | パーティション / 時間 / CPU 数 / ノード数 / GPU 数を明示して sbatch | ✗ |
job_status | squeue + sacct 検索 | ✗ |
job_cancel | 実行中のジョブを scancel | ✗ |
run_bash | ダイレクトな bash コマンド（ローカルまたは SSH 経由） | ✗ |
singularity_build | 定義ファイルから SIF をビルド | ✗ |
singularity_run | SIF 内でコマンドを実行 | ✗ |
singularity_pull | リモート URI から SIF を取得 | ✗ |
singularity_build_fakeroot | Fakeroot ビルド（特権デーモン不要） | ✗ |
singularity_run_gpu | singularity_run の GPU バリアント | ✗ |
ari-skill-idea — 文献調査 + アイデア生成
| ツール | 用途 | LLM |
|---|---|---|
survey | arXiv + Semantic Scholar 検索；純粋な HTTP | ✗ |
generate_ideas | LLM が調査 + コンテキストからランク付きアイデア候補を生成 | ✓ |
generate_ideas は単一の安定した出力契約の背後に 2 つのエンジンを持ちます。 デフォルトは軽量な再実装ディスカッションループです。オプトインの実 VirSci vendor-wrap エンジン（ARI_IDEA_VIRSCI_REAL=1）は、ライブ Semantic Scholar スナップショット上で VirSci 本来のマルチエージェント機構を実行し、依存関係の 欠落 / 実行時エラーが発生した場合は再実装ループにデグレードします。idea.json 契約はどちらの経路でも同一で、辿った経路は virsci_integration_status （real_wrap または reimpl: ...）で報告されます。
ari-skill-memory — 祖先スコープのノードメモリ
このスキルは src/server.py の FastMCP @mcp.tool() デコレータを使用します。 静的な mcp.json は古く（ノードスコープの 4 ツールのみ記載）なっていますが、 以下のデコレートされた関数はすべて実行時に公開されます。
| ツール | 用途 | LLM |
|---|---|---|
add_memory | 現在のノードのメモリにエントリを追加 | ✗ |
search_memory | 現在のノード + 祖先をまたいだ埋め込みランク検索 | ✗（サーバサイド埋め込み） |
get_node_memory | 現在のノードのすべてのエントリ | ✗ |
clear_node_memory | 現在のノードのエントリを削除（CoW；祖先は変更なし） | ✗ |
get_experiment_context | Letta コアメモリから安定した実験レベルの事実を取得 | ✗ |
add_experiment_result | 型付き experiment_result を記録（CoW：自ノードのみ） | ✗ |
add_failure_case | 型付き failure_case を記録（CoW：自ノードのみ） | ✗ |
add_procedure_memory | 再利用可能な手順を記録（CoW：自ノードのみ） | ✗ |
add_reflection | リフレクションを記録（CoW：自ノードのみ；論文の主張には使用不可） | ✗ |
add_reproducibility_event | 追記専用の再現性ステータスイベントを追加（CoW：自ノードのみ） | ✗ |
search_research_memory | 種類 / 成果物の有無でフィルタした祖先スコープの型付き検索 | ✗ |
get_verified_context | 論文 / 図の利用向けの成果物に裏付けられた再現性対応コンテキスト | ✗ |
audit_memory | 記録された来歴（sha256）をチェックポイントのディスク上と照合検証 | ✗ |
consolidate_node_memory | ノード終了時に node_report から型付きメモリを導出 + 書き込み（CoW：自ノード） | ✗ |
このスキルは設計ドキュメントで「LLM 呼び出しなし」と明示しています — ari-skill-memory/README.md を参照してください。
ari-skill-orchestrator — 再帰的 ARI ランナー
| ツール | 用途 | LLM |
|---|---|---|
run_experiment | 子 ARI 実行を起動 | ✗ |
get_status | 子実行のステータス | ✗ |
list_runs | 既知のすべての実行 | ✗ |
get_paper | 実行の生成 LaTeX / PDF | ✗ |
ari-skill-paper — LaTeX 論文執筆
| ツール | 用途 | LLM |
|---|---|---|
list_venues | 利用可能な LaTeX テンプレート（ACM / NeurIPS / SC / ICPP / arXiv） | ✗ |
get_template | venue のテンプレートを取得 | ✗ |
generate_section | LLM がセクション（序論、手法など）を執筆 | ✓ |
compile_paper | pdflatex コンパイル | ✗ |
check_format | LaTeX フォーマット検証 | ✗ |
review_section | LLM がルーブリックで 1 セクションを査読 | ✓ |
revise_section | LLM が査読フィードバックを使って書き直し | ✓ |
write_paper_iterative | 生成 / 査読 / 修正ループをエンドツーエンドで駆動 | ✓ |
review_compiled_paper | コンパイル済み PDF に対する最終パス査読（図は VLM に委譲） | ✓ |
link_paper_claims | % CLAIM:Cx:NCx アンカーを science_data の主張と照合し、paper_claim_links を構築（決定論的） | ✗ |
paper_refine | % CLAIM:Cx:NCx アンカーを保持しつつ提案された修正を適用（決定論的置換 + 境界付き LLM の検索/置換） | ✓ |
list_rubrics | 利用可能な査読ルーブリック | ✗ |
inject_code_availability | v0.7.0 — 論文に \codedigest{...} ブロックを追記 | ✗ |
merge_reviews | v0.7.0 — ルーブリック査読 + VLM 査読の JSON を統合 | ✗ |
ari-skill-paper-re — PaperBench 再現性 (v0.7.0)
| ツール | 用途 | LLM |
|---|---|---|
fetch_code_bundle | ref + sha256 でコードバンドルを取得して検証 | ✗ |
build_reproduce_sh | Stage 1 — vendor BasicAgent / IterativeAgent ロールアウトが reproduce.sh を書く | ✓ |
run_reproduce | Stage 2 — local / docker / apptainer / singularity / slurm サンドボックスで reproduce.sh を実行 | ✗ |
grade_with_simplejudge | Stage 3 — LLM がルーブリックの葉に対して実行済みサブミッションをグレーディング | ✓ |
v0.8.0 新フィールド（Stage 1）
| ツール | 新しい引数 |
|---|---|
build_reproduce_sh | container_image（レガシーの apptainer_image を置き換え / 上位互換；後方互換のため両方受け付け） |
v0.8.0 新フィールド（Stage 2）
| ツール | 新しい引数 |
|---|---|
run_reproduce | container_image（docker / apptainer / singularity サンドボックスで有効；エイリアス pb-env / pb-reproducer は scripts/build_pb_images.sh でビルドされた vendor の image:latest タグに解決） |
フェイルラウド前提条件: docker デーモン / apptainer バイナリ / sbatch / パーティションが欠落している場合、ローカル CPU への黙った フォールバックではなく RuntimeError を発生させます。レガシーフォールバックに 戻すには ARI_PHASE1_ALLOW_FALLBACK=1、GRES フラグの黙った削除に戻すには ARI_SLURM_ALLOW_NO_GRES=1 を設定してください。 environment_variables.md を参照。 型付き（gpu_type / --gres=gpu:TYPE:N）と型なし （--gpus-per-task）の GPU リクエストの混在は自動的に型付き形式に 正規化されます — SLURM 24.05 は混在形式を拒否します。
v0.8.0 新フィールド（Stage 3）
| ツール | 新しい引数 |
|---|---|
grade_with_simplejudge | code_only（ルーブリックを Code Development 葉のみに限定。vendor の paperbench/grade.py:109-112 を踏襲。reproduce.log が存在しない場合に自動有効化され、Stage 1 のみの実行が系統的にゼロにならないようにする） |
3 つのステージすべてを単一の呼び出し語彙でチェーンするインプロセス Python サーフェスについては、 api_paperbench.md § Bridge contract を参照してください。
ari-skill-plot — 図生成
| ツール | 用途 | LLM |
|---|---|---|
generate_figures | nodes_tree.json から決定論的 matplotlib 図を生成 | ✗ |
generate_figures_llm | LLM が matplotlib コードを書いて実行 | ✓ |
ari-skill-replicate — ルーブリック自動生成 (v0.7.0)
| ツール | 用途 | LLM |
|---|---|---|
generate_rubric | 二段階（スケルトン + サブツリー）PaperBench ルーブリック合成 | ✓ |
audit_rubric | LLM が曖昧 / 検証不可能 / 重複した基準の葉を監査 | ✓ |
generate_rubric — venue 条件付きテンプレート（未リリース）
generate_rubric はオプションの paperbench_rubric_id 引数を受け付け、 ari-core/config/paperbench_rubrics/<id>.yaml から venue 条件付き テンプレートを選択します。ari-skill-paper のピアレビューパスがすでに使用している reviewer_rubrics/ の venue パターンを踏襲しています。
| 引数 | 型 | デフォルト | 効果 |
|---|---|---|---|
paperbench_rubric_id | str | "" | 空 = バンドル済みプロンプトをそのまま使用（後方互換）。それ以外の場合は YAML テンプレートをロードし、prompt_overrides.system_hint / prompt_overrides.leaf_style をスケルトン + サブツリープロンプトに注入。 |
同梱テンプレート:
id | mode | トップレベル構造 |
|---|---|---|
generic | agent_benchmark | 科学的貢献ごとに分解（現在のデフォルト動作）。 |
sc | paper_audit | HPC 論文用の 6 固定監査軸（環境 / データ / 実行 / 図 / スケーリング / 結論）。 |
neurips | paper_audit | NeurIPS 再現性チェックリストに基づく 6 軸（主張 / セットアップ / コード+データ / 統計 / 倫理 / 図）。 |
nature | paper_audit | 実験系論文用の 5 軸（材料 / プロトコル / 統計 / データ / 倫理）。 |
paper_audit モードは two_stage=True が必要です。単一パスパスで paper_audit テンプレートがリクエストされた場合、ジェネレータはエラーを返します （単一パスプロンプトは固定軸制約を満たせないため）。YAML スキーマと オーサリングガイドは rubric_schema.md を参照してください。
ari-skill-transform — ツリー走査 + EAR パイプライン
mcp.json にはツールが記載されていません（ファイルは内部専用）。 src/server.py の @mcp.tool() デコレータが正式です。
| ツール | 用途 | LLM |
|---|---|---|
nodes_to_science_data | BFTS ツリーを走査して方法論 + 知見を抽出 | ✓ |
generate_ear | BFTS 成果物から {checkpoint}/ear/ をビルド | ✗ |
curate_ear | ear/ → ear_published/ + manifest.lock に昇格 | ✗ |
publish_ear | local-tarball / ari-registry / zenodo / gh にプッシュ | ✗ |
promote_ear | staged → unlisted / public に昇格 | ✗ |
ari-skill-vlm — 図 / 表の査読（VLM）
mcp.json にはツールが記載されていません。スキルは内部の査読ヘルパーのみを公開 します。
| ツール | 用途 | LLM |
|---|---|---|
review_figure | VLM が画像 + キャプションを読んで批評を返す | ✓（ビジョン） |
review_table | VLM がテーブルを査読 | ✓（ビジョン） |
review_paper_figures | 論文ディレクトリ内のすべての図をバッチ査読 | ✓（ビジョン） |
ari-skill-web — 検索 + 取得
| ツール | 用途 | LLM |
|---|---|---|
web_search | DuckDuckGo（API キー不要） | ✗ |
fetch_url | URL → 読み取り可能なテキスト | ✗ |
search_arxiv | arXiv API | ✗ |
search_semantic_scholar | Semantic Scholar API | ✗ |
collect_references_iterative | シード論文から引用グラフを辿る | ✗ |
関連ドキュメント
docs/reference/skills.md— 各スキルのナラティブな説明（責務、環境変数、例）。docs/reference/environment_variables.md— 環境変数ごとのリファレンス。- 各スキルの
mcp.json— 標準的なツール名一覧。 - 各スキルの
src/server.pyの@mcp.tool()/@server.list_tools()— 標準的な引数シグネチャ。