lajosdeme/mole

何を解決するか

mole は、AI駆動の研究における一般的な落とし穴を解決するためのディープリサーチエージェントです。APIコストの制御不能、根拠のない主張（幻覚）、およびローカルデータを分析する際のプライバシーリスクです。このエージェントは、研究レポートで述べられるすべての主張が、元の資料からの正確な引用に基づいていることを保証し、研究実行の総コストがユーザーが定義した予算を超えないようにします。

動作方法

エージェントは構造化されたパイプラインに従います。質問を部分的な質問に分解し、資料を検索し、主張を抽出し、元のテキストと照合して検証します。主張グラフを使用して矛盾を仲裁し、出典付きで最終的な回答を合成します。

主なメカニズムは以下の通りです：

• 予算の強制：すべてのモデル呼び出しは実行前にリーダーに予約され、実行後に決済されるため、支出のハード上限が保証されます。
• 検証：サポートする引用がソースページに正確に記載されていない場合、主張は破棄されます。
• プライバシー境界：ローカルデータ（CSV、JSONなど）に対しては、モデルはテンプレートやカラム名の選択のみを行い、mole がローカルでSQLをレンダリング・実行し、モデルに返すのは集計値（件数、平均値など）のみです。そのため、元の行データは機械から流出しません。
• MCP統合：単体エージェントとして実行可能であり、Model Context Protocol (MCP) を通じて「ツールキットモード」でも動作可能。他のコーディングエージェントが確定的なツールとしてこのエージェントを活用できます。

対象ユーザー

予算を厳密に管理し、データプライバシーを損なわず、高精度で検証可能なAI研究が必要な研究者、開発者、アナリスト。

特徴

• ハードな予算上限：支出制限を0%オーバーすることなく守る。
• 正確な引用の検証：すべての主張が元の資料と照合され、幻覚を排除。
• プライバシー保護型ローカル分析：データ上でローカルにSQLを実行し、LLMに送信するのは集計値のみ。
• MCP対応：他のエージェントによって制御可能、または研究ツールのセットとして動作可能。
• 学術統合：Crossref、OpenAlex、arXiv、PubMedへの問い合わせ専用エージェントを提供。
• データセットモード：研究から構造化データセットを構築可能。単なる文章ではなく、データとしての出力が可能。