【ITニュース解説】Solving Proportional Financial Logic with Deterministic MCP Tools

大規模言語モデル、通称LLMは、人間が話す言葉を理解し、文章を作成する能力に優れている。しかし、数字を正確に扱う計算、特に決定論的で厳密な答えが求められる算術タスクにおいては、その能力に限界がある。LLMは確率的な推論に基づいて動作するため、「公平に割り勘して」と指示しても、もっともらしく見えるが数学的には不正確な分割方法を提示してしまう可能性がある。金融分野のように、わずかな計算ミスも許されない環境で自律的に動作するシステムを構築するには、LLMが持つ確率的な性質に頼るだけでは不十分である。私たちは、計算ロジックを正確にカプセル化した専門的なツール、すなわちModel Context Protocol（MCP）ツールを、LLMに提供する必要がある。

最近開発された「Couples Shared Account Engine」は、世帯における費用を比例配分するためのMCPサーバーの具体例である。これは単なる計算機をツールとして提供するものではなく、複数人の家計を収入の重み付け変数を用いて調整するための構造化されたアプローチを採用している。

共有口座の運用において、最も重要な課題は「平等」と「公平」の違いを理解し、適用することにある。例えば、夫婦が共有する費用を単純に50対50で割る「平等」な方法は、収入に大きな差がある世帯においては、数学的に「公平」ではない場合が多い。真の公平性を実現するには、各パートナーの収入比率に基づいて貢献度を計算する必要がある。

このエンジンは、AIエージェントがこのような複雑な計算を処理できるように、四つの基本的な機能を提供している。 一つ目は「calculate_income_proportions」で、これは世帯全体の収入に対して、各パートナーがどれくらいの割合を占めるかを計算する機能である。 二つ目は「calculate_individual_obligations」で、算出した収入比率を具体的な共有費用総額に適用し、各パートナーの具体的な負担額を決定する。 三つ目は「calculate_reconciliation_transfer」は、共同費用をどちらか一方のパートナーが全額支払った場合に、もう一方のパートナーがいくら支払うべきかを正確に特定し、実際の清算を支援する機能である。 そして四つ目の「calculate_partner_surplus」は、全ての義務が果たされた後に、各パートナーがどれだけの流動性、つまり手元に残るお金があるかを確認するための健全性チェックの役割を果たす。 AIエージェントはこれらの機能を単独で呼び出すのではなく、まず収入比率を確立し、次にそれらを最近の取引に適用し、最終的に清算指示を生成するといった、一連の推論ステップを経て処理を実行する。

これらの機能だけを見ると、単純な数学であり、自分でも簡単にコードを書けると思うかもしれない。しかし、実際の銀行APIや機密性の高い金融データと連携するようなシステム、特にClaudeやCursorのようなAIエージェントワークフローを構築する際には、数学的な難しさよりも、それを支えるインフラストラクチャの複雑さに焦点が移る。 例えば、多くの開発者は、OAuth認証フローの管理、様々なプロバイダーからのWebhookコールバックの処理、あるいは多数の認証情報の管理といった部分に多くの時間を費やしている。一般的な実装では、エージェントをサービスに接続するたびに、長期有効な認証情報を公開したり、複雑なリダイレクトURIを設定したりする必要があった。

「Vinkius」は、このような課題を「統一ゲートウェイアーキテクチャ」を通じて解決する。開発環境やエージェント環境内で個々のツールごとに独自の認証層を設定する代わりに、Vinkiusでは単一の接続トークンを使用する。これにより、複数のサードパーティ連携の複雑さが「MCPFusion」というフレームワークの下で一貫したインターフェースとして抽象化され、管理される。 また、金融取引を扱うツールは、天気予報APIの情報を取得したり、ドキュメントファイルを読み込んだりするツールとは、リスクの度合いが大きく異なる。単にデータを取得するだけでなく、実際の資産に影響を与える意思決定を支援するため、セキュリティと信頼性が極めて重要になる。

現代のAI安全性に関する研究では、「制御されたエージェンシー」という考え方が繰り返し強調されている。これは、LLMに有用な能力を与える一方で、意図しない副作用、例えば誤って多額の送金を行ったり、許可されていないデータが外部に漏洩したりすることを防ぐことを意味する。 Couples Shared Account Engineは、Vinkiusの強化された環境内で動作する。私たちのサーバーは、オープンソースのTypeScriptフレームワークであるMCPFusion（Apache 2.0ライセンス）を使用して構築されており、これにより全てのデプロイメントで動作の一貫性が保証される。具体的には、全ての実行が隔離されたV8サンドボックス内で行われる。

ランタイムレベルでは、次の八つのガバナンスポリシーが実装されている。 データ損失防止（DLP）は、機密性の高い金融パラメーターが意図された範囲を超えて漏洩しないように確保する。これは現在のエンジンが値を計算するだけで直接的な送金を行わないとしても、将来的な機能拡張で脆弱性が生じるのを防ぐ上で重要である。 SSRF（Server-Side Request Forgery）防止は、エージェントが提供されたツールをネットワークスキャン用のプロキシとして悪用しようとする試みをブロックする。 HMAC監査チェーンは、自動化されたワークフロー中にどのツールが呼び出され、どのような入力が処理されたかについて、検証可能な証拠を提供する。 キルスイッチは、異常な動作パターンが検出された場合に、アクティブなセッションを即座に終了させることを可能にする。

これらの機能は、一部の汎用MCPディレクトリが提供する機能と似ているように見えるかもしれないが、Vinkiusが提供するものは、金融の正確性とデータ整合性が絶対に譲れない生産環境で要求される、統合された機関レベルの保護層を欠いていない。 私たちの目標は明確であり、接続に関する開発者の負担を最小限に抑えながら、実行の自律性に対する最大限の制御を確保することである。