Stacks AI

4つのプロバイダードライバー、画像生成、ビジョン、RAG、MCPサポート、およびパーソナライゼーション機能を備えた包括的なAI/LLM統合。

主要パス

• コアパッケージ: storage/framework/core/ai/src/
• 設定: config/ai.ts

ソースファイル

ai/src/
├── drivers/
│   ├── anthropic.ts      # Claude ドライバー
│   ├── openai.ts         # GPT + DALL-E + Whisper + TTS
│   ├── ollama.ts         # ローカル LLM ドライバー
│   └── bedrock.ts        # AWS Bedrock ユーティリティ
├── image.ts              # 画像生成とビジョン
├── search.ts             # RAG、エンベディング、ベクトルインデックス
├── mcp.ts                # Model Context Protocol クライアント
├── personalization.ts    # センチメント分析、分類、推奨
├── buddy.ts              # AI コーディングアシスタント
├── claude-agent.ts       # Claude CLI エージェント（ローカルおよび EC2）
├── claude-agent-sdk.ts   # Claude Agent SDK ドライバー
└── text.ts               # Bedrock テキスト要約

Anthropic ドライバー

import { anthropic } from '@stacksjs/ai'

anthropic.configure({ apiKey: '...', model: 'claude-sonnet-4-20250514', maxTokens: 4096 })
const result = await anthropic.chat([{ role: 'user', content: 'Hello' }])
const stream = await anthropic.streamChat(messages, options)
const response = await anthropic.prompt('Summarize this text...')
const tokens = anthropic.estimateTokens(text)

OpenAI ドライバー

import { openai } from '@stacksjs/ai'

openai.configure({ apiKey: '...', model: 'gpt-4o', embeddingModel: 'text-embedding-3-small' })
const result = await openai.chat(messages, { temperature: 0.7 })
const stream = await openai.streamChat(messages)
const embeddings = await openai.embed('text to embed')
const image = await openai.generateImage('a sunset over mountains')
const transcription = await openai.transcribe(audioFile)
const speech = await openai.textToSpeech('Hello world')

Ollama ドライバー（ローカル LLM）

import { ollama } from '@stacksjs/ai'

ollama.configure({ host: 'http://localhost:11434', model: 'llama3' })
const result = await ollama.chat(messages)
const stream = await ollama.streamChat(messages)
const text = await ollama.generate('Write a poem')
const embeddings = await ollama.embed('text')
const models = await ollama.listModels()
await ollama.pullModel('llama3', (progress) => console.log(progress))
await ollama.deleteModel('old-model')
const info = await ollama.showModel('llama3')
const running = await ollama.isRunning()

画像生成

import { generateImage, editImage, createImageVariation, analyzeImage, analyzeImages } from '@stacksjs/ai'

// 生成 (DALL-E 3)
const result = await generateImage('a cat in space', {
  model: 'dall-e-3', size: '1024x1024', quality: 'hd', style: 'vivid', n: 1
})

// 編集 (DALL-E 2)
await editImage(imageInput, 'add a hat', { mask: maskInput })

// バリエーション
await createImageVariation(imageInput, { n: 3 })

// ビジョン (GPT-4 Vision / Claude)
const analysis = await analyzeImage({ url: 'https://...' }, 'What is in this image?')
const multiAnalysis = await analyzeImages([img1, img2], 'Compare these')

画像入力: { url: string }、{ base64: string }、{ file: string }（自動変換）

RAG とベクトル検索

import { createEmbedding, rag, VectorIndex, chunkText, indexText } from '@stacksjs/ai'

// エンベディングの作成
const embedding = await createEmbedding('text to embed')

// ベクトル類似度
cosineSimilarity(vecA, vecB)
dotProduct(vecA, vecB)
euclideanDistance(vecA, vecB)

// テキストチャンキング
const chunks = chunkText(longText, { chunkSize: 500, overlap: 50 })

// インデックスの構築
const index = await indexText(text, { chunkSize: 500 })

// RAG クエリ
const answer = await rag('What is X?', index, { model: 'claude-sonnet-4-20250514', maxTokens: 1000 })

// VectorIndex クラス
const idx = new VectorIndex({ dimensions: 1536 })
await idx.add([{ id: '1', content: 'Hello', metadata: {} }])
const results = await idx.search('greeting', 5)
const results2 = await idx.searchByVector(queryEmbedding, 5)
idx.remove('1')
idx.clear()
idx.size      // ドキュメント数
idx.ids       // すべてのドキュメント ID

MCP (Model Context Protocol)

import { MCPClient, MCPManager, connectStdio, connectHTTP } from '@stacksjs/ai'

// 単一サーバー
const client = new MCPClient({ name: 'my-server', transport: 'stdio', command: 'npx', args: ['my-mcp-server'] })
await client.connect()
const tools = await client.listTools()
const resources = await client.listResources()
const prompts = await client.listPrompts()
const result = await client.callTool('tool-name', { arg: 'value' })
const resource = await client.readResource('resource://path')
const prompt = await client.getPrompt('prompt-name', { arg: 'value' })
const anthropicTools = client.toAnthropicTools()
const openaiTools = client.toOpenAITools()

// 複数サーバー
const manager = new MCPManager()
manager.addServer({ name: 'server1', transport: 'stdio', command: '...' })
manager.addServer({ name: 'server2', transport: 'streamable-http', url: '...' })
const allTools = await manager.getAllTools()
await manager.callTool('server1/tool-name', args)
await manager.disconnectAll()

// 便利な関数
const client = await connectStdio('name', 'command', ['args'])
const client = await connectHTTP('name', 'https://server.com', headers)

トランスポートタイプ: 'stdio' | 'sse' | 'streamable-http'

パーソナライゼーション

import { analyzeSentiment, classifyText, summarize, recommend, createProfile } from '@stacksjs/ai'

const sentiment = await analyzeSentiment('I love this product!')
// { sentiment: 'positive', score: 0.95, confidence: 0.98, aspects: [...] }

const classification = await classifyText('Fix the login bug', ['bug', 'feature', 'question'])
// { label: 'bug', confidence: 0.92, allLabels: [...] }

const summary = await summarize(longText, { maxLength: 100, style: 'bullet' })

const profile = createProfile('user-123', ['tech', 'gaming'])
recordInteraction(profile, { type: 'view', itemId: 'article-1', weight: 1.0 })
const recs = await recommend(profile, contentItems, { limit: 10 })
const interests = await extractUserInterests(profile, items)

Buddy AI アシスタント

import { processCommand, buddyProcessStreaming, buddyStreamSimple, getAvailableDrivers } from '@stacksjs/ai'

const drivers = getAvailableDrivers()  // ['anthropic', 'openai', 'ollama']
const context = await getRepoContext('/path/to/repo')
await processCommand('Add error handling to auth.ts', 'anthropic')
// ストリーミング
for await (const chunk of buddyProcessStreaming('Refactor this function', 'openai', history)) {
  process.stdout.write(chunk)
}

Claude エージェント

import { createClaudeLocalAgent, createClaudeEC2Agent } from '@stacksjs/ai'

const agent = createClaudeLocalAgent({ cwd: '/project' })
for await (const chunk of agent.processCommandStreaming('Fix the tests')) {
  process.stdout.write(chunk)
}

// リモート EC2 エージェント
const remoteAgent = createClaudeEC2Agent({ ec2Host: '...', ec2User: '...', ec2Key: '...' })

Claude Agent SDK

import { createClaudeAgentSDKDriver } from '@stacksjs/ai'

const driver = createClaudeAgentSDKDriver({
  maxTurns: 10, cwd: '/project', permissionMode: 'auto',
  allowedTools: ['Read', 'Write', 'Edit', 'Bash'],
  customSystemPrompt: 'You are a Stacks expert'
})

for await (const chunk of driver.processStreaming('Build a user registration flow')) {
  process.stdout.write(chunk)
}
const sessionId = driver.getLastSessionId()
await driver.resumeSession(sessionId, 'Add validation')

config/ai.ts

{
  default: 'meta.llama2-70b-chat-v1',
  models: ['meta.llama2-70b-chat-v1', ...],  // AWS Bedrock モデル
  deploy: true
}

注意点

• API キーは .env に置くべきです — ANTHROPIC_API_KEY、OPENAI_API_KEY
• Ollama はポート 11434 で実行されているローカルサーバーが必要です
• 画像生成はデフォルトで OpenAI DALL-E を使用します
• ビジョンは GPT-4V と Claude モデルの両方をサポートします
• VectorIndex はメモリ内です — 再起動間で永続化されません
• RAG はチャンキング + エンベディング + ベクトル検索 + LLM 生成を組み合わせます
• MCP は stdio（サブプロセス）、SSE、HTTP トランスポートをサポートします
• buddy アシスタントは git 統合を備えています（コミット、プッシュ、変更の適用）
• Claude Agent SDK は Claude Code CLI をラップしてエージェンティックワークフローを実現します
• Bedrock ユーティリティは AWS ホストモデル呼び出し用です
• センチメント分析/分類は AI モデルを使用します — ルールベースではありません