# もう detail_level=adaptive と書く必要はありません！
会話履歴を見せて  # 自動的に最適な詳細レベルで表示

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  Claude Desktop │    │ Enhanced MCP    │    │ FastAPI v2.0    │
│  (MCP Client)   │◄──►│  Server v2.0    │◄──►│  (Port 8000)    │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                      │                        │
         │              ┌───────────────┐                │
         │              │ Smart Text    │                │
         │              │ Processor     │                │
         │              │ ・圧縮        │                │
         │              │ ・要約生成    │                │
         │              │ ・用語抽出    │                │
         │              └───────────────┘                │
         │                                               │
         └───────────────────────┬───────────────────────┘
                                 │
                        ┌─────────────────┐
                        │   Enhanced      │
                        │   Redis 7.2     │
                        │ ・圧縮データ    │
                        │ ・多層インデックス│
                        │ ・技術用語DB    │
                        └─────────────────┘

# プロジェクトクローン
git clone  conversation-system
cd conversation-system

# 環境起動
./scripts/start.sh

# v2.0機能確認
curl http://localhost:8000/health | jq '.version'
# Expected: "2.0.0"

会話を記録して

会話履歴を見せて

Dockerについて検索して

# 詳細度の自然な指定
最近の会話を詳しく分析して
過去の会話を簡潔にまとめて

# 件数の自然な指定
今週の会話を振り返って
最近100件の重要な会話を見せて

# 技術検索の自然な指定
プログラミング関連でPythonの話題を探して
インフラ構築について話した内容を検索

会話を記録して

# v2.0 圧縮分析エンドポイント
curl -X POST http://localhost:8000/analyze/compression \
  -H "Content-Type: application/json" \
  -d '{"text": "長い技術文書やコードをここに..."}'

# v2.0 適応的コンテキスト取得
curl -X POST http://localhost:8000/context \
  -H "Content-Type: application/json" \
  -d '{"limit": 50, "detail_level": "adaptive"}'

# v2.0 技術検索
curl -X POST http://localhost:8000/search \
  -H "Content-Type: application/json" \
  -d '{"query_terms": ["Docker", "Kubernetes"], "search_scope": "technical"}'

MCPを使って私の会話履歴を詳細に分析して、以下の戦略的洞察を提供してください：

【技術スキル分析 v2.0】
- 技術用語の使用頻度から現在の専門性レベルを評価
- 学習曲線の可視化と成長速度の分析
- 次に習得すべき技術スタックの推奨

【知識ギャップ分析】
- 圧縮統計から見る知識の密度分布
- 要約パターンから見る理解度の深さ
- 補強すべき知識領域の特定

【生産性最適化】
- 会話パターンの時系列分析
- 最も生産的な時間帯の特定
- 効率化可能なワークフローの発見

【長期戦略提案】
- 技術トレンドとの整合性分析
- キャリアパス最適化の提案
- 3-5年後の市場価値予測

実際の会話データ（1,000件）での効果：
- 圧縮前: 2.5MB
- 圧縮後: 1.6MB
- 節約: 900KB (36%削減)
- 1年間で: 約10.8MBの節約

import requests
import json
from datetime import datetime

class EnhancedConversationClient:
    def __init__(self, base_url="http://localhost:8000"):
        self.base_url = base_url
    
    def analyze_compression(self, text):
        """テキストの圧縮ポテンシャルを分析"""
        response = requests.post(f"{self.base_url}/analyze/compression", 
                               json={"text": text})
        return response.json()
    
    def get_adaptive_context(self, detail_level="adaptive"):
        """適応的詳細レベルでコンテキスト取得"""
        response = requests.post(f"{self.base_url}/context", json={
            "limit": 50,
            "detail_level": detail_level,  # デフォルトで最適化
            "format_type": "narrative"
        })
        return response.json()
    
    def search_technical_terms(self, terms):
        """技術用語での高度な検索"""
        response = requests.post(f"{self.base_url}/search", json={
            "query_terms": terms,
            "search_scope": "technical",  # 技術用語に特化
            "limit": 50
        })
        return response.json()
    
    def get_compression_stats(self):
        """圧縮統計の取得"""
        analytics = requests.get(f"{self.base_url}/analytics").json()
        compression_stats = analytics.get('compression_stats', {})
        
        return {
            "total_saved": compression_stats.get('total_bytes_saved', 0),
            "average_ratio": compression_stats.get('average_compression_ratio', 1.0),
            "savings_percentage": int((1 - compression_stats.get('average_compression_ratio', 1.0)) * 100)
        }
    
    def generate_technical_profile(self):
        """技術プロファイルの生成"""
        analytics = requests.get(f"{self.base_url}/analytics").json()
        tech_terms = analytics.get('technical_terms', [])
        
        profile = "🔧 技術プロファイル分析\n\n"
        profile += "【主要技術スタック】\n"
        
        # 技術カテゴリ分類
        languages = []
        frameworks = []
        tools = []
        
        for term in tech_terms:
            term_name = term['term']
            if term_name in ['Python', 'JavaScript', 'TypeScript', 'Java', 'Go']:
                languages.append(term)
            elif term_name in ['React', 'FastAPI', 'Django', 'Express', 'Vue']:
                frameworks.append(term)
            else:
                tools.append(term)
        
        if languages:
            profile += f"言語: {', '.join([f'{t['term']}({t['count']})' for t in languages[:3]])}\n"
        if frameworks:
            profile += f"フレームワーク: {', '.join([f'{t['term']}({t['count']})' for t in frameworks[:3]])}\n"
        if tools:
            profile += f"ツール: {', '.join([f'{t['term']}({t['count']})' for t in tools[:5]])}\n"
        
        return profile

# 使用例
client = EnhancedConversationClient()

# 圧縮分析
long_text = """
長い技術文書やミーティングノートをここに入れて、
圧縮効率と要約を一度に分析できます。
"""
compression_result = client.analyze_compression(long_text)
print(f"圧縮率: {compression_result['compression_ratio']:.2f}")
print(f"節約バイト: {compression_result['bytes_saved']}")
print(f"技術用語: {', '.join(compression_result['technical_terms'])}")

# 適応的コンテキスト（デフォルトで最適）
context = client.get_adaptive_context()
print("最適化されたコンテキスト:", context['context'](:500))

# 技術検索
tech_results = client.search_technical_terms(["Docker", "Kubernetes"])
print(f"技術検索結果: {len(tech_results)} 件")

# 圧縮統計
stats = client.get_compression_stats()
print(f"総節約容量: {stats['total_saved']:,} バイト")
print(f"平均圧縮率: {stats['savings_percentage']}% 削減")

# 技術プロファイル
profile = client.generate_technical_profile()
print(profile)

# API v2.0確認
curl http://localhost:8000/health | jq '.version'
# Expected: "2.0.0"

# Docker再起動
docker-compose restart conversation_app

# ログ確認
docker-compose logs conversation_app | grep "Enhanced"

# デフォルト設定確認
curl -X POST http://localhost:8000/context \
  -H "Content-Type: application/json" \
  -d '{"limit": 5}' | jq '.compression_stats.detail_level_used'
# Expected: "adaptive"

# 技術用語インデックス確認
docker exec conversation_redis redis-cli keys "tech:*" | wc -l

# 手動で技術用語抽出テスト
curl -X POST http://localhost:8000/analyze/compression \
  -H "Content-Type: application/json" \
  -d '{"text": "DockerでPythonのFastAPIアプリケーションをデプロイ"}' | jq '.technical_terms'

cd conversation-system
./scripts/start.sh
curl http://localhost:8000/health | jq '{version: .version, features: .features}'

# Claude Desktopで長い会話を記録
"この長い技術的な議論を記録して：[長文]"

# 圧縮統計確認
curl http://localhost:8000/analytics | jq '.compression_stats'

# Claude Desktopで（detail_level指定不要！）
会話履歴を見せて

# Claude Desktopで
技術的な内容でDockerを検索して

# Claude Desktopで
MCPで会話履歴を取得して、私の技術成長を分析して

# 自動移行（.envで設定）
echo "ENABLE_MIGRATION=true" >> .env
docker-compose restart conversation_app

# 移行確認
curl http://localhost:8000/analytics | jq '.compression_stats.total_bytes_saved'