---

中国の神獣をモチーフにした、Vibe Coding とデータ分析のためのセキュリティアシスタント。

オープンソースの Coding Agent CLI。強力なプライバシー保護と多言語インタラクションを備え、複数バックエンド（DeepSeek / OpenAI 互換 / 智譜 / 通義 / Kimi / ローカル Ollama）をサポートします。ツール呼び出し、スキル読み込み、サブエージェント委任、コンテキスト圧縮、セキュアサンドボックスなどの完全な機能を提供します。

---

コア優位性

プライバシー保護

• 双方向可逆プライバシー保護：機密情報は LLM に送信される前にプレースホルダーへ置換され、応答を受け取った後に自動で復元されます。この処理はユーザーに意識させません。ユーザーが見る履歴、ツール引数、最終回答は常に原文であり、LLM が見るのは «PZ_PHONE_a3f8b2c1d4e5f6a7» のようなランダムで推測不可能なプレースホルダーです。
• ディスク書き込み時の全面脱敏：セッションファイル、圧縮トランスクリプト、監査ログは書き込み前に自動で脱敏されます（デフォルト有効）。ディスク上に平文 PII は残りません。
• インジェクション耐性：プレースホルダーには 64 ビット暗号学的ランダムトークンを使用し、列挙・偽造・リプレイができません。セッション切り替え後、古いプレースホルダーは即座に無効になります。
• 複数のプライバシー保護有効化方法：CLI で自然言語入力により有効化できるほか、より正確な /privacy コマンドも使用できます。
• ローカルファーストの agent：本製品はリモートデータベースを持たず、完全にローカルで動作します。ユーザー情報を収集しません。

機能

• マルチバックエンド対応：DeepSeek、任意の OpenAI 互換インターフェース（GLM / Qwen / Kimi / OpenAI）、ローカル Ollama。設定一つで切り替え可能。

• ゼロ設定起動：初回実行時に設定ファイルを自動生成。ユーザーは一度だけ API キーを入力すればよい。

• プライバシー脱敏：LLM に送信する前に 30+ 種類の機密情報（電話番号、メール、身分証、パスポート、銀行カード、国際番号、API Key、JWT、データベース接続文字列、MAC アドレスなど）を自動識別して脱敏し、応答後に自動復元します。ディスク書き込み時にも同様に脱敏し、ディスクに平文を残しません。標準 / 厳格の 2 モードをサポートし、自然言語または /privacy コマンドで切り替えられます。

• 多言語インタラクション：中国語 / 英語 / 日本語 / 韓国語 / スペイン語 / フランス語 / ドイツ語 / ロシア語 / アラビア語の 9 言語を自由に切り替え可能。English と言うか /lang ja を使えば、AI はセッション全体で対応言語で思考し応答します。

• 完全なツールチェーン：bash 実行、ファイル読み書き編集、glob/grep 検索、Web 検索・取得、バックグラウンドタスク、タスク・ToDo 管理。

• スキルシステム（Skills）：必要に応じてドメイン知識（SKILL.md）を読み込み、特定シーンで AI をより専門的にします。

• サブエージェント（Subagents）：複雑なタスクを独立コンテキストのサブエージェントに委任し、メインセッションの汚染を防ぎます。

• フック（Hooks）：Python または Shell フック。ツール呼び出し前後のインターセプト、監査ログ、自動フォーマット、テストゲートをサポート。

• MCP プロトコル：Model Context Protocol を通じて外部ツールサーバー（GitHub、Filesystem など）に接続。

• コンテキスト圧縮：2 段階圧縮（ツール結果の切り詰め + LLM 要約）により、超長い会話をサポート。

• セキュアサンドボックス：コマンド許可リスト、パス脱出検出、危険コマンド遮断、機密ファイル保護、スクリプトインジェクション遮断。

• 黒金テーマ CLI：中国語幅の自動調整、コードハイライト、Diff 着色、思考の折りたたみ。

白澤 CLI 画面

インストール

前提条件

• Python 3.10+（tomllib が必要。3.11+ では標準搭載、3.10 では tomli をインストール）
• pip

ソースからインストール

ダウンロード方法は 2 つ

1. pip install https://github.com/Xu123-Bob/Baize.git

   bash -- Win+R を押して cmd を入力し、次を実行：

   baize

2. リポジトリページで <> Code --> Download ZIP をクリック。

(1) 解凍後、ディレクトリに移動：

bash -- Win+R を押して cmd を入力

cd 解凍後のディレクトリ

pip install -r requirements.txt

python -m Baize

インストール後、Win+R を押して cmd を入力し、CLI を開いて baize と入力すれば実行できます。

(2) ZIP をダウンロードしてローカルインストールする場合、解凍後にディレクトリへ移動して実行：

bash -- Win+R を押して cmd を入力

pip install .

インストール後、Win+R を押して cmd を入力し、CLI を開いて baize と入力すれば実行できます。

オプション：データ接続依存関係をインストール（データ分析に重要）

白澤に SPSS や SQL データベースを操作させたい場合は、追加依存関係をインストールします：

pip install -r requirements-data.txt

requirements-data.txt には以下が含まれます：

• spss-studio-mcp：SPSS 統計分析 MCP server（ローカルに IBM SPSS Statistics がインストール済みである必要あり）
• atengk-mcp-server-rdbms：汎用リレーショナルデータベース MCP server（PostgreSQL / MySQL / SQL Server / Oracle / 達夢など）
• pyodbc：SQL Server に必要な ODBC Python バインディング

または、プロジェクトを pyproject.toml でインストールしている場合、extras も使用できます：

pip install -e ".[data]"          # データ接続依存関係をすべてインストール
pip install -e ".[spss]"          # SPSS のみ
pip install -e ".[sql]"           # 汎用 SQL のみ
pip install -e ".[sql-mssql]"     # SQL Server 専用（pyodbc を含む）

• ⚠️ SQL Server ユーザー注意：pyodbc は Python バインディングのみです。システム側に Microsoft ODBC Driver 18 for SQL Server もインストールする必要があります。
• ⚠️ SPSS ユーザー注意：spss-studio-mcp は MCP ブリッジ層のみです。ローカルに IBM SPSS Statistics（バージョン 20–31）がインストールされ、ライセンス認証済みである必要があり、環境変数 SPSS_INSTALL_PATH を SPSS インストールディレクトリに設定する必要があります。SPSS エンジンによる完全な分析機能は主に Windows でサポートされます。Linux/macOS では「ファイルモード」に降格できます（.sav ファイルの読み取り、メタデータ確認、データプレビューは可能ですが、統計分析はできません）。

クイックスタート

LLM API に接続して実行

1. 初回実行

baize

初回実行時、白澤は 2 つの設定ファイルを自動生成します：

~/.baize/config.toml   # バックエンド設定（DeepSeek / OpenAI / Ollama を選択）

~/.baize/.env          # キーファイル

Windows のパスは C:\Users\ユーザー名\.baize\ です。

2. バックエンドを選択

~/.baize/config.toml を開き、active_provider を変更します（必ず変更）：

# 白澤設定ファイル
# active_provider を変更してバックエンドを切り替え
# 選択可能値："deepseek" / "qwen" / "kimi" / "glm" / "openai" / "ollama"

active_provider = "deepseek"

[model_providers.deepseek]
name = "DeepSeek"
base_url = "https://api.deepseek.com"
env_key = "DEEPSEEK_API_KEY"
model = "deepseek-flash"

[model_providers.qwen]
name = "Qwen"
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
env_key = "DASHSCOPE_API_KEY"
model = "qwen-plus"

[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.cn/v1"
env_key = "MOONSHOT_API_KEY"
model = "kimi-k2.7-code"

[model_providers.glm]
name = "GLM"
base_url = "https://open.bigmodel.cn/api/paas/v4"
env_key = "ZHIPUAI_API_KEY"
model = "glm-4-plus"

[model_providers.openai]
name = "OpenAI"
base_url = "https://api.openai.com/v1"
env_key = "OPENAI_API_KEY"
model = "gpt-4o"

[model_providers.ollama]
name = "Ollama (ローカル)"
base_url = "http://localhost:11434/v1"
env_key = ""
model = "qwen2.5:7b"

3. キーを入力

~/.baize/.env を編集します。使用する LLM がある場合、その行の先頭の # を削除し、他の LLM の先頭に # を追加して他の LLM API 出力をロックします。API Key を入力したら必ず保存してください。保存後にのみ有効になります：

# ============================================================
# 白澤キーファイル
# ============================================================
# 使用するバックエンドのキーだけを入力し、他はコメントのままにします。
# 変数名は config.toml の env_key フィールドと一致させる必要があります。
#
# 場所：
#   Linux / macOS: ~/.baize/.env
#   Windows:       C:\Users\ユーザー名\.baize\.env
# ============================================================

# ---------- DeepSeek（デフォルトバックエンド） ----------
# 取得先：https://platform.deepseek.com/api_keys
DEEPSEEK_API_KEY=

# ---------- OpenAI または任意の OpenAI 互換インターフェース（オプション） ----------
# Groq、通義、Moonshot、智譜、OpenAI などに適用
# 注意：base_url は config.toml の [model_providers.xxx] で設定し、ここでは設定しません
# OPENAI_API_KEY=

# ---------- 通義千問（オプション） ----------
# 取得先：https://dashscope.console.aliyun.com/
# DASHSCOPE_API_KEY=

# ---------- Kimi / Moonshot（オプション） ----------
# 取得先：https://platform.moonshot.cn/console/api-keys
# MOONSHOT_API_KEY=

# ---------- 智譜 GLM（オプション） ----------
# 取得先：https://open.bigmodel.cn/usercenter/apikeys
# ZHIPUAI_API_KEY=

# ---------- カスタムゲートウェイ（オプション） ----------
# CUSTOM_API_KEY=

# ---------- Ollama（ローカルモデル、キー不要） ----------
# Ollama が localhost:11434 で動作していれば、ここでの設定は不要です

1. 再起動

baize

黒金のロゴとウェルカムメッセージが表示されれば起動成功です。

Ollama ローカルモデル（ゼロコスト）

クラウド API を使いたくない場合は、ローカル Ollama を使用します：

bash

# 1. Ollama をインストール：https://ollama.com/download
# 2. モデルを取得
ollama pull qwen2.5:7b

# 3. Ollama サービスを起動
ollama serve

# 4. ~/.baize/config.toml を変更
active_provider = "ollama"

# 5. 白澤を起動
baize

推奨モデル：qwen2.5:7b（中国語に強い）、llama3.1:8b、deepseek-r1:7b。

使用例

起動後、>>> 降旨： プロンプトで自然言語により要件を記述します：

>>> 降旨：Python で Douban Top250 をスクレイピングするスクリプトを書き、CSV として保存してください

>>> 降旨：src/ 以下のすべての Python ファイルの型エラーを確認してください

>>> 降旨：このリポジトリ内で requests を使っている箇所をすべて探し、httpx に変更してください

多言語インタラクション

白澤は 9 言語をサポートします：中国語、English、日本語、한국어、Español、Français、deutsch、русский、العربية。

切り替え方法は 2 つあります：

方法 1：直接話す（自動検出）

白澤は入力言語を自動認識して切り替えます：

>>> 降旨：Hello, help me write a Python script
[システム] 入力言語を English と検出しました。白澤は English インタラクションに切り替えました。
（白澤は英語で応答）

>>> 降旨：日本語で答えてください
[システム] 入力言語を 日本語 と検出しました。白澤は 日本語 インタラクションに切り替えました。
（白澤は日本語で応答）

方法 2：手動コマンド

>>> 降旨：/lang                # 現在の言語と利用可能リストを表示
[システム] 現在の言語：中文 (zh)
[システム] 利用可能な言語：
    zh    中文 ←
    en    English
    ja    日本語
    ko    한국어
    es    Español
    fr    Français

>>> 降旨：/lang English        # 言語名で切り替え
>>> 降旨：/lang ja             # 言語コードで切り替え
>>> 降旨：/lang 西班牙语        # 中国語名でも可能

言語名 / 言語コード / 中国語名 / 原語名の 4 種類をサポートします。たとえば英語に切り替える場合、English、en、英语、英文 のいずれでも可能です。

内蔵コマンド

• /exit、/quit --> 白澤を終了
• /clear --> 会話履歴、ToDo、思考記録、ツール記録をクリア
• /compact --> 手動でコンテキストを圧縮（会話が長すぎる場合に使用）
• /commit --> 現在のセッションを保存し Git にコミット（Git リポジトリ内の場合）
• /lang --> 現在の言語を表示；/lang en で英語に切り替え（言語コードまたは言語名をサポート）
• /skills --> 利用可能なすべてのスキルを一覧表示
• /skills reload --> ユーザースキルディレクトリを再読み込み
• /unload --> 現在アクティブなスキルをアンロード
• /show thought --> 完全な思考記録を表示
• /show tool --> ツール呼び出し記録を表示
• /show all --> すべてのセッション履歴を表示
• /スキル名 --> 指定スキルを読み込み（曖昧一致をサポート）
• /privacy --> プライバシー脱敏制御（on / off / strict / status / rules / test / clear）
• /privacy rule-off <name> --> 特定の脱敏ルールを無効化（例：/privacy rule-off phone_intl）
• /privacy rule-on <name> --> ルールを再度有効化

データ接続使用例

SPSS / SQL を設定した後、自然言語で直接操作できます：

>>> 降旨：SPSS で data.sav を開き、変数リストとサンプルサイズを教えてください

>>> 降旨：data.sav に対して記述統計を実行し、その後線形回帰を実行してください

>>> 降旨：sales テーブルで先月の売上が 10 万を超える注文を検索し、顧客ごとにグループ化してください

>>> 降旨：SPSS の分析結果を CSV にエクスポートし、SQL で顧客マスタデータと結合してください

拡張機構

白澤は 4 種類の拡張方法をサポートします。現在の作業ディレクトリに配置すれば有効になります。

スキル（Skills）

./skills/スキル名/SKILL.md にドメイン知識を記述します。AI は複雑なタスクに遭遇したとき自発的に読み込みます。

markdown

---
name: pandas-eda

description: pandas による探索的データ分析のベストプラクティス

tags: data,python
---

# Pandas EDA ガイド

## コア手順
1. df.info() でフィールド型と欠損を確認
2. df.describe() で統計記述
...

会話中に /pandas-eda で手動読み込みすることもできます。

サブエージェント（Subagents）

./subagent/ロール名/AGENT.md に専用サブエージェントを定義します。メインエージェントは agent ツールでタスクを委任できます。

markdown

---
name: code-reviewer

description: 厳格なコードレビュアー
---

あなたはシニアコードレビュアーです。レビュー時は以下を優先してください：
1. 境界条件と例外処理
2. リソースリーク
3. 並行安全性
...

フック（Hooks）

./hooks/ の下に PreToolUse-*.sh、PostToolUse-*.sh、Stop-*.sh を配置します。JSON 入力を受け取り、判断を返します：

#!/bin/bash
# PreToolUse-guard.sh
read -r input
if echo "$input" | grep -q "rm -rf"; then
  echo '{"hookSpecificOutput":{"permissionDecision":"block","permissionDecisionReason":"Deletion prohibited"}}'
fi

Python フックは内蔵 API を直接呼び出せます（Baize.py の hook_* 関数を参照）。

MCP サーバー

./MCP/mcp_config.json で外部ツールサーバーを設定します：

{
  "mcpServers": [
    {
      "name": "filesystem",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "."],
      "env": {},
      "enabled": true
    }
  ]
}

セキュリティ設計（コア）

白澤はデフォルトで以下のセキュリティ機構を有効にします：

• コマンド許可リスト：ls、cat、grep、git、python3 などの一般的なコマンドのみ許可。
• パス脱出検出：すべてのファイル操作を現在の作業ディレクトリと /tmp 内に制限。
• 危険コマンド遮断：rm -rf /、fork bomb、curl | sh、git push --force などのパターンを遮断。
• 機密ファイル保護：.env、.ssh/、id_rsa、*.pem などの変更を禁止。
• スクリプトインジェクション遮断：python -c "os.system(...)" のようなバイパスを検出。
• プロセスリソース制限：Linux/macOS で CPU、メモリ、プロセス数を制限。
• プライバシー脱敏（双方向可逆）：送信時に PII をランダムプレースホルダーへ置換し、受信時に復元。ディスク書き込み時は独立して脱敏。
• プレースホルダーインジェクション耐性：64 ビット暗号学的ランダムトークン + 入力側中和 + セッション分離。
• 監査ログ脱敏：hook_audit_log は書き込み前に脱敏し、切り詰め、失敗時は書き込みを拒否。

信頼済みプロジェクトで制限を緩和する必要がある場合、Baize.py の ALLOWED_COMMANDS と FORBIDDEN_PATH_PATTERNS を変更できます。

プライバシー脱敏（コア）

白澤には 双方向可逆 + ディスク脱敏 のプライバシー保護機構が内蔵され、入力からディスクまでの全経路をカバーします：

• 送信時：LLM に送信する前に PII を推測不可能なプレースホルダーへ置換。
• 受信時：LLM 応答内のプレースホルダーを原文へ復元。
• ディスク書き込み時：セッションファイル、圧縮トランスクリプト、監査ログを書き込み前に独立して脱敏。ディスクに平文を残さない。

デフォルトでは無効です。必要時に有効化します。

有効化方法は 2 つ

方法 1：自然言語

会話中で直接言います：

>>> 降旨：プライバシー脱敏を有効化
[システム] プライバシー脱敏を有効化しました（標準モード）。

>>> 降旨：厳格脱敏を有効化
[システム] プライバシー脱敏を有効化しました（厳格モード）。

>>> 降旨：プライバシー保護を無効化
[システム] プライバシー脱敏を無効化しました。

方法 2：スラッシュコマンド

• /privacy on 標準モードを有効化
• /privacy strict 厳格モードを有効化
• /privacy off 無効化
• /privacy status 状態、セッション ID、ルール数、LRU/TTL 統計を表示
• /privacy rules すべてのルール（有効状態を含む）を一覧表示
• /privacy rule-off <name> 特定ルールを無効化
• /privacy rule-on <name> ルールを再度有効化
• /privacy test <テキスト> 脱敏効果をテスト
• /privacy clear プレースホルダーマッピングをクリアし、セッション ID をローテーション

2 つのモード

標準：中国大陸の携帯番号、身分証番号、銀行カード番号（Luhn チェック）、メール、IPv4/IPv6、OpenAI/Anthropic/GitHub/AWS API Key、Bearer Token、秘密鍵ブロック、パスワードフィールド、URL 認証情報。

厳格：標準モードのすべて + 中国語氏名、QQ 番号、WeChat ID、中国大陸のナンバープレート番号。

仕組み

ユーザー入力（実際の PII を含む）→ messages は原文を保存

↓ sanitize_messages()

LLM に送信されるのは [[PHONE_1]]、[[EMAIL_1]]

↓ LLM 応答

返されたプレースホルダー → restore_message()

原文へ復元 → ディスク書き込み / 表示 / ツール実行

• プライバシー脱敏（双方向可逆）：送信時に PII をランダムプレースホルダーへ置換し、受信時に復元。ディスク書き込み時は独立して脱敏。
• プレースホルダーインジェクション耐性：64 ビット暗号学的ランダムトークン + 入力側中和 + セッション分離。
• 監査ログ脱敏：hook_audit_log は書き込み前に脱敏し、切り詰め、失敗時は書き込みを拒否。

ツール引数のインテリジェント分级

脱敏される（純テキスト引数で、実際の実行には参加しない）：

• todo、ask_user_question、task_create、task_update

脱敏されない（パス/コマンド/URL が実際に使用される）：

• run_read / run_write / run_edit / run_glob / run_grep（パスは IO に使用）
• run_bash / background_run（コマンドは実行される）
• run_webfetch / web_search（URL は実際にネットワークへ送信される）
• set_workspace（パスは chdir に使用）
• load_skills（スキル名は列挙）
• agent（サブエージェントコンテキストは独立して脱敏）
• mcp_*（意味が未知のため保守的に処理）

ディスク書き込み時はすべて脱敏（ディスク内容は再実行されないため、安全性を優先）。

ディスク脱敏

デフォルト有効で、メモリ内脱敏とは独立しています。/privacy off（メモリ内脱敏なし）でも、ディスク書き込み時は少なくとも標準ルールを通します。

主な特徴：

• ディスク脱敏は独立した一回限りのマッピングテーブルを使用します。ディスクに書き込まれたプレースホルダーは復元できません。マッピングテーブルは破棄されるためです。
• ディスク脱敏が失敗した場合、平文の書き込みを拒否します（降格なし、サイレントスキップなし）。
• 旧バージョンのセッションファイルに平文が含まれる場合、初回保存時に自動で脱敏して書き換えます。

無効化方法（非推奨）：Baize.py の PERSIST_REDACT_ENABLED = False を変更します。

例

>>> 降旨：/privacy test 私の電話番号は 13812345678、メールは [email protected]
原文：私の電話番号は 13812345678、メールは [email protected]
脱敏：私の電話番号は [[PHONE_1]]、メールは [[EMAIL_1]]
復元：私の電話番号は 13812345678、メールは [email protected]

>>> 降旨：/privacy status
[プライバシー脱敏]
現在のモード : 標準モード (standard)
セッション ID : 7d2f5e91
有効ルール数 : 34 / 41
アクティブプレースホルダー : 2
マッピング容量 : 2 / 2000
TTL : 86400 秒
LRU 淘汰 : 0
TTL 淘汰 : 0
脱敏呼び出し回数: 3
復元呼び出し回数: 3

>>> 降旨：/privacy rules
[プライバシー脱敏ルール一覧] 全 41 件
【標準+厳格】
[✓] phone_cn 中国大陸携帯番号 (standard,strict)
[✓] id_card_cn 中国大陸身分証番号 (standard,strict)
[✓] jwt JWT Token (standard,strict)
...
【厳格のみ】
[✓] name_cn 中国語氏名 (strict)
[✓] address_cn 中国語詳細住所 (strict)
...
使い方：
/privacy rule-off <name> ルールを無効化
/privacy rule-on <name> ルールを再度有効化

テスト画面

データ接続（コア）

白澤は MCP（Model Context Protocol） を通じて企業データ分析ソフトウェアと接続します。メインプログラムの変更は不要で、MCP/mcp_config.json に server を登録するだけです。

SPSS 接続

前提条件

• ローカルに IBM SPSS Statistics がインストール済み（バージョン 20–31、Windows 推奨）
• SPSS がライセンス認証済みで正常起動できること

設定手順

1. SPSS インストールディレクトリを確認：デフォルトパスは通常 C:\Program Files\IBM\SPSS Statistics\ の後にバージョン番号（例：31）が付きます。

2. 環境変数を設定（.env またはシステム環境変数）：

SPSS_INSTALL_PATH=C:\Program Files\IBM\SPSS Statistics\31

1. 状態を確認：

spss-studio-mcp status

期待される出力：

=== SPSS MCP Capability Status ===
pyreadstat : OK v1.3.6
pandas     : OK v3.0.2
SPSS batch : OK

1. MCP/mcp_config.json に登録：

{
  "mcpServers": [
    {
      "name": "spss",
      "command": "spss-studio-mcp",
      "args": ["serve", "--transport", "stdio"],
      "env": {
        "SPSS_INSTALL_PATH": "C:\\Program Files\\IBM\\SPSS Statistics\\31"
      },
      "enabled": true
    }
  ]
}

SPSS batch: NOT FOUND の場合

spss-studio-mcp が SPSS エンジンを見つけられなかったが、pyreadstat + pandas は正常という意味です。この場合 ファイルモード になります：

• .sav の読み取り、メタデータ確認、データプレビュー、CSV ↔ SAV 変換が可能
• 統計分析（t 検定、回帰、ANOVA など）は実行不可

解決方法：MCP/mcp_config.json の SPSS_INSTALL_PATH を正しく設定するか、ファイルモードへの降格を受け入れます。

SQL 接続

対応データベース

PostgreSQL、MySQL、MariaDB、SQL Server、Oracle、達夢、人大金倉、TiDB、OceanBase など（SQLAlchemy 2.0 ドライバーベース）。

設定手順

1. 読み取り専用データベースアカウントを準備（強く推奨）：

CREATE USER baize_ro WITH PASSWORD 'xxx';
GRANT SELECT ON ALL TABLES IN SCHEMA public TO baize_ro;

1. 接続文字列を準備：

• PostgreSQL --> postgresql+psycopg://user:pwd@host:5432/db
• MySQL --> mysql+pymysql://user:pwd@host:3306/db
• SQL Server --> mssql+pyodbc://user:pwd@host:1433/db?driver=ODBC+Driver+18+for+SQL+Server
• Oracle --> oracle+oracledb://user:pwd@host:1521/?service_name=ORCL

1. MCP/mcp_config.json に登録：

{
  "mcpServers": [
    {
      "name": "sql",
      "command": "atengk-mcp-server-rdbms",
      "args": ["--transport", "stdio"],
      "env": {
        "DATABASE_URL": "postgresql+psycopg://baize_ro:pwd@localhost:5432/prod"
      },
      "enabled": true
    }
  ]
}

内蔵セキュリティガードレール

atengk-mcp-server-rdbms は多層保護を提供します：

• AST レベル SELECT ガード：sqlglot で構文木を解析し、DELETE/UPDATE/DROP/TRUNCATE などの書き込み操作を物理的に遮断。
• 自動 LIMIT 注入：行数未指定のクエリには強制的に LIMIT 100 を追加し、全表取得によるメモリ枯渇を防止。
• デフォルト読み取り専用：書き込み操作は --allow-dml / --allow-ddl で明示的に許可する必要あり。
• SQL インジェクション遮断：AST 層で文字列連結により構築された悪意ある文を拒否。

複数データベースを一度に設定

複数のデータベースに同時接続したい場合、複数の server を登録できます：

{
  "mcpServers": [
    {
      "name": "sql_prod",
      "command": "atengk-mcp-server-rdbms",
      "args": ["--transport", "stdio"],
      "env": { "DATABASE_URL": "postgresql+psycopg://ro:pwd@prod:5432/db" },
      "enabled": true
    },
    {
      "name": "sql_warehouse",
      "command": "atengk-mcp-server-rdbms",
      "args": ["--transport", "stdio"],
      "env": { "DATABASE_URL": "mysql+pymysql://ro:pwd@dw:3306/analytics" },
      "enabled": true
    }
  ]
}

白澤はそれらのすべてのツールを MATERTOOLS に自動統合し、LLM がタスクに応じて自動選択します。

ディレクトリ構造

    baize-agent/
    ├── pyproject.toml              # パッケージ設定
    ├── requirements-data.txt       # データ接続依存関係（オプション）
    ├── requirements-data           # 接続依存関係
    ├── README.md
    ├── tests/                      # テスト（パッケージには含まれない）
    |   ├── __init__.py
    |   ├── test_history.py
    |   └── test_skill_loader.py
    ├── .env.example                # 環境変数例
    ├── .gitignore
    └── agent/                      # メインパッケージ
        ├── logo_*                  # ログイン画面ロゴ
        ├── LOGO和启动交互界面       # ログイン画面ロゴ画像
        ├── __init__.py             # バージョン
        ├── Baize.py                # メインプログラムと Agent Loop
        ├── config.py               # マルチバックエンド設定読み込み
        ├── ui_theme.py             # CLI レンダリングテーマ
        ├── utils.py                # 汎用ユーティリティ
        ├── logo.txt
        ├── skills/                 # 内蔵スキル
        ├── subagent/               # 内蔵サブエージェント
        ├── core/                   # コアロジック（副作用なし、単体テスト可能）
        |   ├── __init__.py
        |   ├── history.py          # セッション履歴クリーニング / token 見積り / 圧縮
        |   └── privacy.py          # プライバシー脱敏：PII 識別 / プレースホルダー置換 / 可逆復元
        ├── hooks/                  # 内蔵フック
        └── MCP/                    # MCP クライアントと設定
            ├── __init__.py
            ├── mcp_client.py       # MCP クライアント
            └── mcp_config.json     # MCP 設定

環境変数リファレンス

• 変数：DEEPSEEK_API_KEY — 説明：DeepSeek API キー — デフォルト：—（秘密）
• 変数：DEEPSEEK_BASE_URL — 説明：DeepSeek エンドポイント URL — デフォルト：https://api.deepseek.com
• 変数：OPENAI_API_KEY — 説明：OpenAI 互換 API キー — デフォルト：—（秘密）
• 変数：OPENAI_BASE_URL — 説明：OpenAI 互換エンドポイント URL — デフォルト：https://api.openai.com/v1
• 変数：OLLAMA_BASE_URL — 説明：Ollama サービス URL — デフォルト：http://localhost:11434

上記変数は ~/.baize/.env に書き込めばよく、shell 設定ファイルの変更は不要です。

• データ分析変数：SPSS_INSTALL_PATH — 説明：IBM SPSS Statistics インストールディレクトリ — デフォルト：—（未設定の場合はファイルモードへ降格）
• データ分析変数：DATABASE_URL — 説明：SQL MCP のデータベース接続文字列 — デフォルト：—（MCP server が読み取る）

上記変数は MCP/mcp_config.json に書き込みます。

開発

テスト実行

本プロジェクトは pytest を使用します。開発前にパッケージと開発依存関係を編集可能モードでインストールしてください：

    pip install -e ".[dev]"

すべてのテストを実行：

    python -m pytest tests/ -v

単一ファイルのみ：

    python -m pytest tests/test_history.py -v

コード構造規約

• agent/：パッケージとして配布されるメインパッケージ。すべての実行時ロジックとリソース（skills、subagent、hooks、MCP）はここにあります。
• agent/core/：外部副作用のない純粋ロジックモジュール。単独でテスト可能でなければなりません。 新しいこの種のロジックはここに置き、テストを添付してください。
• tests/：agent/ 下のソースファイルと 1 対 1 対応し、test_<モジュール名>.py と命名します。
• 外部依存（ネットワーク、ディスク、グローバル状態）を持つ関数は、テストで置換できるよう引数を通じて依存性を注入してください。

❓ FAQ

• Q：API キーはどこに記入しますか？

A：~/.baize/.env です。プロジェクトルートの .env ではありません。

• Q：バックエンドを変更したら再インストールが必要ですか？

A：不要です。~/.baize/config.toml の active_provider を変更するだけです。

• Q：ローカル Ollama にキーは必要ですか？

A：不要です。active_provider = "ollama" を選択し、env_key を空にしてください。

• Q：作業ディレクトリを切り替えるには？

A：会話中で「/path/to/project に切り替えて」と言うと、白澤が set_workspace ツールを呼び出します。

• Q：コンテキストが長すぎるとどうなりますか？

A：白澤は自動で 2 段階圧縮します。まず古いツール結果を切り詰め、次に LLM に要約を依頼します。手動で /compact も使用できます。

• Q：誤ってファイルを削除しませんか？

A：デフォルトのコマンド許可リストが rm -rf / などの危険操作を遮断します。ファイル書き込み前には Diff を表示し確認を求めます。

• Q：白澤を SPSS に接続するには？

A：1. pip install -r requirements-data.txt をインストール；2. 環境変数 SPSS_INSTALL_PATH を SPSS インストールディレクトリに設定；3. MCP/mcp_config.json で spss server を有効化。詳細は「データ接続（SPSS / SQL）」章を参照。

• Q：SPSS batch: NOT FOUND の場合は？

A：SPSS エンジンが見つからないことを意味します。SPSS_INSTALL_PATH が stats.exe を含むディレクトリを正しく指しているか確認してください。.sav ファイルのみを扱う場合はこの警告を無視できます（ファイルモードへ降格）。

• Q：SQL データベースに接続するには何を追加インストールしますか？

A：Python 層では atengk-mcp-server-rdbms をインストールします（pip install で自動完了）。SQL Server ユーザーはシステム層に Microsoft ODBC Driver 18 もインストールする必要があり、これは pip ではインストールできません。

• Q：白澤がデータベースデータを誤って削除しませんか？

A：しません。SQL MCP はデフォルトで SELECT のみ許可し、AST 構文木レベルですべての書き込み操作を遮断します。さらに、白澤専用の読み取り専用データベースアカウントを作成することを強く推奨します。

• Q：SPSS 分析結果のデータが LLM に漏れませんか？

A：プライバシー脱敏が有効（/privacy on）の場合、ツール返却結果は LLM に送信される前に電話番号、メール、身分証などの PII が自動脱敏されます。ただし、読み取り専用データベースアカウント + データサンプリング（必要なフィールドのみクエリ）も併用してリスクを下げることを推奨します。

• Q：SPSS/SQL を追加すると、白澤の毎回の会話が遅くなり token も増えるのはなぜですか？

A：MCP server が公開するツール定義が毎ターン LLM に送信されるためです。SPSS には 60+ のツールがあり、約 6,000–12,000 token の固定オーバーヘッドが増えます。よく使うワークフローに SPSS が含まれない場合、その enabled を false にし、必要時に有効化できます。

🤝 貢献

Issue と PR を歓迎します。PR を提出する前に CONTRIBUTOR.md を読むことをおすすめします。

PR を提出してくださるすべての Contributor に感謝します。

• GitHub Contributor： @anupamme @wangyipeng0724

ライセンス

MIT License

謝辞

• 本プロジェクトは中国の AtomGit でホストされています：https://atomgit.com/Com_Xu/Baize
• AtomGit が本プロジェクトを G-star 孵化プロジェクトに採用してくださったことに感謝します。
• PR 貢献者、Douyin フォロワー、私をフォローしてくれる学生の皆さんに感謝します。
• Claude Code、Codex などの優れた AI Coding ツールからインスピレーションを得ています。
• DeepSeek、OpenAI SDK、MCP を基盤に構築されています。
• Vibe Coding の道を共に歩むすべての開発者に感謝します。

☕ スポンサー

白澤が役に立つ場合、スポンサー・投げ銭を歓迎します。個人開発には多くの時間がかかります。スポンサーは製品アップデートのスケジュールを変更しません。ご支援ありがとうございます！

連絡先

• 白澤に興味がある、またはオープンソース協力に参加したい場合は、以下の方法で連絡できます。
• 現在、求職中です。市場調査とユーザーリサーチの経験があり、Agent についてもある程度理解しています。私の能力が貴社のニーズに合う場合、一緒に働けることを願っています（希望職種：AI プロダクト運営 / ユーザーリサーチ / マーケットリサーチ）。

WeChat QR コードをスキャンし、「Baize オープンソース協力」または「企業採用」と明記してください。

Douyin QR コードをスキャンしてフォローしてください。