Agent skill

mmi-analyzer

Modularity Maturity Index (MMI) によるソフトウェアアーキテクチャの技術的負債を定量評価するスキル。 Pythonプロジェクトのソースコードを解析し、モジュール性・階層性・パターン一貫性の3軸でスコアリングする。 Serena MCP のLSP機能と組み合わせることで、シンボルレベルの依存関係解析やレイヤー違反検出の精度が向上する。 このスキルは以下のような場面で使用する: - 「アーキテクチャを評価して」「技術的負債を測定して」と言われたとき - 「MMI」「モジュール性」「循環依存」「レイヤー違反」に言及されたとき - Pythonプロジェクトのコード品質やリファクタリング優先度を判断したいとき - レガシーシステムのリファクタリング vs 置き換えの判断材料が必要なとき - 「Serenaで解析して」と言われたとき（Serena MCPとの連携を前提とする）

View SKILL.md on GitHub Repository
Stars 0
Forks 0

Install this agent skill to your Project

npx add-skill https://github.com/wfukatsu/claude-skills/tree/main/skills/mmi-analyzer

SKILL.md

MMI Analyzer — Modularity Maturity Index 評価スキル

Dr. Carola Lilienthal の MMI (Modularity Maturity Index) に基づき、Pythonプロジェクトのアーキテクチャ品質を0〜10で定量評価する。

概要

MMIは3つのカテゴリの加重合計で算出される:

カテゴリ 重み 主な評価対象
Modularity（モジュール性） 45% モジュール分割、インターフェース、プロポーション
Hierarchy（階層性） 30% レイヤー違反、循環依存
Pattern Consistency（パターン一貫性） 25% パターン適用率、DDD分離

スコアの解釈

  • 8〜10: 技術的負債が少ない。保守コスト安定。
  • 4〜8: 要リファクタリング。段階的改善を推奨。
  • 0〜4: 保守困難。リファクタリング or システム置換の判断が必要。

3つのツール

本スキルは3つのPythonスクリプトで構成される。各ツールは独立して実行可能だが、Tool 3（MMI Calculator）が全体を統合する。

Tool 1: Metrics Analyzer (scripts/metrics_analyzer.py)

コードメトリクスを自動計測する。MMI基準の 1.3（プロポーション）と 2.2（循環依存）をカバー。

bash
pip install radon networkx --break-system-packages
python scripts/metrics_analyzer.py /path/to/project

計測項目:

  • クラス/メソッドのLOC分布 → 大クラス・大メソッドの割合
  • 循環的複雑度（Cyclomatic Complexity）→ 高複雑度メソッドの割合
  • パッケージ（ディレクトリ）内クラス数分布
  • import解析による循環依存検出（クラスレベル・パッケージレベル）
  • モジュールサイズ比 (LoC max / LoC min) / 数

出力: metrics_result.json

Tool 2: Architecture Analyzer (scripts/architecture_analyzer.py)

アーキテクチャ構造を解析する。MMI基準の 1.1（モジュール化）、1.2（インターフェース）、2.1（レイヤー違反）、3.1-3.2（パターン）をカバー。

bash
python scripts/architecture_analyzer.py /path/to/project [--config architecture.json]

解析項目:

  • ディレクトリ構造からドメインモジュール・技術レイヤーを推定
  • ソースコードの各モジュール/レイヤーへの割当率
  • レイヤー間の依存方向を解析し違反（逆方向参照）を検出
  • パターン（Repository, Service, Controller 等）の適用率

設定ファイル（任意）: architecture.json でターゲットアーキテクチャを定義できる。 詳細は references/architecture_config.md を参照。

出力: architecture_result.json

Tool 3: MMI Calculator (scripts/mmi_calculator.py)

Tool 1, 2 の結果とレビュアー入力を統合してMMIスコアを算出する。

bash
python scripts/mmi_calculator.py \
  --metrics metrics_result.json \
  --architecture architecture_result.json \
  [--reviewer reviewer_input.json]

処理:

  1. references/mmi_scoring_table.md のスコアリング閾値に基づき各基準を0〜10に変換
  2. レビュアー判断が必要な基準はデフォルト5（partial）、reviewer_input.json で上書き可能
  3. カテゴリ別平均 × 重み → 最終MMIスコア算出
  4. Markdownレポートを生成

出力: mmi_report.md, mmi_scores.json

実行手順

Step 1: 依存関係のインストール

bash
pip install radon networkx --break-system-packages

Step 2: メトリクス解析

bash
python scripts/metrics_analyzer.py /path/to/project

Step 3: アーキテクチャ解析

bash
python scripts/architecture_analyzer.py /path/to/project

必要に応じて architecture.json を作成し、ターゲットアーキテクチャ（レイヤー順序、ドメインモジュール名など）を定義する。

Step 4: MMI算出

bash
python scripts/mmi_calculator.py \
  --metrics metrics_result.json \
  --architecture architecture_result.json

Step 5: レポート確認

生成された mmi_report.md を確認し、ユーザーに提示する。

Serena MCP との連携

Serena MCP が利用可能な場合、以下の機能で解析精度が大幅に向上する:

  • find_references: 実際の参照関係に基づく結合度分析（importだけでは検出できない動的な依存を補完）
  • type_hierarchy: 継承階層の完全な把握
  • call_hierarchy: 呼び出し関係の追跡によるレイヤー違反の精密検出
  • document_symbols / workspace_symbols: モジュール構造の正確な把握

Serena連携の詳細は references/serena_integration.md を参照。

レビュアー入力

自動計測できない基準（1.1.5, 1.1.6, 1.2.2, 3.3, 3.4）はレビュアー判断が必要。 reviewer_input.json で以下の形式で入力する:

json
{
  "1.1.5_clear_responsibilities": 5,
  "1.1.6_mapping_quality": 5,
  "1.2.2_interface_mapping": 5,
  "3.3_explicit_pattern_mapping": 5,
  "3.4_domain_technical_separation": 5
}

値は 0（No）, 5（partial）, 10（Yes）のいずれか。 ユーザーにインタラクティブに確認して入力するのが望ましい。

スコアリング詳細

各基準の閾値テーブルは references/mmi_scoring_table.md に記載。

Recommended Agent Skills

Expand your agent's capabilities with these related and highly-rated skills.

wfukatsu/claude-skills

scalardb-sizing-estimator

ScalarDB Cluster および ScalarDB Analytics のアーキテクチャ、サイジング、構成を見積もるスキル。 性能要件、可用性要件、クラウド環境からScalarDB Cluster Pod数、Kubernetes構成、 バックエンドDB、API Gateway、監視システム等の全体構成を見積もる。 ScalarDB Analyticsを使用する場合はEMR/Databricksのサイジングも含む。 使用タイミング: - 「ScalarDBのサイジングを見積もりたい」「ScalarDB環境を構築したい」 - 「ScalarDB Clusterの構成を決めたい」「ScalarDBの費用を算出したい」 - 「開発/テスト/ステージング/本番環境のScalarDB構成」 - CI/CD、Blue/Green、Canary Deploymentを含む本番環境設計 - 「ScalarDB Analyticsを使いたい」「分析クエリ環境を構築したい」 - 「EMR/Databricksのサイジングを見積もりたい」 出力: Markdown形式の見積もり結果 + HTML形式のレポート 費用: USD/JPY両建て（為替レート明記）

0 0
Explore
wfukatsu/claude-skills

physics-simulation

0 0
Explore
mattpocock/skills

setup-pre-commit

Set up Husky pre-commit hooks with lint-staged (Prettier), type checking, and tests in the current repo. Use when user wants to add pre-commit hooks, set up Husky, configure lint-staged, or add commit-time formatting/typechecking/testing.

111,310 9,758
Explore
mattpocock/skills

scaffold-exercises

Create exercise directory structures with sections, problems, solutions, and explainers that pass linting. Use when user wants to scaffold exercises, create exercise stubs, or set up a new course section.

111,310 9,758
Explore
mattpocock/skills

handoff

Compact the current conversation into a handoff document for another agent to pick up.

111,310 9,758
Explore
mattpocock/skills

obsidian-vault

Search, create, and manage notes in the Obsidian vault with wikilinks and index notes. Use when user wants to find, create, or organize notes in Obsidian.

111,310 9,758
Explore

Didn't find tool you were looking for?

Be as detailed as possible for better results