メインコンテンツまでスキップ
バージョン: 2025-11-07

6. 主要な処理フローとデータ生成

前提知識レベル:

  • シーケンス図の読解能力
  • REST APIおよびWebSocketに関する知識
  • LLMのFunction Calling（ツール呼び出し）に関する基本的な理解

6.1. 概要​

このドキュメントでは、主要なユースケースにおけるコンポーネント間の動的なやり取りと、その過程で実行されるデータ生成のフローを定義します。

本システムのコア機能は、ユーザーの自然言語指示をLLMが解釈し、複数のツールを段階的に呼び出すことで、最終的なネットワークの可視化を実現する点にあります。

6.2. 新規会話開始（ネットワークアップロード）フロー​

目的: ユーザーが新しい分析サイクルを開始するために、GraphMLファイルをアップロードして新規会話を作成する処理を定義します。

方針: アップロード処理の一環として、非同期または同期的にデフォルトのレイアウト（Spring Layout）を計算し、その結果を初期表示に利用します。

6.3. 対話によるネットワーク操作フロー​

目的: ユーザーの曖昧な自然言語指示（例:「重要なノードを大きくして」）から、LLMが具体的な「計算」と「可視化」のツール呼び出しを推論し、実行する、本システムの最も中心的なフローです。

6.3.1. シーケンス図​

このフローでは、計算結果をネットワークの属性として保存しておくことで、同じ計算を何度も繰り返す無駄を省く仕組みも示されています。

6.3.2. データフローと責務詳細 (LLM Function Calling)​

ユーザーが「次数が多いノードを大きくして」のような曖昧な指示を出すと、システムは以下の手順でレンダリングデータを更新します。

1. LLMによる複数ステップのツールプランニング​

BackendとLLMは、以下のような複数回のやり取りを通じて、段階的にタスクを実行します。

  • 1回目のLLM呼び出し:

    • Backend → LLM: ユーザー指示 「友達が多い人を大きく表示して」 + ツールリスト
    • LLM → Backend: list_attributes() の呼び出しを要求

  • 2回目のLLM呼び出し:

    • Backend → LLM: list_attributes の実行結果 ['weight']
    • LLM → Backend: calculate_centrality(type: "degree") の呼び出しを要求
    • Backend: calculate_centrality の実行結果を受けて、自動的に apply_metric_to_visual(metric: "degree_centrality", visual: "node_size", mapping: {scale: 'linear', ...}) を実行

2. Backendによるツール実行と永続化​

Backendは、LLMの要求に従ってNetworkXMCPのAPIを呼び出し、結果を正規化されたテーブルに永続化します。

  • GET /tools/list_attributes: attributesテーブルから属性名の一覧を取得します。
  • POST /tools/calculate_centrality: 計算結果をattributesおよびattribute_valuesテーブルに書き込みます。
  • POST /tools/apply_metric_to_visual: マッピングルールをvisual_mapping_rulesテーブルに書き込みます。

3. Backendによる動的なレンダリングデータ生成​

Frontendが /network/{network_id}/visdata を呼び出すと、Backendはリクエストの都度、以下の情報をDBから読み込み、最終的なレンダリングデータを動的に組み立てて返します。

  1. networksテーブルから元のネットワーク構造
  2. attributesとattribute_valuesテーブルから全ての属性データ（座標を含む）
  3. visual_mapping_rulesテーブルから適用すべき視覚ルール

Backendは、これらの情報を統合し、各ノード・エッジのスタイルを決定して最終的なJSONを生成します。

6.4. ツール呼び出し失敗時のエラーハンドリングフロー​

目的: システムが予期せぬ状況（例: 未実装の計算）に陥った場合でも、LLMが状況を理解し、ユーザーに代替案を提示することで、対話を継続できるようにします。