文部科学省「AI for Science 萌芽的挑戦研究創出事業（SPReAD-1000）」、公募申請受付中です。
申請を検討中・準備中の研究者の皆さん、AI をどう研究に組み込めばいいか、途方に暮れていませんか？
はじめに — SPReAD-1000 に挑戦したいのに、誰も教えてくれない
文部科学省の AI for Science 萌芽的挑戦研究創出事業（SPReAD-1000） の公募が始まっています。研究に AI を活用するための予算・環境が整いつつある一方で、いざ申請しようとした研究者からはこんな声が聞こえてきます。
- 「AI を研究に取り入れたいが、何から手を付ければいいのかわからない」
- 「どんなシステム設計が必要なのか、具体的なイメージがつかめない」
- 「GPU ベンダーに相談しようとしたら、個別相談には対応できないと言われた」
- 「ChatGPT に聞いてみたけど、なんかしっくりこない……」
これは個人の問題ではありません。応募件数が多すぎて、GPU 提供ベンダーも個別相談に応じきれていないのが実態です。公募に挑戦したくても、「さあ、自分で考えてください」という状況に置かれている研究者が続出しています。
ChatGPT に「AI for Science の研究計画を教えて」と聞いてみた方も多いと思います。返ってくる答えは確かに丁寧ですが、自分の研究テーマ・分野・使えるリソースに紐づいた具体的な回答にはなりにくい。汎用的すぎて、 「で、自分は何をすればいいの？」 という肝心な問いに答えてくれないのです。
では、どうすればいいのか？
答えは、AIRA-α に AI の使い方を聞くことです。
そのために私が開発したのが AIRA-α（AI Research Administrator） です。AIRA-α は、研究者が「AI for Science を実践する」ための具体的な一歩を、対話形式でサポートします。
- システム設計の相談から Azure クラウド構成の提案まで、AI がガイド
- SPReAD の審査基準に最適化した申請書・研究計画の作成支援
- 89 の科学データベースへの直接アクセスで、文献調査も即時対応
「何から始めればいい？」 —— その問いへの答えを、AIRA-α が一緒に考えます。
AIRA-α とは？
Web ベースの AI Research Administrator
GitHub Copilot CLI をエージェントエンジンとして使用
AIRA-α は、GitHub Copilot CLI を推論エンジンとして活用した Web ベースの研究支援プラットフォームです。v1.0.0 として公開しており、Docker イメージ一つで今すぐ試せます。
リポジトリ: https://github.com/nahisaho/AIRA
AIRA-α は「AI for Science の OS」である
パソコンに OS があるように、AI for Science を実践するにも「基盤となる OS」が必要です。AIRA-α はその OS に相当する存在として設計しました。
OS のメタファーで説明するとわかりやすいかもしれません。
| OS の概念 | AIRA-α での対応 |
|---|---|
| カーネル（推論エンジン） | GitHub Copilot CLI — 高品質な言語推論の核 |
| アプリケーション | Agent Skills（Co-Scientist・SPReAD-1000 Assistant） — 研究目的に特化したスキル群 |
| デバイスドライバ | MCP サーバー（ToolUniverse・Azure MCP など） — 外部データソースへの接続層 |
| ファイルシステム | プロジェクト管理 — 成果物・履歴・設定をプロジェクト単位で永続管理 |
| マルチタスク | プロジェクトの並行管理 — 複数の研究テーマを独立した環境で同時運用 |
OS が「どのアプリも動かせる汎用基盤」であるのと同様に、AIRA-α は 「どの研究テーマにも対応できる AI 研究基盤」 です。インストールするアプリ（Agent Skills）を切り替えるだけで、SPReAD 申請支援にも、バイオインフォマティクス研究にも、創薬研究にも対応できます。
ChatGPT との本質的な違いはここにあります。
ChatGPT は「賢いアシスタント」であり、研究者が都度指示を出す道具です。
AIRA-α は「研究者の AI 環境そのもの」——研究の文脈を保持し、専門スキルとデータベースを統合した 研究用 OS です。
AIRA-α の真価は 2 つのビルトインスキル にあります。SPReAD-1000 Assistant（公募申請支援）と Co-Scientist（研究全ライフサイクル支援）です。それぞれの詳細は後ほど紹介します。
AIRA-α の設計思想
設計上のこだわりは「プロジェクト単位」の管理思想です。
プロジェクトごとに使用する Agent Skills と MCP サーバーを切り替えられるため、SPReAD 申請フェーズ・研究実施フェーズそれぞれに最適化された AI 環境を素早く構築できます。
| フェーズ | 推奨スキル | 推奨 MCP |
|---|---|---|
| SPReAD 申請準備 | SPReAD-1000 Assistant | Azure MCP・Microsoft Learn MCP |
| 研究実施・文献調査 | Co-Scientist | ToolUniverse |
| Azure 環境構築 | SPReAD-1000 Assistant（azure-deployer） | Azure MCP |
論より証拠。まず 3 ステップで動かしてみましょう。
まず、3ステップで動かしてみよう
前提条件
- Docker がインストール済みであること
- GitHub Copilot ライセンスを保有していること
- GitHub Personal Access Token（
GITHUB_TOKEN）を取得済みであること
3ステップで起動
Step 1: イメージを取得
docker pull ghcr.io/nahisaho/aira:v1.0.0
Step 2: コンテナを起動
docker run -d -p 3001:3000 \
-e GITHUB_TOKEN="<your-github-token>" \
-v aira-data:/app/backend/data \
-v aira-projects:/app/backend/projects \
ghcr.io/nahisaho/aira:v1.0.0
Step 3: ブラウザでアクセス
http://localhost:3001
たったこれだけで AIRA-α が起動します。
GITHUB_TOKEN は Settings 画面から後から設定することも可能です。
起動できましたか？「研究データを入力して大丈夫？」という疑問は当然です。次のセクションで確認してから、機能を深掘りしていきましょう。
ローカル PC で動く — だから安全
AIRA-α は、クラウドサービスではなく、研究者自身のローカル PC 上の Docker 環境で動作します。
研究データや未発表の研究アイデアは、機密性の高い情報です。クラウド型の AI サービスにそのまま入力することに不安を感じる研究者も多いと思います。AIRA-α はその心配が不要です。
データはすべて手元に留まります。
- 入力した研究テーマ・仮説・未発表データは外部サーバーに送信されない
- 生成された申請書草稿・分析結果はローカルのボリューム（
aira-projects）に保存 - インターネット接続は GitHub Copilot API と MCP サーバーへのアクセスのみ
| 項目 | クラウド型 AI サービス | AIRA-α（ローカル Docker） |
|---|---|---|
| データの保存先 | サービス提供者のサーバー | 自分の PC のローカルボリューム |
| 未発表研究の漏洩リスク | サービス利用規約に依存 | ローカル完結のため外部漏洩なし |
| オフライン利用 | 不可 | Copilot API 以外はローカルで完結 |
| データ管理の主体 | サービス提供者 | 研究者自身 |
機関の情報セキュリティポリシー上、クラウド型 AI の利用が制限されている場合でも、AIRA-α はローカル環境で運用できるため、多くの研究機関のポリシーに適合しやすい構成です。
データの安全性を確認できました。では本題へ——「ChatGPT で十分では？」という疑問に、正直に答えます。
「ChatGPT でいいじゃない？」への、正直な答え
「ChatGPT でいいのでは？」という疑問はもっともです。違いを一言で言うなら、「汎用 AI アシスタント」か「研究専用 OS」かです。
| ChatGPT | AIRA-α | |
|---|---|---|
| 知識の範囲 | 幅広いが浅い。研究分野の専門知識は限定的 | Co-Scientist の 189 専門サブスキルで研究の全領域をカバー |
| 文脈の保持 | 会話が終わるとリセット。プロジェクトの継続支援が難しい | プロジェクト単位で履歴・スキルを管理。研究の文脈を保ち続ける |
| データベース連携 | 外部 DB に直接アクセスできない | ToolUniverse で PubMed・ChEMBL など 89 の科学 DB に直接アクセス |
| SPReAD 申請対応 | 審査基準を知らない。汎用的な文章しか書けない | SPReAD 審査 6 観点に最適化した申請書を専用スキルで生成 |
| Azure 設計支援 | クラウド構成の具体的な提案は困難 | Azure アーキテクチャ設計・コスト見積もり・IaC 生成まで一貫対応 |
| 成果物の保存 | チャット履歴に埋もれる。ファイルとして残らない | ファイルファーストで自動保存。ZIP 一括ダウンロード可能 |
ChatGPT は「何でも答えてくれる便利な AI」ですが、研究者が本当に必要なのは 「自分の研究テーマ・分野・リソースに紐づいた、具体的な次の一手を示してくれる AI」 です。AIRA-α はその要件を満たすために設計しました。
この違いが、申請書作成と研究実践の現場でどう現れるか。次のセクションで具体的に見ていきましょう。
SPReAD-1000 申請を、AIRA-α が変える
ChatGPT に「SPReAD の申請書を書いて」と頼んでも、審査基準を知らないため、型通りの文章しか返ってきません。
SPReAD-1000 Assistant は、文部科学省の審査 6 観点（独創性・実現可能性・AI 活用の妥当性・波及効果・実施体制・倫理配慮）を熟知した専用スキルです。研究者との 1 問 1 答のヒアリングを通じて研究テーマを深掘りし、審査官の目線で最適化された申請書草稿を生成します。
申請書作成の前段として、先行研究の有無を MCP 経由で自動探索することも可能です。PubMed・Ensembl・GWAS Catalog など 89 の科学データベースを横断して関連論文を収集し、得られた知見をもとに 新たな研究仮説の生成までサポートします。「自分の研究は本当に新規性があるか？」「競合する先行研究はないか？」——申請書の独創性を裏付けるエビデンスを、AI が一緒に探してくれます。
| 作業 | ChatGPT | SPReAD-1000 Assistant |
|---|---|---|
| 先行研究の探索 | 自分で検索・整理する必要あり | 89 の科学 DB を横断検索し、関連論文を自動収集・整理 |
| 新規仮説の生成 | 知識の限界で提案が薄い | 関連論文の知見を統合し、新たな研究仮説を生成 |
| 研究テーマの整理 | 自分で整理して入力する必要あり | 1 問 1 答で自動的にコンテキストを収集・構造化 |
| 申請書の文章 | 汎用的。審査観点への対応が弱い | 審査 6 観点に沿って最適化された草稿を生成 |
| Azure 環境設計 | 具体的な構成を提案できない | 研究計画に基づき Bicep/Terraform まで生成 |
| コスト見積もり | 「調べてください」と言われる | 直接経費 500 万円枠内での月額/年間コストを試算 |
| e-Rad 提出 | 手順を知らない | 提出手順を step-by-step でガイド |
申請書作成から e-Rad 提出まで、AIRA-α が一貫してサポートします。採択後（または採択を意識した研究推進の段階）には、Co-Scientist が研究全体を支えます。
採択後の研究実践も、AIRA-α が変える
採択後（あるいは採択に向けた研究推進の段階）で問題になるのが「実際にどうやって研究に AI を使うか」です。
Co-Scientist は 189 の専門サブスキルを持つ汎用研究パートナーです。文献調査から実験設計、データ分析、論文執筆まで、研究の全ライフサイクルを一貫してサポートします。
| 研究フェーズ | 従来の方法 | Co-Scientist |
|---|---|---|
| 文献調査 | PubMed・Google Scholar を手動検索 | ToolUniverse MCP 経由で 89 DB を横断検索・自動整理 |
| 実験設計 | 自力で DOE・仮説立案 | 実験デザイン（DOE）・仮説パイプラインを AI がサポート |
| データ分析 | Python/R を自力でコーディング | EDA・統計検定・機械学習まで、コードと解釈を同時に生成 |
| バイオ解析 | 専門ツールの習得コストが高い | ゲノム・プロテオミクス・シングルセル解析も自然言語で実行 |
| 論文執筆 | 一から書く・英語に苦労する | LaTeX エクスポート・査読対応・プレゼン資料まで一貫作成 |
動作の特徴:
-
検証ループ
PLAN → EXECUTE → VERIFY → REPORT → LOGで品質を自動担保 - 再現性保証: 手順をログに残し、誰でも同じ結果を再現可能
- ファイルファースト: 成果物はすべてファイルとして保存され、ZIP でダウンロード可能
これだけの研究支援を可能にしているのが、89 の科学データベースへの直接アクセスです。
MCP サーバー連携
AIRA-α では MCP（Model Context Protocol）を活用して、外部ツール・データソースに直接アクセスできるようにしました。プロジェクトごとに有効/無効を切り替えられるため、必要なデータベースだけを使う柔軟な構成が可能です。
| MCP サーバー | 提供機能 |
|---|---|
| ToolUniverse | 89 の科学データベース（PubMed、ChEMBL、UniProt、Ensembl、GWAS Catalog、ClinVar、Reactome 等）へのアクセス。化合物検索、遺伝子・タンパク質情報取得、パスウェイ解析、文献検索など |
| Azure MCP | Azure リソースの管理・操作。VM / GPU クラスタの構成確認、ストレージ操作、コスト見積もり、リソースデプロイなど |
| Microsoft Learn MCP | Microsoft Learn ドキュメントの検索・参照。Azure サービスの仕様確認、ベストプラクティス取得、技術ドキュメントの即時参照 |
ToolUniverse の 89 データベースが特に強力で、PubMed での文献検索から ChEMBL での化合物情報取得まで、単一チャットから横断的にアクセスできます。
AIRA-α を使い始めるには GitHub Copilot ライセンスが必要です。プラン選択のポイントを整理します。
GitHub Copilot ライセンスについて
AIRA-α の利用には GitHub Copilot ライセンスが必要です。用途に応じて最適なプランを選びましょう。
⚠️ 2026年4月20日より、Pro・Pro+・Student プランの新規登録が一時停止中です。
GitHub がリクエストベースから使用量ベースの課金へ移行中のための措置です。再開時期は GitHub 公式ブログ をご確認ください。
現在は Free プランまたは Business/Enterprise プラン（営業経由）への登録が可能です。
🎓 学生・教職員の方：GitHub Education（無料）を申請しよう
GitHub Education に認定されると、GitHub Copilot Student プランが無料で利用できます（Pro 相当の機能）。
申請手順:
- GitHub Education にアクセス
- 「Get benefits」→「Students」または「Teachers」を選択
- 学校のメールアドレス（
.ac.jpなど）または学生証の画像でアカウントを認証 - 審査通過後（数日〜1週間程度）、GitHub Copilot が無料で有効化される
対象: 在学中の学生、教育機関に所属する教職員
注意: 審査には学籍証明書・在職証明書が必要な場合があります
Student プランで利用できる主なモデル: Claude Sonnet 4/4.5/4.6、GPT-5.4、Gemini 2.5 Pro など
⚠️ Student（および Pro）プランでは Claude Opus（高度推論モデル）は利用できません。
🔬 高度な推論が必要な研究者の方へ — プラン選択ガイド
GitHub Copilot には複数のプランがあり、利用できるモデルが異なります。特に Claude Opus（最高精度の推論モデル）の利用可否がプランによって大きく変わります。
| プラン | 月額 | Claude Sonnet | Claude Opus | 主な対象 |
|---|---|---|---|---|
| Free | 無料 | ✅ | ❌ | お試し（月50リクエスト） |
| Student（Education） | 無料 | ✅ | ❌ | 在学中の学生・教職員 |
| Pro | $10 | ✅ | ❌ | 個人研究者（基本） |
| Pro+ | $39 | ✅ | ✅ Opus 4.7 | 個人で高度推論が必要な研究者 |
| Business | $19/席 | ✅ | ✅ Opus 4.5/4.6/4.7 | 研究室・チームでの利用 |
| Enterprise | $39/席 | ✅ | ✅ 全 Opus | 機関・大学での組織管理が必要な場合 |
具体的な用途別の推奨プラン:
| 研究用途 | Student/Pro（Opus なし） | Pro+ 以上（Opus あり） |
|---|---|---|
| 申請書の草稿作成・文献整理 | ✅ 十分 | ✅ |
| 複雑な多段階推論（創薬・分子設計等） | △ 精度に限界あり | ✅ 高精度 |
| 大規模ゲノムデータの解析・考察 | △ コンテキスト上限に注意 | ✅ 長文対応 |
| 研究室・チームでの共同利用 | △ 個人アカウントに紐づく | ✅ 組織管理・監査ログ対応 |
SPReAD-1000 の直接経費（500 万円枠）内で Pro+ や Enterprise のライセンス費用を計上することも可能です。SPReAD-1000 Assistant の cost-estimator スキルがコスト試算をサポートします。
主な機能
プラットフォーム機能
| 機能 | 説明 |
|---|---|
| チャット UI | WebSocket ストリーミングによるリアルタイム応答、Markdown レンダリング対応 |
| プロジェクト管理 | プロジェクトの作成・削除・名前変更、プロジェクト単位での設定管理 |
| Agent Skills | プロジェクトごとに研究支援スキルを割り当て・切替 |
| MCP 設定 | プロジェクトごとに MCP サーバーを設定（有効/無効切替） |
| ファイル管理 | 生成ファイルの表示・ダウンロード（ZIP 一括含む）、PDF / Excel / 画像ビューア内蔵 |
| ファイルアップロード | 入力データのアップロード |
| 実行履歴 | パイプライン進捗の可視化、プロンプト保存・ダウンロード |
ビルトイン Agent Skills
AIRA-α には 2 種類の強力なビルトインスキルを用意しています。
🧬 Co-Scientist（汎用研究パートナー）
研究の全ライフサイクルを協働で支援する汎用エージェントスイートです。189 の専門サブスキルを備え、以下の領域をカバーします。
| カテゴリ | 主なサブスキル |
|---|---|
| 文献調査・レビュー | 文献検索、系統的レビュー、メタ分析、引用チェック |
| 研究計画・実験設計 | 研究プランニング、実験デザイン（DOE）、仮説パイプライン |
| データ分析・統計 | EDA、統計検定、ベイズ統計、因果推論、欠損データ分析 |
| 機械学習・AI | 分類・回帰、深層学習、AutoML、説明可能 AI、強化学習、連合学習 |
| バイオインフォマティクス | ゲノム解析、トランスクリプトミクス、プロテオミクス、メタボロミクス、シングルセル解析 |
| 創薬・薬理学 | 分子ドッキング、ADMET、化合物スクリーニング、ドラッグリポジショニング |
| 医療・臨床 | 臨床試験分析、医療画像 AI、精密医療、薬理ゲノミクス |
| 学術執筆・発表 | 論文作成、LaTeX エクスポート、査読対応、プレゼンテーション作成 |
| データベース連携（MCP） | PubMed、ChEMBL、UniProt、Ensembl、GWAS Catalog 等 89 の科学データベースに MCP 経由でアクセス |
動作の特徴:
- ファイルファースト出力: 結果をファイルとして保存するため、成果物が蓄積される
-
検証ループ:
PLAN → EXECUTE → VERIFY → REPORT → LOGの厳密なサイクルで品質を担保 - 再現性保証: 実験・分析の手順をログに残し、再現可能な研究ワークフローを実現
- カラーバリアフリー図表: アクセシビリティを考慮した可視化
📋 SPReAD-1000 Assistant（SPReAD 公募支援）
文部科学省「AI for Science 萌芽的挑戦研究創出事業（SPReAD）」の公募申請を一貫して支援する専門エージェントスイートです。12 の専門サブスキルで申請プロセス全体をカバーします。
| サブスキル | 役割 |
|---|---|
| context-collector | 研究テーマのコンテキスト収集、3 層メタプロンプト生成（事実/仮説/制約） |
| research-planner | 文献調査に基づく 180 日間の研究計画策定 |
| proposal-writer | 審査 6 観点に最適化された申請書草稿の作成 |
| azure-architect | 研究計画に基づく Azure クラウド構成設計 |
| cost-estimator | Azure リソースの月額/年間コスト見積もり（500 万円直接経費内） |
| azure-deployer | Bicep/Terraform による Azure 環境のデプロイ |
| iac-deployer | IaC テンプレートの生成・検証・デプロイ |
| diagram-generator | アーキテクチャ図・研究フロー図の自動生成 |
| experiment-guide | 実験プロトコル設計・データ管理ガイダンス |
| final-reviewer | 申請書の最終品質レビュー・改善提案 |
| submission-guide | e-Rad 提出手続きのガイダンス |
| post-award | 採択後の報告書作成・進捗管理支援 |
動作の特徴:
- 1 問 1 答形式のコンテキスト収集で、研究テーマを的確に把握
- 3 層メタプロンプト（事実/推定/プログラム制約）による高精度な申請書生成
- SPReAD 審査基準（6 観点）に最適化されたアウトプット
SPReAD は文部科学省が推進する「AI for Science」推進事業の一環です。私自身も申請を意識しながらこのスキルを設計しました。申請から採択後の報告まで、研究サイクル全体をサポートできる構成にしています。
ロードマップ — AIRA-β では独自スキルが使えるように
現在の AIRA-α では、Co-Scientist と SPReAD-1000 Assistant の 2 つのビルトインスキルを提供しています。
次のバージョン AIRA-β では、各研究者が作成した 独自の Agent Skills をプロジェクトに組み込めるよう拡張する予定です。自分の研究ドメインに特化したスキルを自作・持ち込みできる仕組みを実装したいと考えています。
| バージョン | Agent Skills | 対象ユーザー |
|---|---|---|
| AIRA-α（現在） | ビルトインスキルのみ（Co-Scientist・SPReAD-1000 Assistant） | すぐに使い始めたい研究者 |
| AIRA-β（開発予定） | ビルトイン + 独自スキルの持ち込みが可能 | 自分のワークフローに特化した AI 環境を構築したい研究者 |
「既存のスキルでは自分の研究領域に合わない」という方も、AIRA-β では自分だけの研究 AI を構築できるようになる予定です。フィードバックや要望は GitHub Issues でお待ちしています。
アーキテクチャ
技術スタック
| レイヤー | 技術 |
|---|---|
| フロントエンド | React 19 + TypeScript + Vite 6 + Tailwind CSS v4 + Zustand 5 |
| バックエンド | Node.js 22 + TypeScript + Hono |
| DB | SQLite（better-sqlite3、WAL モード） |
| エージェント | GitHub Copilot CLI（@githubnext/copilot） |
| コンテナ | Docker（マルチステージビルド） |
モダンな構成にこだわりました。フロントエンドは最新の React 19 と Tailwind CSS v4、バックエンドは軽量 Web フレームワーク Hono を採用しています。データ永続化には SQLite の WAL モードを使用し、同時アクセスに対しても安定した動作を実現しています。
プロジェクト構成
aira/
├── frontend/ # React フロントエンド
├── backend/ # Hono バックエンド
├── skills/ # ビルトイン Agent Skills
│ ├── co-scientist/ # 汎用研究パートナー（189 サブスキル）
│ └── spread1000-assistant/ # SPReAD 公募支援（12 サブスキル）
├── docs/ # 設計ドキュメント
└── Dockerfile # マルチステージ Docker ビルド
ソースからビルドする場合
Docker を使わずにソースからビルドする場合は以下の通りです。
git clone https://github.com/nahisaho/aira.git
cd aira
npm install
npm run build
## Docker イメージのビルド
docker build -t aira-app .
テスト・Lint の実行
npm test
npm run lint
環境変数
| 変数 | 説明 | デフォルト |
|---|---|---|
GITHUB_TOKEN |
GitHub Personal Access Token | — |
AIRA_PORT |
バックエンドポート | 3000 |
まとめ — AI for Science の「最初の一歩」に
AIRA-α のポイントを整理します。
| 観点 | 内容 |
|---|---|
| セットアップの手軽さ | Docker 2 コマンドで即起動、環境構築の壁ゼロ |
| 研究支援の幅広さ | Co-Scientist の 189 サブスキルで文献調査から論文執筆まで全工程をカバー |
| 専門性 | SPReAD 公募支援スキルで申請書作成から e-Rad 提出まで一貫支援 |
| データベース連携 | ToolUniverse で 89 の科学データベースに MCP 経由で直接アクセス |
| 拡張性 | プロジェクト単位で MCP サーバー・スキルを自由に組み合わせ |
| ライセンス | MIT（商用利用・改変・再配布自由） |
「AI for Science をやってみたい」という気持ちはあっても、環境構築や使い方の学習コストで一歩が踏み出せない——AIRA-α はそのハードルを最大限に下げることを目標に設計しました。
GitHub Copilot ライセンスさえあれば、今日中に 研究用 AI 環境が立ち上がります。
まず動かしてみることが、AI for Science の最速の近道です。
docker pull ghcr.io/nahisaho/aira:v1.0.0
ここから始めましょう。皆さんの研究の加速を、AIRA-α で支えられれば幸いです。
参考リンク
- GitHub リポジトリ: https://github.com/nahisaho/AIRA
-
Docker イメージ:
ghcr.io/nahisaho/aira:v1.0.0 - ライセンス: MIT
- 文部科学省 SPReAD 事業: https://www.mext.go.jp/
- ToolUniverse: Zitnik Lab（Harvard Medical School）が提供する 89 の科学データベース統合 MCP サーバー