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。

前提条件

環境:

• Python 3.9+
• radon, networkx パッケージ (pip install radon networkx)

必須:

• 対象Pythonプロジェクトのソースコードにアクセス可能であること

推奨:

• Serena MCPが設定済みであること（シンボルレベル解析の精度向上）

出力先

結果は reports/02_evaluation/ に出力します。 中間データ: metrics_result.json, architecture_result.json, mmi_result.json 重要: 各ステップ完了時に即座にファイルを出力してください。

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。

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。

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。

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

pip install radon networkx --break-system-packages

Step 2: メトリクス解析

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

Step 3: アーキテクチャ解析

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

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:

{
  "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。

エラーハンドリング

• Pythonスクリプトが見つからない → .claude/skills/mmi-analyzer/scripts/ のパスを確認
• 対象がPythonプロジェクトでない → /evaluate-mmi（手動定性評価）の使用を推奨
• Serena MCPが利用不可 → 静的解析（import/ファイル構造ベース）で代替
• radon/networkxが未インストール → pip install radon networkx を案内

関連スキル

スキル	用途
/evaluate-mmi	MMI手動定性評価（代替/補完）
/ddd-evaluation	DDD評価（並行実施）
/integrate-evaluations	評価統合（次ステップ）
/analyze-system	システム分析（入力）

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。