分子最適化は薬剤発見において重要な課題であり、精密な構造的推論や専門知識が求められます。大規模言語モデル（LLM）は自然言語において高レベルの編集意図を生成する可能性を示していますが、SMILESのような直感的でない表現においては、これらの修正を適切に実行するのが難しいです。本稿では、MECoというフレームワークを提案し、編集アクションを実行可能なコードに変換することで推論と実行を結びつけます。MECoは、分子と物性目標から人間が解釈可能な編集意図を生成し、それを構造編集へと翻訳するカスケードフレームワークとして分子最適化を再定義します。このアプローチは、化学反応やターゲット特異的化合物ペアから得られた現実的な編集を98%以上の精度で再現し、物性やターゲット活性を涵蓋する下流の最適化ベンチマークで顕著な一貫性の向上を実現します。MECoは、意図と実行を整合させることにより、分子設計の一貫性、制御可能性、解釈可能性を可能にします。