MCP Work History

🚀 📋 MCP Work History Server

🤖 モデルコンテキストプロトコル（MCP）サーバーです。AIツールがその活動を毎日の作業ログファイルに記録でき、ツール名、AIモデル、タイムスタンプを詳細に追跡します。

✨ 主な機能

• 🕐 正確なタイムスタンプ - 活動をHH:MM形式で記録します。
• 🔧 ツール追跡 - どのAIツールがアクションを実行したかを記録します。
• 🧠 モデル追跡 - 使用されたAIモデル（例：gemini - 2.5 - pro、claude - 3 - sonnet）を追跡します。
• 📊 包括的なメトリクス - トークン使用量、コンテキスト長、時間、コストを追跡します。
• 🏷️ タグ付けシステム - カスタムタグで活動を分類します。
• ✅❌ 成功/失敗追跡 - 成功した操作とエラーの両方を記録します。
• 📁 毎日の整理 - 毎日別々のMarkdownファイルを作成します。
• 📝 クリーンなフォーマット - 箇条書き形式のエントリで、簡単にスキャンできます。
• 🎯 MCP互換 - MCP対応のAIクライアントと互換性があります。

📦 インストール

npm install

💻 使用例

基本的な使用法

MCPサーバーを起動します。

npm start

高度な使用法

自動再起動で開発モードで実行します。

npm run dev

📚 ドキュメント

🔧 MCPツール

サーバーは1つのツールを提供します。

log_activity

AIツールの活動を、簡潔でスキャンしやすい形式で当日の作業ログファイルに記録します。

パラメーター：

必須：

• tool_name (文字列)：AIツールの名前（例："Warp"、"Claude Code"、"GitHub Copilot"）
• log_message (文字列)：達成されたことの詳細な説明

オプション：

• ai_model (文字列)：使用されたAIモデル（例："gemini - 2.5 - pro"、"claude - 3 - sonnet"、"gpt - 4"）
• tokens_used (数値)：リクエストで消費された総トークン数
• input_tokens (数値)：使用された入力トークン数（tokens_usedの代替）
• output_tokens (数値)：生成された出力トークン数（tokens_usedの代替）
• context_length (数値)：使用されたコンテキストウィンドウの長さ（千単位）
• duration_ms (数値)：操作の持続時間（ミリ秒）
• cost_usd (数値)：推定コスト（USD）
• success (ブール値)：操作が成功したかどうか（デフォルトはtrue）
• error_message (文字列)：操作が失敗した場合のエラーメッセージ
• tags (配列)：活動を分類するためのタグ（例：["coding", "debugging", "refactoring"]）

ログエントリの例：

# 📝 Work Log - 2024-01-15

- ✅ 08:31 - Warp (gemini-2.5-pro): Refactored authentication module to use JWT tokens (1250 tokens | 8k ctx | 2.3s | $0.0043 | [refactoring, auth])
- ✅ 09:15 - Claude Code (claude-3-sonnet): Fixed database connection pooling issue (850→320 tokens | 1.1s | $0.0021)
- ❌ 10:42 - GitHub Copilot (gpt-4): Attempted to implement user profile endpoint (❌ Timeout error | [coding, api])
- ✅ 11:30 - Warp: Quick code review and suggestions (500 tokens | 0.8s)

📂 ログファイル構造

ログはlogs/ディレクトリにworklog-YYYY-MM-DD.mdの命名パターンで保存されます。

各ログファイルには以下が含まれます：

• 📝 絵文字で強調された日付のヘッダー
• 🕐 タイムスタンプ付きの箇条書きエントリ
• 🔧 ツール名とAIモデルの情報
• 📋 簡潔な活動の説明

⚙️ MCP設定

Warp AI用

このサーバーをWarpのMCP設定に追加します。

{
  "mcp-work-history": {
    "command": "node",
    "args": ["/Users/your-username/path/to/mcp-work-history/src/index.js"],
    "env": {},
    "working_directory": null,
    "start_on_launch": true
  }
}

Claude Desktop用

claude_desktop_config.jsonに追加します。

{
  "mcpServers": {
    "work-history": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-work-history/src/index.js"]
    }
  }
}

AIツールでの使用例

設定後、AIツールは次のように活動を記録できます。

基本的な使用法：

log_activity({
  tool_name: "Warp",
  log_message: "Created React component for user dashboard"
})

包括的なメトリクスを使用する場合：

log_activity({
  tool_name: "Warp",
  ai_model: "gemini-2.5-pro",
  log_message: "Refactored authentication system with OAuth integration",
  tokens_used: 1250,
  context_length: 8,
  duration_ms: 2300,
  cost_usd: 0.0043,
  success: true,
  tags: ["refactoring", "auth", "oauth"]
})

エラーログ記録：

log_activity({
  tool_name: "GitHub Copilot",
  ai_model: "gpt-4",
  log_message: "Attempted to implement user profile endpoint",
  input_tokens: 800,
  output_tokens: 0,
  success: false,
  error_message: "Timeout error",
  tags: ["coding", "api"]
})

🗂️ プロジェクト構造

mcp-work-history/
├── 📄 src/index.js          # メインのMCPサーバーコード
├── 📁 logs/                 # 毎日の作業ログファイル（自動作成）
│   ├── worklog-2024-01-15.md
│   └── worklog-2024-01-16.md
├── 📦 package.json          # 依存関係とスクリプト
├── 🚫 .gitignore           # Gitの無視ルール
└── 📋 README.md            # このファイル

🤝 コントリビュート方法

1. リポジトリをフォークします。
2. 機能ブランチを作成します (git checkout -b feature/amazing-feature)。
3. 変更をコミットします (git commit -m 'Add some amazing feature')。
4. ブランチにプッシュします (git push origin feature/amazing-feature)。
5. プルリクエストを開きます。

🎯 実世界の例：Warp AI統合

Warp AIで自動活動ログを設定する方法を説明します。

ステップ1：WarpでMCPサーバーを設定する

WarpのMCP設定に以下を追加します。

{
  "mcp-work-history": {
    "command": "node",
    "args": ["/Users/nocoo/Workspace/mcp-work-history/src/index.js"],
    "env": {},
    "working_directory": null,
    "start_on_launch": true
  }
}

ステップ2：Warpにログ記録ルールを追加する

このルールでWarpを設定して、AI活動を自動的に記録します。

ルール： "AIタスクが完了したとき、mcp - work - historyを使用して今回のAIタスクの詳細を記録します。AIツール名（Warp）、使用されたモデル、詳細な時間、および今回のタスクと結果の簡単な要約を送信します。"

ステップ3：動作を確認する

WarpでMCP Work HistoryサーバーがAI活動を自動的に記録しているスクリーンショット

記録される内容

この設定で、WarpでのすべてのAIインタラクションは自動的に次のようなエントリを作成します。

# 📝 Work Log - 2024-12-06

- ✅ 14:32 - Warp (gemini-2.5-pro): Refactored React component to use custom hooks for state management (1240 tokens | 4.2s | [refactoring, react])
- ✅ 14:45 - Warp (gemini-2.5-pro): Fixed TypeScript type errors in authentication module (890 tokens | 2.1s | [bugfix, typescript])
- ✅ 15:10 - Warp (gemini-2.5-pro): Added comprehensive unit tests for user service (1560 tokens | 3.8s | [testing, unit-tests])

メリット

• 📊 自動追跡 - 手動でのログ記録は必要ありません。
• 🔍 詳細な洞察 - トークン使用量、パフォーマンス、コストを追跡できます。
• 📈 進捗監視 - 毎日のコーディング成果を確認できます。
• 🏷️ 活動分類 - タグで作業を整理できます。
• 💰 コスト追跡 - 時間の経過とともにAIの使用コストを監視できます。

📄 ライセンス

MITライセンス - 詳細はLICENSEファイルを参照してください。