Insightslibrary

🚀 Insights Knowledge Base(IKB) MCP Server

🍭 これは無料で即座に使用できる知識ベースです。1万以上の高品質なインサイトレポートが組み込まれ、MCP Serverとしてパッケージ化され、ローカルデータを安全に保存できます。

>>>中文版

⚠️⚠️ このプロジェクトで収集されたすべてのレポートは、公式調査レポートサイトの無料リソースから取得されています。 ⚠️⚠️

🚀 クイックスタート

このセクションでは、Insights Knowledge Base(IKB) MCP Serverの基本的な使い方や機能について説明します。

✨ 主な機能

1. 🍾 設定不要で、本当に即座に使用できます。プライベートドキュメントの解析には、.env でVLMモデルとパラメータを設定してください（例：VLM_MODEL_NAME=qwen2.5-vl-72b-instruct）。
2. 🦉 永久無料で、レポートリソースを集める手間がかかりません。信頼できる著作権フリーのレポートソースを issues で共有することを歓迎します。
3. 📢 毎週のレポート更新に取り組んでいますが、バグ修正は私の気分に依存します（実は私はエンジニアではありません🤭）。

6月17日時点の最適化更新点

1. 💡 models.py を最適化：データクエリ効率を1000％向上
2. 💡 extractor.py を最適化：PDF抽出効率をわずかに向上
3. 💡 recognizer.py を最適化：画像理解効率を50％向上
4. 💡 ikb_mcp_server.py を最適化：
   • ページネーション機能を追加
   • 参照ファイルのローカルパスを表示
5. 💡 MITライセンスを追加(https://github.com/v587d/InsightsLibrary/pull/1#issuecomment-2969226661)
6. 📦 プロジェクトパッケージの全体サイズを約50％縮小
7. 💡 プライベートドキュメントの処理を合理化
8. 💡 特定されたその他のバグを修正

今後の開発方向

1. 埋め込みモデルの統合
   • 文書埋め込みに sentence-transformers を実装
   • ベクトル検索用の関数ツールエンドポイントを作成
2. レポートシステムの強化
   • 毎日の自動レポート生成
   • リアルタイム更新通知

最新ファイルの概要

{
    "statistics": {
        "total_files": 69,
        "total_pages": 3758,
        "unique_publishers": 7,
        "unique_topics": 51,
        "last_updated": "2025-06-18T20:09:57.012512"
    },
    "details": {
        "publishers": [
            "Accenture",
            "BAIN",
            "BCG",
            "CBS",
            "McKinsey",
            "PWC",
            "亿欧"
        ],
        "topics": [
            "AI",
            "AI Agent",
            "Asian American",
            "Auto",
            "Aviation",
            "Business",
            "Chemicals",
            "Consumer Goods",
            "Decarbonation",
            "Decarbonization",
            "Digital",
            "Economy and Trade",
            "Education",
            "Employment",
            "Fashion",
            "Finance",
            "Financial Technology",
            "Fintech",
            "Food-meatless",
            "Gen Z",
            "Global banking",
            "Global energy",
            "Global insurance",
            "Global macroeconomic",
            "Global materials",
            "Global private market",
            "Global private markets",
            "Global trade",
            "Health",
            "Human capital",
            "Insurance",
            "Investing",
            "Low-altitude Economy",
            "Luxury Goods",
            "M&A",
            "Maritime",
            "Media",
            "Medical Health",
            "Net zero",
            "New Energy Vehicle",
            "Pet Food",
            "Population",
            "Private Equity",
            "Productivity",
            "Real estate",
            "Retail Digitalization",
            "Small business",
            "Smart Home",
            "Sustainability",
            "Technology",
            "Travel"
        ]
    }
}

📦 インストール

💡 プロのアドバイス：困ったら、このページをLLMクライアント（DeepSeek など）にドラッグして、ステップバイステップのガイダンスを受けてください。実際、これらの説明もDeepSeekによって書かれています...

前提条件：Python 3.12以上（公式サイトからダウンロードし、環境パスを追加）

UVをインストール：

pip install uv

1. プロジェクトをクローン（GitとGit LFSが正常にインストールされていることを確認）

git clone https://github.com/v587d/InsightsLibrary.git
cd InsightsLibrary
git lfs pull

2. 仮想環境を作成

uv venv .venv  # 専用の仮想環境を作成

# 環境をアクティブ化
# Windows:
.\.venv\Scripts\activate
# Mac/Linux:
source .venv/bin/activate

3. コア依存関係をインストール

uv install .  # 末尾のドットは現在のディレクトリを示します

4. 環境変数を作成（将来的な必要性のため）

notepad .env  # Windows
# または
nano .env     # Mac/Linux

5. MCPサーバーを設定

• VSCode.Cline

注：<Your Project Root Directory!!!> を実際のルートディレクトリに置き換えてください。

{
  "mcpServers": {
    "ikb-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "<Your Project Root Directory!!!>", 
        "run",
        "ikb_mcp_server.py"
      ]
    }
  }
}

• Cherry Studio
  • コマンド: uv
  • 引数:

--directory
<Your Project Root Directory!!!>
run
ikb_mcp_server.py

ikb_mcp_serverへのプライベートドキュメントの追加方法

1. .env でVLMモデルとパラメータを設定：

   VLM_API_KEY=<API Key>
   VLM_BASE_URL=<Base URL> # https://openrouter.ai/api/v1
   VLM_MODEL_NAME=<Model Name> # qwen/qwen2.5-vl-72b-instruct:free
   

2. PDFドキュメントをプロジェクトルートディレクトリの library_files フォルダにアップロード。
3. 手動で main.py を実行。

# プロジェクトルートディレクトリに移動
# 仮想環境をアクティブ化
uv run main.py
(InsightsLibrary) PS D:\Projects\mcp\InsightsLibrary> uv run main.py
[INFO] extractor: PDF extraction initialized | Files directory: library_files | Pages directory: library_pages
[INFO] extractor: Starting scan of directory: library_files
[INFO] extractor: Found 69 PDF files
[INFO] extractor: Scan completed | Total files: 69 | Processed: 0 | Failed: 0
[INFO] recognizer: No pages to process.
# データがデータベースに更新されました
============================================================
テキストベクトル埋め込みを作成する必要があるか確認してください
⚠️ このプロセスには約20分かかる場合があります
============================================================
Create embeddings? (Enter Y or N): 
# Y: テキストベクトル埋め込みを作成
# N: テキストベクトル埋め込みをスキップしてプログラムを終了

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています。詳細については、LICENSE ファイルを参照してください。