Contextual MCP Server

🚀 コンテキストMCPサーバー

Contextual AIを使用してRAG（Retrieval-Augmented Generation）機能を提供するモデルコンテキストプロトコル（MCP）サーバーです。このサーバーは、さまざまなMCPクライアントと統合されます。このREADMEでは、Cursor IDEとClaude Desktopの両方との統合方法を紹介します。

🚀 クイックスタート

このMCPサーバーは、AIインターフェース（Cursor IDEまたはClaude Desktop）と専用のコンテキストAIエージェントの間の橋渡し役として機能します。以下の機能を提供します。

1. クエリ処理：特定のドメインに関する質問を専用のコンテキストAIエージェントに直接送信します。
2. インテリジェントな検索：知識ベース内の包括的な情報を検索します。
3. コンテキスト認識応答：以下の特性を持つ回答を生成します。
   • ソースドキュメントに基づいている。
   • 引用と出典を含む。
   • 会話のコンテキストを維持する。

統合フロー

Cursor/Claude Desktop → MCP Server → コンテキストAI RAGエージェント
        ↑                  ↓             ↓                         
        └──────────────────┴─────────────┴─────────────── 引用付きの応答

✨ 主な機能

• 正確な応答：すべての回答はドキュメントに基づいています。
• 出所の帰属：すべての応答にはソースドキュメントへの参照が含まれています。
• コンテキスト認識：システムはフォローアップの質問に対応するために会話のコンテキストを維持します。
• リアルタイム更新：応答はデータストア内の最新のドキュメントを反映しています。

📦 インストール

前提条件

• Python 3.10以上
• Cursor IDEおよび/またはClaude Desktop
• コンテキストAI APIキー
• MCP互換環境

インストール手順

1. リポジトリをクローンします：

git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server

2. 仮想環境を作成してアクティブ化します：

python -m venv .venv
source .venv/bin/activate  # Windowsの場合は `.venv\Scripts\activate` を使用

3. 依存関係をインストールします：

pip install -e .

📚 ドキュメント

MCPサーバーの設定

サーバーは設定の変更または使用が必要です。たとえば、単一使用のサーバーは、RAGエージェントに適切なdocstringでカスタマイズする必要があります。

クエリツールのdocstringは、MCPクライアントが質問をRAGエージェントにルーティングするタイミングを理解するのに役立つため、非常に重要です。知識ドメインに合わせて具体的に記述してください。以下は例です：

米国最大の企業に関する金融データに焦点を当てた調査ツール

または

オマハの半導体に関する技術文書に焦点を当てた調査ツール

サーバーには、RAGエージェントから以下の設定も必要です：

• API_KEY：コンテキストAI APIキー
• AGENT_ID：コンテキストAIエージェントID

これらのファイルを.envファイルに保存する場合は、以下のように指定できます：

cat > .env << EOF
API_KEY=key...
AGENT_ID=...
EOF

AIインターフェースの統合

このMCPサーバーは、さまざまなクライアントと統合できます。Cursor IDEまたはClaude Desktopで使用するには、適切な場所にMCP設定ファイルを作成または変更します。

1. まず、uvのインストールパスを見つけます：

UV_PATH=$(which uv)
echo $UV_PATH
# 例の出力: /Users/username/miniconda3/bin/uv

2. 手順1の完全パスを使用して設定ファイルを作成します：

cat > mcp.json << EOF
{
 "mcpServers": {
   "ContextualAI-TechDocs": {
     "command": "$UV_PATH", # これが正しく設定されていることを確認
     "args": [
       "--directory",
       "\${workspaceFolder}",  # プロジェクトパスに置き換えられます
       "run",
       "multi-agent/server.py"
     ]
   }
 }
}
EOF

3. 正しいフォルダーに移動します。以下はオプションです：

mkdir -p .cursor/
mv mcp.json .cursor/

設定場所：

• Cursorの場合：
  • プロジェクト固有：プロジェクトディレクトリ内の.cursor/mcp.json
  • グローバル：システム全体でアクセスするには~/.cursor/mcp.json
• Claude Desktopの場合：
  • 適切なClaude Desktop設定ディレクトリに同じ設定ファイル形式を使用します。

環境設定

このプロジェクトは依存関係管理にuvを使用しており、これによりPythonパッケージのインストールがより高速かつ信頼性高く行われます。

💻 使用例

基本的な使用法

サーバーはPython SDKを使用してコンテキストAI RAG機能を提供します。これにより、Cursor IDEやClaude DesktopなどのMCPクライアントからアクセス可能なさまざまなコマンドが利用できます。現在のサーバーは、コンテキストAI Python SDKのクエリコマンドの使用に焦点を当てていますが、すべてのエージェントの一覧表示、検索設定の更新、プロンプトの更新、検索結果の抽出、またはメトリクスのダウンロードなどの他の機能をサポートするように拡張することもできます。

# Cursorでは、次のように質問することができます：
"RF345マイクロチップを起動するコードを教えてください。"

# MCPクライアントは次のことを行います：
1. これをMCPサーバーにルーティングする必要があるかどうかを判断します。

# 次に、MCPサーバーは次のことを行います：
1. クエリをコンテキストAIエージェントにルーティングします。
2. 関連するドキュメントを検索します。
3. 特定の引用付きの応答を生成します。
4. 整形された回答をCursorに返します。

🔧 技術詳細

サーバーの変更

新しい機能を追加するには：

1. @mcp.tool()で装飾された追加の関数を作成して新しいツールを追加します。
2. Pythonの型ヒントを使用してツールのパラメーターを定義します。
3. ツールの機能を説明する明確なdocstringを提供します。

例：

@mcp.tool()
def new_tool(param: str) -> str:
   """ツールの機能の説明"""
   # 実装
   return result

制限事項

• サーバーはローカルで実行されるため、リモート開発環境では動作しない場合があります。
• ツールの応答は、コンテキストAI APIの制限とクォータに依存します。
• 現在はstdioトランスポートモードのみをサポートしています。

コンテキストAIのすべての機能については、公式ドキュメントを確認してください。