Grokipedia MCP

🚀 Grokipedia MCP Server

Grokipediaからコンテンツを検索および取得するためのMCPサーバーです。

MCPのユーザーは、Grokipediaとのやり取りに関して全責任を負います。

疑問がある場合は、Xai利用規約をご確認ください。

エロン、訴えないでください。私は自分のエージェントが真実の情報にアクセスできるようにし、いつもウィキペディアを参照するのをやめてほしいだけです。

🚀 クイックスタート

MCP設定ファイルに以下を追加してください。

{
  "mcpServers": {
    "grokipedia": {
      "command": "uvx",
      "args": ["grokipedia-mcp"]
    }
  }
}

インストールの確認

以下のツールでGrokipediaサーバーが利用可能であることを確認できます。

• search - フィルターを使用した検索
• get_page - ページの概要を取得
• get_page_content - 完全なコンテンツを取得
• get_page_citations - 引用を取得
• get_related_pages - リンクされたページを取得
• get_page_sections - すべてのセクションヘッダーをリスト表示
• get_page_section - 特定のセクションを抽出

また、以下のプロンプトも利用できます。

• research_topic - 調査ワークフロー
• find_sources - 引用を見つける
• explore_related - 関連性を探索する
• compare_topics - 2つのトピックを比較する

✨ 主な機能

• フィルターを使用した検索：ソート（関連性/閲覧数）とフィルター（最小閲覧数）を使用して検索できます。
• ページコンテンツ：スマートなトランケーションを使用して、記事、引用、メタデータを取得できます。
• 関連ページ：リンクされた/関連する記事を発見できます。
• セクション抽出：長い記事から特定のセクションを取得できます。
• スマートな提案：ページが見つからない場合に役立つ代替案を提供します。
• ガイド付きプロンプト：調査、情報源、探索のための事前構築されたワークフローを提供します。

📦 インストール（開発用）

uvを使用します。

cd grokipedia-mcp
uv sync

MCPインスペクターとCLIツールを使用した開発の場合は、以下を実行します。

uv sync --dev

💻 使用例

MCPインスペクターで実行（開発用）

テストとデバッグを行う最速の方法（開発依存関係が必要）：

uv run --dev mcp dev main.py

これにより、MCPインスペクターUIが起動し、以下のことができます。

• 利用可能なツールを探索する
• 検索クエリをテストする
• ページコンテンツを取得する
• 構造化された出力を表示する

直接実行

# インストールされたエントリーポイントを使用する
uv run grokipedia-mcp

# またはPythonモジュールとして
uv run python -m grokipedia_mcp

# または直接
uv run python main.py

search

Grokipedia内の記事をフィルターとソートオプションを使用して検索します。

パラメーター：

• query（文字列、必須） - 検索クエリ
• limit（整数、オプション、デフォルト: 12） - 最大結果数
• offset（整数、オプション、デフォルト: 0） - ページネーションのオフセット
• sort_by（文字列、オプション、デフォルト: "relevance"） - "relevance"または"views"でソート
• min_views（整数、オプション） - 少なくともこの数の閲覧数を持つ記事にフィルターする

戻り値：タイトル、スラッグ、スニペット、関連性スコア、および閲覧数を含む検索結果のリスト。

例：

// 基本的な検索
{"query": "machine learning", "limit": 5}

// 最も閲覧数の多い順にソート
{"query": "python", "sort_by": "views"}

// 人気の記事のみをフィルター
{"query": "artificial intelligence", "min_views": 1000}

get_page

メタデータ、コンテンツのプレビュー、および引用の概要を含む完全なページ情報を取得します。ページが見つからない場合は、代替案のスマートな提案を含みます。

パラメーター：

• slug（文字列、必須） - 記事識別子（検索結果から）
• max_content_length（整数、オプション、デフォルト: 5000） - 最大コンテンツ長

戻り値：メタデータ、トランケートされたコンテンツ、および引用の概要を含む完全なページオブジェクト。

機能：

• 要求されたスラッグが存在しない場合、類似したページを提案します。
• コンテンツのプレビューと引用を含む概要を提供します。

使用シーン：メタデータとコンテンツのプレビューを含むページの概要が必要な場合。

例：

{"slug": "Machine_learning"}

get_page_content

引用やメタデータを含まない記事のコンテンツのみを取得します。

パラメーター：

• slug（文字列、必須） - 記事識別子
• max_length（整数、オプション、デフォルト: 10000） - 最大コンテンツ長

戻り値：記事のコンテンツ（タイトルとコンテンツテキスト）のみ。

使用シーン：引用を含まずに記事の完全なコンテンツを読む必要がある場合。

例：

{"slug": "Machine_learning", "max_length": 15000}

get_page_citations

特定のページの引用リストを取得します。

パラメーター：

• slug（文字列、必須） - 記事識別子
• limit（整数、オプション） - 返す最大引用数（指定しない場合はすべて返す）

戻り値：タイトル、URL、および説明を含む引用のリスト。合計数と返された数を含みます。

使用シーン：情報源の参照と引用にアクセスする必要がある場合。

例：

// すべての引用を取得
{"slug": "Machine_learning"}

// 最初の10件の引用のみを取得
{"slug": "Machine_learning", "limit": 10}

get_related_pages

特定の記事からリンクされたページを取得します。

パラメーター：

• slug（文字列、必須） - 記事識別子
• limit（整数、オプション、デフォルト: 10） - 返す最大関連ページ数

戻り値：タイトルとスラッグを含む関連/リンクされたページのリスト。

使用シーン：関連するトピックを発見したい場合、または記事間の関連性を探索したい場合。

例：

// 関連ページを取得
{"slug": "Machine_learning"}

// より多くの関連ページを取得
{"slug": "Quantum_computing", "limit": 20}

get_page_sections

記事内のすべてのセクションヘッダーのリストを取得します。

パラメーター：

• slug（文字列、必須） - 記事識別子

戻り値：レベル（h1、h2、h3など）を含むすべてのセクションヘッダーのリスト。

使用シーン：特定のセクションを読む前に、記事の構造/概要を確認したい場合。

例：

{"slug": "Machine_learning"}

get_page_section

ヘッダー名によって記事から特定のセクションを抽出します。

パラメーター：

• slug（文字列、必須） - 記事識別子
• section_header（文字列、必須） - 抽出するセクションヘッダー（大文字と小文字を区別しません）
• max_length（整数、オプション、デフォルト: 5000） - 最大セクションコンテンツ長

戻り値：指定されたセクションのコンテンツのみ。

使用シーン：長い記事の特定のセクション（例: "Applications"、"History"、"Examples"）が必要な場合。

例：

// 特定のセクションを取得
{"slug": "Neural_networks", "section_header": "Applications"}

// より長いセクションを取得
{"slug": "Python", "section_header": "Syntax", "max_length": 10000}

⚠️ 重要提示

記事は10万文字以上になる場合があります。コンテンツは自動的にトランケートされ、LLMのコンテキストウィンドウが圧迫されないようにします。max_lengthパラメーターを使用して、返される量を制御してください。

📚 ドキュメント

サーバーは、一般的なワークフローのための事前構築されたプロンプトを提供します。

research_topic

トピックを調査するためのガイド付きワークフロー：検索 → 取得 → 関連ページと引用を分析

find_sources

学術/調査目的のための信頼できる情報源と引用を見つける

explore_related

トピック間の関連性を発見し、さらなる読書の提案を得る

compare_topics

2つのトピックをコンテンツと引用で並べて比較する

🔧 技術詳細

サーバーは以下を使用しています。

• FastMCP：宣言的なMCPサーバーの実装
• grokipedia-api-sdk AsyncClient：API通信
• Lifespan context：クライアント接続管理
• Structured output：SDKからのPydanticモデルを使用した構造化出力
• Comprehensive error handling：特定の例外タイプを使用した包括的なエラーハンドリング

エラーハンドリング

サーバーは、さまざまなエラーシナリオを処理します。

• ValueError：無効なパラメーターまたは見つからないページの場合
• RuntimeError：ネットワークまたはAPIエラーの場合
• デバッグ、情報、警告、およびエラーレベルでの詳細なロギング

開発

プロジェクト構造

grokipedia-mcp/
├── grokipedia_mcp/
│   ├── __init__.py       # パッケージエクスポート
│   ├── __main__.py       # CLIエントリーポイント
│   └── server.py         # FastMCPサーバーの実装
├── main.py               # 直接実行のエントリーポイント
├── pyproject.toml        # プロジェクト構成
└── README.md             # このファイル

テスト

MCPインスペクターを使用して対話型テストを行います。

uv run mcp dev main.py

📄 ライセンス

MIT