Slimcontext MCP Server

🚀 SlimContext MCP Server

SlimContext ライブラリをラップしたModel Context Protocol (MCP) サーバーです。MCP互換クライアント向けのAIチャット履歴圧縮ツールを提供します。

🚀 クイックスタート

SlimContext MCP Serverは、2つの強力な圧縮戦略をMCPツールとして提供します。

✨ 主な機能

1. trim_messages - トークンベースの圧縮。トークン閾値を超えた場合、最古のメッセージを削除します。
2. summarize_messages - OpenAIを使用したAIベースの圧縮。簡潔な要約を作成します。

📦 インストール

npm install -g slimcontext-mcp-server
# または
pnpm add -g slimcontext-mcp-server

📚 ドキュメント

開発

# クローンとセットアップ
git clone <repository>
cd slimcontext-mcp-server
pnpm install

# ビルド
pnpm build

# 開発モードで実行
pnpm dev

# 型チェック
pnpm typecheck

設定

MCPクライアントの設定

MCPクライアントの設定に以下を追加します。

{
  "mcpServers": {
    "slimcontext": {
      "command": "npx",
      "args": ["-y", "slimcontext-mcp-server"]
    }
  }
}

環境変数

• OPENAI_API_KEY: 要約に使用するOpenAI APIキー (オプション、ツールパラメータとして渡すことも可能)

ツール

trim_messages

トークンベースのトリミング戦略を使用してチャット履歴を圧縮します。

パラメータ:

• messages (必須): チャットメッセージの配列
• maxModelTokens (オプション): 最大モデルトークンコンテキストウィンドウ (デフォルト: 8192)
• thresholdPercent (オプション): 圧縮をトリガーするパーセンテージ閾値 (0-1、デフォルト: 0.7)
• minRecentMessages (オプション): 保存する最近の最小メッセージ数 (デフォルト: 2)

例:

{
  "messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "user", "content": "Hello!" },
    { "role": "assistant", "content": "Hi there! How can I help you today?" },
    { "role": "user", "content": "Tell me about AI." }
  ],
  "maxModelTokens": 4000,
  "thresholdPercent": 0.8,
  "minRecentMessages": 2
}

レスポンス:

{
  "success": true,
  "original_message_count": 4,
  "compressed_message_count": 3,
  "messages_removed": 1,
  "compression_ratio": 0.75,
  "compressed_messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "assistant", "content": "Hi there! How can I help you today?" },
    { "role": "user", "content": "Tell me about AI." }
  ]
}

summarize_messages

AIベースの要約戦略を使用してチャット履歴を圧縮します。

パラメータ:

• messages (必須): チャットメッセージの配列
• maxModelTokens (オプション): 最大モデルトークンコンテキストウィンドウ (デフォルト: 8192)
• thresholdPercent (オプション): 圧縮をトリガーするパーセンテージ閾値 (0-1、デフォルト: 0.7)
• minRecentMessages (オプション): 保存する最近の最小メッセージ数 (デフォルト: 4)
• openaiApiKey (オプション): OpenAI APIキー (OPENAI_API_KEY環境変数も使用可能)
• openaiModel (オプション): 要約に使用するOpenAIモデル (デフォルト: 'gpt-4o-mini')
• customPrompt (オプション): カスタム要約プロンプト

例:

{
  "messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "user", "content": "I want to build a web scraper." },
    {
      "role": "assistant",
      "content": "I can help you build a web scraper! What programming language would you prefer?"
    },
    { "role": "user", "content": "Python please." },
    {
      "role": "assistant",
      "content": "Great choice! For Python web scraping, I recommend using requests and BeautifulSoup..."
    },
    { "role": "user", "content": "Can you show me a simple example?" }
  ],
  "maxModelTokens": 4000,
  "thresholdPercent": 0.6,
  "minRecentMessages": 2,
  "openaiModel": "gpt-4o-mini"
}

レスポンス:

{
  "success": true,
  "original_message_count": 6,
  "compressed_message_count": 4,
  "messages_removed": 2,
  "summary_generated": true,
  "compression_ratio": 0.67,
  "compressed_messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    {
      "role": "system",
      "content": "The user expressed interest in building a web scraper and requested help with Python. The assistant recommended using requests and BeautifulSoup libraries for Python web scraping."
    },
    {
      "role": "assistant",
      "content": "Great choice! For Python web scraping, I recommend using requests and BeautifulSoup..."
    },
    { "role": "user", "content": "Can you show me a simple example?" }
  ]
}

メッセージ形式

両方のツールは、SlimContext形式のメッセージを期待します。

interface SlimContextMessage {
  role: 'system' | 'user' | 'assistant' | 'tool' | 'human';
  content: string;
}

エラーハンドリング

すべてのツールは構造化されたエラーレスポンスを返します。

{
  "success": false,
  "error": "Error message description",
  "error_type": "SlimContextError" | "OpenAIError" | "UnknownError"
}

一般的なエラーシナリオ:

• 要約にOpenAI APIキーが不足している
• 無効なメッセージ形式
• OpenAI APIのレート制限またはエラー
• 無効なパラメータ値

トークン推定

SlimContextはトークン推定に単純なヒューリスティックを使用します: Math.ceil(content.length / 4) + 2。これはほとんどのユースケースで合理的な近似値を提供します。より正確なトークンカウントを行うには、クライアントアプリケーションでカスタムトークン推定器を実装する必要があります。

圧縮戦略

トリミング戦略

• すべてのシステムメッセージを保存します。
• 最新のN個のメッセージを保存します。
• トークン閾値未満になるまで、最古の非システムメッセージを削除します。
• 高速かつ決定的です。
• 外部APIに依存しません。

要約戦略

• すべてのシステムメッセージを保存します。
• 最新のN個のメッセージを保存します。
• AIを使用して会話の中間部分を要約します。
• 文脈豊かな要約を作成します。
• OpenAI APIへのアクセスが必要です。

📄 ライセンス

MIT

貢献方法

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。
3. 変更を加えます。
4. 新機能に対するテストを追加します。
5. プルリクエストを送信します。

関連リンク

• SlimContext - 基礎となる圧縮ライブラリ
• Model Context Protocol - プロトコル仕様
• MCP SDK - MCP用のTypeScript SDK