MCP Assistant Server

🚀 MCP Assistant

このプロジェクト「MCP Assistant」は、開発者にタスク分析、ツール推薦、コンテキスト管理の核心機能を提供することを目的としています。

🚀 クイックスタート

依存関係のインストール

npm install

サービスの起動

npm run dev

✨ 主な機能

核心機能

• タスク分析器: ユーザーが入力したタスクの説明を分析し、重要な情報を抽出します。
• ツール推薦システム: タスクの特徴に基づいて、ツールを自動的に推薦します。
• コンテキストマネージャー: タスクの実行中にコンテキスト情報を維持します。

技術アーキテクチャ

src/
├── controllers/     # コントローラー層
│   └── LLMApiController.ts
├── core/           # 核心機能の実装
│   ├── TaskAnalyzer.ts
│   ├── ToolRecommender.ts
│   └── ContextManager.ts
├── services/       # サービス層
│   ├── LLMService.ts
│   └── MCPDiscoveryService.ts
├── routes/         # ルート定義
│   └── llmApiRoutes.ts
└── types/          # 型定義
    └── interfaces.ts

💻 使用例

Cline での使用

設定ファイルの変更

プロジェクトのルートディレクトリに settings.json ファイルを作成または変更し、以下の内容を追加します。

{
  "mcpServers": {
    "assistant": {
      "command": "node",
      "args": ["./path/to/mcp-assistant-server/build/index.js"],
      "env": {
        "PORT": "3000",
        "LOG_LEVEL": "info"
      }
    }
  }
}

使用方法

Cline では、コマンドパネル（Cmd/Ctrl + Shift + P）を使用して以下のコマンドを実行できます。

1. MCP: 分析タスク - 現在選択されているコードまたはテキストを分析します。
2. MCP: 推薦ツール - 現在のタスクに適したツールの推薦を取得します。
3. MCP: 更新コンテキスト - タスクのコンテキスト情報を更新します。

Cursor での使用

設定ファイルの変更

プロジェクトのルートディレクトリに cursor/settings.json ファイルを作成または変更し、以下の内容を追加します。

{
  "mcpServers": {
    "assistant": {
      "command": "node",
      "args": ["./path/to/mcp-assistant-server/build/index.js"],
      "env": {
        "PORT": "3000",
        "LOG_LEVEL": "info"
      }
    }
  }
}

使用方法

Cursor では、コマンドパネル（Cmd/Ctrl + Shift + P）を使用して以下のコマンドを実行できます。

1. MCP: 分析タスク - 現在選択されているコードまたはテキストを分析します。
2. MCP: 推薦ツール - 現在のタスクに適したツールの推薦を取得します。
3. MCP: 更新コンテキスト - タスクのコンテキスト情報を更新します。

また、Cursor API を使用してプラグイン内で利用することもできます。

import { workspace } from 'cursor';

// タスク分析
const analysis = await workspace.mcp.callTool('assistant', 'analyze_task', {
  description: '現在のタスクの説明',
  context: {
    // コンテキスト情報
  }
});

// ツール推薦の取得
const recommendations = await workspace.mcp.callTool('assistant', 'recommend_tools', {
  taskId: 'current-task-id'
});

タスク分析器

ユーザーが入力したタスクの説明を分析し、以下の重要な情報を抽出します。

• タスクタイプの識別
• パラメータの抽出
• コンテキストの関連付け
• 依存関係の分析

ツール推薦システム

タスクの特徴に基づいて、以下の方法でツールを推薦します。

• ルールベースの推薦
• 混合推薦アルゴリズム
• コンテキスト感知
• 履歴データ分析

コンテキストマネージャー

タスクの実行中に、以下のコンテキスト情報を維持します。

• 状態追跡
• データの永続化
• セッション管理
• エラー回復

📚 ドキュメント

インターフェースドキュメント

• LLM API: 大規模言語モデルとのやり取りを行うインターフェースを提供します。
• Task Analysis: タスクの説明を分析し、構造化された結果を返します。
• Tool Recommendations: タスクの要件に基づいてツールを推薦します。

設定オプション

• PORT: サービスが実行されるポート番号で、デフォルトは 3000 です。
• LOG_LEVEL: ログレベルで、debug, info, warning, error をサポートしています。

🤝 貢献ガイド

コードの貢献を歓迎します！開発への参加方法については、CONTRIBUTING.md ファイルを参照してください。

📄 ライセンス

このプロジェクトは MIT ライセンスの下で公開されています。