MCP Test Server

🚀 MCP テストサーバー

Model Context Protocol (MCP) を使用した Python サーバーで、OpenAI ベクトルストレージ機能に基づく検索強化生成（RAG）システムを提供します。

✨ 主な機能

この MCP サーバーは以下の機能を提供します：

1. ベクトルデータベースの作成：指定されたディレクトリ内のファイル（テキスト、PDF、DOCX、Markdown ファイルを含む）から OpenAI ベクトルストレージを構築します。
2. ベクトルデータベースの検索：構築されたベクトルデータベースに対してクエリを実行し、関連性の高い情報を取得します。

📋 システム要件

• Python 3.11 以上
• OpenAI API キー

📦 インストール

1. プロジェクトの初期化と仮想環境の作成

# プロジェクトの初期化
uv init mcp-test-server
cd mcp-test-server

# 仮想環境の作成とアクティブ化
uv venv .venv
source .venv/bin/activate

2. 必要なパッケージのインストール

# 必要なパッケージのインストール
uv sync

3. 環境変数の設定

.env ファイルを作成し、OpenAI API キーを追加します：

OPENAI_API_KEY="your-api-key"

💻 MCP サーバーのテスト（オプション）

MCP Inspector を使用したテスト

MCP Inspector を起動してサーバーの機能を検証します：

# MCP Inspector の起動
npx @modelcontextprotocol/inspector uv run server.py

MCP Inspector での操作手順は以下の通りです：

1. 左側のペインで「Connect」を選択します。
2. 中央のタブで「Tools」を選択します。
3. 「List Tools」を実行します。
4. 検証するツールを選択します。
5. 右側のペインでパラメータを設定した後、「Run Tool」を実行します。
6. 応答内容は Result エリアに表示されます（unicode エスケープのため、適切にデコードして確認する必要があります）。
7. 完了したら、CLI で Inspector の実行を停止してポートを解放します。

🔌 Claude アプリケーションとの統合

Claude デスクトップアプリの設定ファイルに以下の設定を追加します：

"test_calc": {
  "command": "uv",
  "args": [
      "--directory",
      "/abs/path/to/your/mcp-test-server",
      "run",
      "server.py"
  ]
}

/abs/path/to/your/mcp-test-server を実際のプロジェクトパスに置き換えてください。

設定を追加した後、Claude アプリケーションを再起動すると、MCP サーバーの機能を使用できます。

🛠️ 提供されるツール

この MCP サーバーは以下のツールを提供します：

1. create_vector_db_from_directory

指定されたディレクトリ内のファイルからベクトルデータベースを作成します。

パラメータ:

• directory_path: 処理するファイルがあるディレクトリのパス（必須）
• vector_store_name: ベクトルストレージの名前（デフォルト値："local_knowledge"）
• file_patterns: 処理するファイルのパターン（デフォルト値：["*.txt", "*.pdf", "*.docx", "*.md"]）

戻り値:

• 処理結果の情報（状態、メッセージ、統計情報など）

2. query_vector_db

構築されたベクトルデータベースを検索し、関連する結果を取得します。

パラメータ:

• query: 検索クエリ（必須）
• vector_store_name: 検索するベクトルストレージの名前（デフォルト値："local_knowledge"）

戻り値:

• クエリ結果を含む関連ドキュメントのリスト