Simple MCP Server

🚀 📚 シンプルなMCP情報サーバー

このプロジェクトはFastMCPに基づくマイクロサービスで、WikipediaとArxivを対象とした検索ツールを提供しています。これはLangChainコミュニティの便利なツールを用いて実装されています。

このプロジェクトは、FastMCPを使ってMCP（モデルコンテキストプロトコル）サーバーを作成する方法をデモンストレーションしています。Claude DesktopがWikipediaを検索し、Arxivから学術論文の情報を取得するための2つのシンプルなツールを提供しています。

🚀 MCPとは？

モデル制御プロトコル（MCP） は、Claudeなどの言語モデルが外部ツール（「機能」と呼ばれる）と標準的な方法で通信できるようにするプロトコルです。これらの機能は以下のようなものがあります：

• 任意の言語で書かれた関数
• ウェブAPI
• ローカルスクリプト

MCPを通じて、Claudeはあなたのツールを呼び出し、応答を取得し、会話を続けることができます。

📚 このプロジェクトの機能

この情報サーバーは、MCPを通じて2つのツールを公開しています：

1. get_info(searchterm: str) — Wikipediaで簡単な要約を検索します。
2. get_research_paper(searchterm: str) — Arxivから学術論文のメタデータを取得します。

⚡ 概要

このツールは、MCPを通じて2つの互換性のあるエンドポイントを公開しています：

• get_info：Wikipediaで情報を検索します。
• get_research_paper：Arxivから学術論文の情報を取得します。

技術スタック

• FastMCP：MCPサーバーを作成するために使用されます。
• LangChainコミュニティツールキット：WikipediaとArxivとのやり取りに使用されます。
• Python 3.12+：プロジェクトを実行するための基本言語です。

📦 インストール

前提条件

• Python 3.12以上
• uvツールのインストールと設定（MCPサーバーを実行するため）
• Claude Desktopのインストール（接続とテスト用）

プロジェクトの初期化

1. 新しいプロジェクトを作成します：

   uv init simple_mcp_server
   cd simple_mcp_server
   

2. 仮想環境をアクティブ化します：

   source env/bin/activate  # Mac/Linuxの場合
   # または
   .\env\Scripts\activate  # Windowsの場合
   

3. 依存関係をインストールします：

   pip install mcp[cli] langchain-community wikipedia arxiv
   

サーバーの起動

1. MCPサーバーを起動します：

   uv run server.py
   

2. Claude Desktopをこのサーバーに接続するように設定します。

💻 使用例

Wikipediaの検索

from langchain_community.wikipedia import WikipediaAPI

# Wikipedia APIツールを初期化します
wiki_tool = WikipediaAPI()

# 検索機能を呼び出します
result = wiki_tool.search("Donald Trump")
print(result)

学術論文の取得

import arxiv

# Arxivクライアントを初期化します
client = arxiv.Client()

# 論文を検索します
papers = client.search("AI in finance", max_results=5)
for paper in papers:
    print(paper.title, paperauthors))

Claude Desktopの設定

Claude Desktopの設定ファイルを編集し、以下の内容を追加します：

"display": ":1"

Claude Desktopを起動し、MCPサーバーに接続します。

コード例

カスタムMCPクライアントの使用

import os
from langchain_community import wikipedia, arxiv

# WikipediaとArxivツールを初期化します
wiki_tool = WikipediaAPI()
arxiv_tool = arxiv.Client()

# MCPエージェントを作成します
class MCPAgent:
    def __init__(self):
        self.tools = [wiki_tool, arxiv_tool]

    async def run(self, query):
        # クエリに応じて適切なツールを選択します
        if "Wikipedia" in query:
            return wiki_tool.search(query)
        else:
            return arxiv_tool.search(query)

# エージェントを初期化します
agent = MCPAgent()

# 検索タスクを実行します
result = await agent.run("tell me about donald trump")
print(f"\n結果: {result}")

プロジェクトの利点

• Claude Desktop UIに依存しない：コマンドラインツールを直接使用できます。
• LLMの置き換えが容易：GroqやOpenAIなど、複数の言語モデルをサポートしています。
• 対話プロセスを完全に制御可能：エージェントのロジックとツールの呼び出し順序をカスタマイズできます。

まとめ

このプロジェクトは、FastMCPを使って強力な情報検索サーバーを迅速に作成する方法を示しています。個人の研究や企業アプリケーションに使用する場合でも、必要に応じて柔軟に拡張およびカスタマイズすることができます。