DocReader MCP Tool

DocReader MCP ツール

DocReader は、Model Context Protocol（MCP）を基盤とする、ドキュメントの読み取りと検索のための強力なツールです。LLM がウェブベースのドキュメントから情報を検索、抽出、統合できるようにし、AI アシスタントがそれに応じて質問に回答できるよう支援します。

特長

• ドキュメントサイト全体から関連ページを検索します
• 特定のページからコンテンツを抽出します
• 見つかった情報を集約して要約します
• ドキュメントに関する Q&A のワークフローを 1 ステップで完了します

インストール

要件

• Python 3.7 以上
• fastmcp
• beautifulsoup4
• requests
• openai
• python-dotenv

インストール手順

1. このリポジトリをクローンするか、ダウンロードします。

2. 必要な依存関係をインストールします。

pip install fastmcp beautifulsoup4 requests openai python-dotenv

1. .env ファイルを作成し、API キーを追加します。NetMind の API キーを推奨します。

API_KEY=your_api_key_here

使用方法

直接実行

cd path/to/DocReaderMCP
python DocReader.py

fastmcp CLI で実行

cd path/to/DocReaderMCP
fastmcp run DocReader.py

Cursor での使用

方法 1：一時的な追加

1. Cursor のインターフェースで、左側のサイドバーにある拡張機能／プラグインのアイコンをクリックします。
2. MCP セクションを見つけるか、「Add Tool」を選択します。
3. 「Add Local MCP Tool」を選択します。
4. 「DocReader」などのツール名を入力します。
5. 実行方法を選択します（スクリプトのパスを指定するか、URL 経由で接続します）。

方法 2：永続的なインストール

cd path/to/DocReaderMCP
fastmcp install DocReader.py --name "DocReader" --with beautifulsoup4 requests openai python-dotenv

ツールセット

DocReader MCP では、次のツール関数を利用できます。

1. search_docs：ドキュメントページを検索し、クエリに最も関連するページを見つけます。
2. extract_content：指定した URL からコンテンツを抽出します。
3. summarize_findings：収集した情報を要約します。
4. read_doc：検索、抽出、要約という一連のワークフローを 1 ステップで完了します。

推奨ワークフロー

1. まず search_docs を使って、ドキュメントサイト内の関連ページを見つけます。
2. extract_content を使って、最も関連性の高いページからコンテンツを取得します。
3. summarize_findings を使って、見つかった情報を要約します。
4. または、read_doc を使ってこれらすべてのステップを一度に実行します。

例

各ツール関数の使用方法については、test_doc_reader.py を参照してください。

簡単な例：

from DocReader import search_docs, extract_content, summarize_findings, read_doc

doc_url = "https://flax.readthedocs.io/en/latest/index.html"
query = "How do I train a model with flax? Please help me write the training code and the inference code after training."

# 1. Search for relevant pages
results = search_docs(doc_url, query, depth=2, max_results=3)

# 2. Extract content
if results:
    page_content = extract_content(results[0]['url'], query)

# 3. Summarize findings
summary = summarize_findings(query)
print(summary['summary'])

# 4. One-step workflow
final_answer = read_doc(doc_url, query)
print(final_answer)