Insights Knowledge Base Mcp Server

Insights Knowledge Base（IKB）MCP Server

>>>中文版

🍭無料で、すぐに使えるナレッジベースです。高品質なインサイトレポートを10,000件以上内蔵し、MCP サーバーとしてパッケージ化しています。データは安全にローカルに保存されます。

⚠️⚠️ このプロジェクトで収集したレポートはすべて、公式の調査レポートサイトが提供する無料のリソースです。⚠️⚠️

特長

1. 🍾 設定は不要で、すぐに使えるように設計されています。
2. 🚀 Qwen3-Embedding-0.6B 埋め込みモデルを内蔵しており、ベクトル検索で関連レポートを取得できます。📢レポートの詳細は、キーワード検索でも検索できます。
3. 🍥 McKinsey、PwC、BAIN などの著名なコンサルティング会社のインサイトレポートを100件以上収集しています。レポートページは6,000件以上、70以上のトピックを網羅しています。
4. 💎 MCP クライアントでレポート全文をリアルタイムに閲覧できます。
5. 🎉 超高速な応答：すべての Function_call の戻り値は通常1秒未満、キーワード検索は150ms未満です。
6. 🎨 library_files フォルダーにローカルの非公開ドキュメントを配置してください（存在しない場合は手動で作成し、名前を一致させてください）。.env で VLM モデルとパラメーターを設定すると（例：VLM_MODEL_NAME=qwen2.5-vl-72b-instruct）、ローカルドキュメントの抽出、解析、認識を行えます。
7. 🦉 永久に無料です。レポートの収集に労力を費やす必要はありません。 issue を通じて、信頼でき、著作権に準拠したリソースを共有してください。
8. 🔔 毎週レポートを更新することをお約束します。バグ修正は気まぐれ次第です（私はエンジニアではありません 🤭）。

6月30日時点の最適化

1. レポートページを2,000件以上追加しました。

今後の方針

1. レポートを継続的に更新します。
2. プロンプトエンジニアリングを最適化します。

最新ファイルのプロファイル

{
    "statistics": {
        "total_files": 174,
        "total_pages": 9320,
        "unique_publishers": 9,
        "unique_topics": 93,
        "last_updated": "2025-06-30T10:08:35.928329"
    },
    "details": {
        "publishers": [
            "",
            "Accenture",
            "BAIN",
            "BCG",
            "CBS",
            "Deloite",
            "McKinsey",
            "PWC",
            "亿欧"
        ],
        "topics": [
            "",
            "AI",
            "AI Agent",
            "Africa",
            "Aftermarket",
            "Asian American",
            "Auto",
            "Aviation",
            "Beauty",
            "Business",
            "Chemical industry",
            "Chemicals",
            "Chinese banking",
            "Chinese securities",
            "Consumer Goods",
            "Decarbonation",
            "Decarbonization",
            "Digital",
            "ESG",
            "Economy",
            "Economy and Trade",
            "Education",
            "Electric two wheelers",
            "Employment",
            "Energy",
            "Europe",
            "FMCG",
            "Fashion",
            "Finance",
            "Financial Technology",
            "Financial service",
            "Fintech",
            "Food-meatless",
            "Gen Z",
            "Global banking",
            "Global energy",
            "Global insurance",
            "Global macroeconomic",
            "Global materials",
            "Global private market",
            "Global private markets",
            "Global trade",
            "Grocery",
            "Grocery retail",
            "Health",
            "Healthcare",
            "Human capital",
            "Hydrogen",
            "Insurance",
            "Investing",
            "Investment management",
            "Labor market",
            "Latinos",
            "Low-altitude Economy",
            "Luxury Goods",
            "Luxury goods",
            "M&A",
            "Maritime",
            "Media",
            "Medical Health",
            "Medtech",
            "Net zero",
            "New Energy Vehicle",
            "New era",
            "Packing",
            "Payments",
            "Pet Food",
            "Population",
            "Power",
            "Private Equity",
            "Private market",
            "Productivity",
            "Quantum",
            "Real estate",
            "Retail",
            "Retail Digitalization",
            "Retailers",
            "Risk",
            "Small business",
            "Smart Home",
            "Smart hospital",
            "Sporting goods",
            "Sustainability",
            "Sustainable",
            "Tax-free",
            "Technology",
            "Travel",
            "Truck",
            "United Kingdom",
            "VSOC",
            "Wealth management",
            "Workplace",
            "连锁经营"
        ]
    }
}

インストール（初心者向け）

💡ヒント：行き詰まった場合は、このページを LLM クライアント（DeepSeek など）にドラッグして、手順を確認してください。実は、この手順も DeepSeek が書いたものです……

前提条件：Python 3.12 以降（公式サイトからダウンロードし、環境変数 PATH に追加してください）

UV をインストールします：

pip install uv

1. プロジェクトをクローンします（Git と Git LFS が正常にインストールされていることを確認してください）

git clone https://github.com/v587d/InsightsLibrary.git
cd InsightsLibrary
git lfs pull

2. 仮想環境を作成します

uv venv .venv  # Create dedicated virtual environment

# Activate environment
# Windows:
.\.venv\Scripts\activate
# Mac/Linux:
source .venv/bin/activate

3. コア依存関係をインストールします

uv install .  # Note the trailing dot indicating current directory

4. 環境変数を作成します（今後の利用に備えます）

notepad .env  # Windows
# Or
nano .env     # Mac/Linux

5. MCP Server を設定します

• VSCode.Cline

注：<Your Project Root Directory!!!> を実際のルートディレクトリに置き換えてください。

{
  "mcpServers": {
    "ikb-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "<Your Project Root Directory!!!>", 
        "run",
        "ikb_mcp_server.py"
      ]
    }
  }
}

• Cherry Studio
  • コマンド：uv
  • 引数：

--directory
<Your Project Root Directory!!!>
run
ikb_mcp_server.py

ikb_mcp_server に非公開ドキュメントを追加する

1. .env で VLM モデルとパラメーターを設定します：

   VLM_API_KEY=<API Key>
   VLM_BASE_URL=<Base URL> # https://openrouter.ai/api/v1
   VLM_MODEL_NAME=<Model Name> # qwen/qwen2.5-vl-72b-instruct:free
   

2. PDF ドキュメントをプロジェクトのルートディレクトリにある library_files フォルダーにアップロードします。
3. main.py を手動で実行します。

# Navigate to the project root directory
# Activate the virtual environment
uv run main.py
(InsightsLibrary) PS D:\Projects\mcp\InsightsLibrary> uv run main.py
[INFO] extractor: PDF extraction initialized | Files directory: library_files | Pages directory: library_pages
[INFO] extractor: Starting scan of directory: library_files
[INFO] extractor: Found 69 PDF files
[INFO] extractor: Scan completed | Total files: 69 | Processed: 0 | Failed: 0
[INFO] recognizer: No pages to process.
# Data has been updated to the database
============================================================
Confirm if you need to create text vector embeddings
⚠️ This process may take approximately 20 minutes
============================================================
Create embeddings? (Enter Y or N): 
# Y: create text vector embeddings
# N: Skip text vector embeddings and exit program

ライセンス

このプロジェクトは MIT License の下でライセンスされています。詳細は LICENSE ファイルをご覧ください。

6月17日時点の最適化アップデート

1. 💡models.py を最適化：データクエリの効率を1,000％向上させました
2. 💡extractor.py を最適化：PDF 抽出の効率を若干向上させました
3. 💡recognizer.py を最適化：画像理解の効率を50％向上させました
4. 💡ikb_mcp_server.py を最適化：
   • ページネーション機能を追加しました
   • 参照ファイルのローカルパスを表示するようにしました
5. 💡MIT License を追加しました（https://github.com/v587d/InsightsLibrary/pull/1#issuecomment-2969226661）
6. 📦 プロジェクト全体の圧縮パッケージサイズを約50％削減しました
7. 💡非公開ドキュメントの取り扱いを簡素化しました
8. 💡その他、確認されたバグを修正しました

6月22日時点の最適化

1. embedder.pyを追加しました。ローカルのQwen3-Embedding-0.6Bモデルを使用したテキストのベクトル化とインデックス作成を実装し、faiss_indexに保存します。
2. main.pyを変更しました。*PDFExtractor → IMGRecognizer → Embedder（任意）*のクローズドループワークフローです。
3. 新しい@mcp.tool(): get_similar_content_by_ragを追加しました。ベクトル類似度（RAG）を使用して、最も類似したドキュメントコンテンツを検索します。
4. 管理者がアップロードしたすべてのレポートがオンライン表示に対応しました → プロジェクトのサイズを抑えるため、library_filesフォルダーを削除しました。
5. レポートページを2000ページ以上追加しました。