MCP Knowledge Base Assistant

MCP ナレッジベースアシスタント

OpenAI を利用したクライアントをナレッジベースサーバーに接続する、Model Context Protocol（MCP）のデモです。このプロジェクトでは、MCP を通じてナレッジベースにアクセスし、会社のポリシーに関する質問に答える、シンプルながらも強力な AI アシスタントの構築方法を紹介します。

📋 概要

このプロジェクトでは、以下の方法を紹介します。

1. ナレッジベースをツールとして公開する MCP サーバーの構築
2. サーバーに接続する MCP クライアントの作成
3. OpenAI の API を統合して、自然言語インターフェースを作成
4. Docker を使用してサーバーコンポーネントをコンテナ化

このシステムでは、ユーザーが会社のポリシーについて自然言語で質問すると、AI がナレッジベースから関連情報を取得し、正確な回答を提供します。

🏗️ アーキテクチャ

このプロジェクトは、MCP のクライアント・ホスト・サーバーアーキテクチャに従っています。

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│                 │     │                 │     │                 │
│  OpenAI Model   │◄────┤  MCP Client     │◄────┤  MCP Server     │
│  (GPT-4o)       │     │  (client.py)    │     │  (server.py)    │
│                 │     │                 │     │                 │
└─────────────────┘     └─────────────────┘     └─────────────────┘
                                                        │
                                                        ▼
                                               ┌─────────────────┐
                                               │                 │
                                               │  Knowledge Base │
                                               │  (kb.json)      │
                                               │                 │
                                               └─────────────────┘

• MCP サーバー：照会可能なツールとしてナレッジベースを公開します
• MCP クライアント：サーバーに接続し、OpenAI の API と統合します
• OpenAI モデル：自然言語のクエリを処理し、応答を生成します
• ナレッジベース：会社のポリシーに関する質問と回答のペアを含む JSON ファイルです

🚀 はじめに

前提条件

• Python 3.11 以降
• Docker（任意。サーバーのコンテナ化に使用）
• OpenAI API キー

インストール

1. リポジトリをクローンします。

   git clone <repository-url>
   cd MCP-Get-Started
   

2. 仮想環境を作成し、依存関係をインストールします。

   python -m venv venv
   
   # On Windows
   venv\Scripts\activate
   
   # On macOS/Linux
   source venv/bin/activate
   
   pip install -r requirements.txt
   

3. プロジェクトのルートに OpenAI API キーを記載した .env ファイルを作成します。

   OPENAI_API_KEY=your_openai_api_key_here
   

サーバーの実行

オプション 1：Python で直接実行する

python server.py

オプション 2：Docker で実行する

# Build the Docker image
docker build -t mcp-server .

# Run the container
docker run -p 8050:8050 mcp-server

クライアントの実行

サーバーを起動した状態で、新しいターミナルを開いて次のコマンドを実行します。

python client.py

📝 使用方法

クライアントはサーバーに接続し、会社の機会均等に関するポリシーについてサンプルの質問をします。client.py のクエリを変更すると、会社のポリシーについて別の質問をすることができます。

出力例：

Connected to server with tools:
  - get_knowledge_base: Retrieve the entire knowledge base as a formatted string.

Query: What is the company's equal opportunity policy?

Response: The company's equal opportunity policy is as follows: The company is an equal opportunity employer and prohibits discrimination based on race, gender, age, religion, disability, or any other protected characteristic.

🔧 プロジェクト構成

• server.py：ナレッジベースを公開する MCP サーバーの実装
• client.py：サーバーに接続し、OpenAI と統合する MCP クライアント
• data/kb.json：会社のポリシーに関する質問と回答のペアを含むナレッジベース
• Dockerfile：サーバーをコンテナ化するための設定
• requirements.txt：Python の依存関係

🧩 仕組み

MCP サーバー（server.py）

サーバーは get_knowledge_base という単一のツールを公開し、ナレッジベースファイル（data/kb.json）から情報を取得します。SSE（Server-Sent Events）トランスポートを使用し、ポート 8050 で実行されます。

MCP クライアント（client.py）

クライアントは以下を行います。

1. SSE トランスポートを使用して MCP サーバーに接続します
2. 利用可能なツールの一覧を取得します
3. ユーザーから自然言語のクエリを受け取ります
4. 利用可能なツールとともにクエリを OpenAI に送信します
5. OpenAI がツールを使用すると判断した場合、クライアントがツール呼び出しを実行します
6. 最終的な応答をユーザーに返します

ナレッジベース（data/kb.json）

ナレッジベースは、会社のポリシーに関する質問と回答のペアを含むシンプルな JSON ファイルです。必要に応じて、ポリシーや情報を追加して拡張できます。

🔄 ライフサイクル管理

クライアントは、Python の非同期コンテキストマネージャーを使用して、適切なライフサイクル管理を実装しています。

async with MCPOpenAIClient() as client:
    await client.connect_to_server()
    response = await client.process_query("What is the policy?")
# Resources are automatically cleaned up when exiting the context

これにより、MCP のベストプラクティスに従って、すべてのリソースが適切に初期化およびクリーンアップされます。

🛠️ カスタマイズ

ナレッジの追加

ナレッジベースを拡張するには、data/kb.json ファイルに質問と回答のペアを追加するだけです。

ツールの追加

server.py で @mcp.tool() デコレーターを使用して関数を追加すると、サーバーにツールを追加できます。

モデルの変更

別の OpenAI モデルを使用するには、client.py の MCPOpenAIClient クラスにある model パラメーターを変更します。

📚 MCP について詳しく知る

Model Context Protocol（MCP）は、LLM が外部のツールやサービスとやり取りするための標準化された方法です。次のようなメリットがあります。

• 再利用性：サーバーを一度構築すれば、MCP 互換のあらゆるクライアントで使用できます
• 組み合わせ可能性：複数のサーバーを組み合わせて、複雑な機能を実現できます
• エコシステムの拡大：ほかの人が作成したサーバーを活用できます

詳しくは、MCP ドキュメントをご覧ください。

📄 ライセンス

MIT ライセンス