MCP Server with Datasaur Sandbox

Datasaur Sandbox を使用する MCP サーバー

Datasaur Sandbox で Model Context Protocol（MCP）サーバーをセットアップして使用するための、初心者向け総合ガイドです。

目次

• はじめに
• 前提条件
• インストール
• 設定
• MCP サーバーの実行
• MCP サーバーの使用
• トラブルシューティング
• 機能の拡張

はじめに

MCP とは？

Model Context Protocol（MCP）は、アプリケーションが AI モデルと通信するための標準化された方法です。LLM（大規模言語モデル）が外部の関数やツールを利用できるように、ツールが構造化データを LLM と交換するためのプロトコルを定義します。

Datasaur Sandbox とは？

Datasaur Sandbox は、さまざまな AI モデルへのマネージド API アクセスを提供します。このプロジェクトでは、アプリケーションと Datasaur の API エンドポイントの橋渡しをする MCP サーバーを実装し、アプリケーションで次のことができるようにします。

• データを処理して分析する
• Datasaur を通じてデプロイされた AI モデルにアクセスする
• さまざまなタスクに特化したアシスタントを構築する

前提条件

始める前に、次のものがそろっていることを確認してください。

1. Python 3.8 以降がシステムにインストールされていること

   • python.org からダウンロードしてください
   • インストール時に「Add Python to PATH」にチェックを入れてください

2. API アクセスが有効な Datasaur アカウント

   • datasaur.ai で登録してください
   • アカウントダッシュボードから API キーを取得してください

3. コマンドライン操作の基本的な知識

インストール

ステップ 1：プロジェクトをクローンまたは作成する

プロジェクト用の新しいディレクトリを作成します。

mkdir datasaur-mcp-server
cd datasaur-mcp-server

ステップ 2：環境をセットアップする

仮想環境を作成します（推奨）。

# For Windows
python -m venv venv
venv\Scripts\activate

# For macOS/Linux
python -m venv venv
source venv/bin/activate

ステップ 3：依存関係をインストールする

次の内容で requirements.txt ファイルを作成します。

mcp[cli]
httpx
python-dotenv
uv

依存関係をインストールします。

pip install -r requirements.txt

または、UV を使用します（より高速にインストールできます）。

pip install uv
uv pip install -r requirements.txt

ステップ 4：必須ファイルを作成する

1. .env ファイルを作成する

プロジェクトのルートに .env ファイルを作成し、API キーと設定を保存します。

DATASAUR_API_KEY=your_api_key_here
DATASAUR_SANDBOX_API_URL=your_sandbox_url

必要に応じて、追加のサンドボックスモデル用の環境変数も追加できます。

2. utils.py を作成する

ヘルパー関数を含むユーティリティファイル utils.py を作成します。

# Utility functions for mcp-datasaur

import os
import logging
from dotenv import load_dotenv

load_dotenv()

def get_datasaur_api_config():
    """
    Returns the Datasaur API URL and API key from environment variables.
    """
    api_url = os.getenv("DATASAUR_API_URL")
    api_key = os.getenv("DATASAUR_API_KEY")
    if not api_url or not api_key:
        logging.error("DATASAUR_API_URL or DATASAUR_API_KEY not set in .env")
        return None, None
    return api_url, api_key

3. main.py を作成する

メインの MCP サーバーファイル（main.py）を作成します。このファイルには、MCP サーバーの実行に必要なすべてのコードを記述します。提示されているサンプルのコードをコピーするか、簡略版を作成できます。

完全なサンプルは長すぎるため、ここには掲載できませんが、次の内容を含めてください。

• 環境変数の読み込み
• MCP サーバーのセットアップ
• さまざまな Datasaur API エンドポイント用のツール定義
• メインの実行コード

設定

設定ファイルについて

.env ファイル

.env ファイルには、API キーやサービス URL などの機密情報が含まれます。このファイルを公開リポジトリにコミットしないでください。

Claude Desktop の設定（Claude ユーザー向け）

Claude Desktop を使用している場合は、claude_desktop_config.json ファイルを作成します。

{
  "mcpServers": {
    "mcp-datasaur": {
      "command": "path\\to\\your\\python.exe",
      "args": ["path\\to\\your\\main.py"],
      "env": {
        "TRANSPORT": "stdio",
        "DATASAUR_API_KEY": "your-api-key-here",
        "DATASAUR_SANDBOX_API_URL": "https://deployment.datasaur.ai/api/deployment/your-deployment-id/your-model-id/chat/completions"
      }
    }
  }
}

次の値を置き換えてください。

• path\\to\\your\\python.exe を Python 実行ファイルのパスに置き換えます
• path\\to\\your\\main.py を main.py ファイルのパスに置き換えます
• your-api-key-here を実際の Datasaur API キーに置き換えます
• your-deployment-id と your-model-id を、Datasaur で取得した実際のデプロイ ID とモデル ID に置き換えます

Datasaur API URL の取得

1. Datasaur アカウントにログインします
2. Deployments セクションに移動します
3. デプロイを作成するか、既存のデプロイを選択します
4. デプロイ ID とモデル ID を確認します
5. API URL の形式は通常、次のとおりです。https://deployment.datasaur.ai/api/deployment/{deployment_id}/{model_id}/chat/completions

MCP サーバーの実行

直接実行する

MCP サーバーを直接実行するには、次のコマンドを使用します。

# Activate your virtual environment first if using one
python main.py

Claude Desktop での実行

Claude Desktop を使用している場合：

1. claude_desktop_config.json ファイルを Claude Desktop の設定ディレクトリに配置します
2. Claude Desktop を開きます
3. MCP サーバーがツールとして Claude で利用できるようになります

MCP サーバーの使用

MCP サーバーは、アプリケーションと Datasaur の AI モデルとの間をつなぐ役割を果たします。実装できるツールの種類は次のとおりです。

1. データ処理ツール

   • ファイルを異なる形式に変換します（例：CSV から JSON）
   • 構造化データを処理および分析します
   • 分析のために、データを専門の AI モデルに送信します

2. AI モデルへのアクセス

   • Datasaur でデプロイした任意の AI モデルにプロンプトを送信する関数を作成します
   • 各関数は同じパターンに従い、エンドポイント URL とモデル固有のパラメーターのみを変更できます
   • 例：言語モデル、コードアシスタント、特定分野の専門家

3. ヘルパーツール

   • よく使うタスク向けの専用ツールを作成します
   • 例：メールの下書き、レポートの生成、特定分野向けアシスタント

ツール関数のパターン例

Datasaur サンドボックスモデルにアクセスするツールを作成する一般的なパターンは次のとおりです。

@mcp.tool()
async def call_your_model(prompt: str) -> str:
    """
    Sends a given prompt string to your deployed model via Datasaur API sandbox.
    
    Args:
        prompt: The text prompt to send to the model.
    """
    logging.debug(f"Received prompt: {prompt[:100]}...")

    # Check configuration
    if not DATASAUR_SANDBOX_API_URL or not DATASAUR_API_KEY:
        logging.error("DATASAUR_SANDBOX_API_URL or DATASAUR_API_KEY not configured.")
        return "Error: Datasaur API configuration missing on server."

    headers = {
        'Authorization': f'Bearer {DATASAUR_API_KEY}',
        'Content-Type': 'application/json'
    }
    payload = { "messages": [ {"role": "user", "content": prompt} ] }

    try:
        async with httpx.AsyncClient(timeout=180.0) as client:
            response = await client.post(DATASAUR_SANDBOX_API_URL, headers=headers, json=payload)
            response.raise_for_status()
            response_json = response.json()
            
            # Process response
            if 'choices' in response_json and len(response_json['choices']) > 0:
                if 'message' in response_json['choices'][0] and 'content' in response_json['choices'][0]['message']:
                    return str(response_json['choices'][0]['message']['content'])
            
            return "Error: Unexpected response format"
    except Exception as e:
        logging.error(f"Error: {e}")
        return f"Error: {e}"

Python での使用例

import asyncio
from mcp.client import MCPClient

async def main():
    # Connect to your MCP server
    client = MCPClient()
    await client.connect_process(["python", "main.py"])
    
    # Use your tool
    result = await client.call_tool("call_your_model", {"prompt": "Your prompt here"})
    print(result)
    
    # Disconnect when done
    await client.disconnect()

if __name__ == "__main__":
    asyncio.run(main())

トラブルシューティング

よくある問題と解決策

1. 「API key not configured」エラー

   • .env ファイルに DATASAUR_API_KEY 変数が含まれていることを確認します
   • Datasaur アカウントから API キーが正しくコピーされていることを確認します

2. 「API URL not configured」エラー

   • 必要な Datasaur API URL がすべて .env ファイルに設定されていることを確認します
   • URL の形式が正しいことを確認します

3. 接続エラー

   • インターネット接続を確認します
   • Datasaur アカウントが有効で、API にアクセスできることを確認します

4. 「Module not found」エラー

   • すべての依存関係がインストールされていることを確認します：pip install -r requirements.txt
   • 仮想環境を使用している場合は、有効化します

5. 権限の問題

   • ターミナルまたはコマンドプロンプトを管理者として、または昇格した権限で実行します

機能の拡張

モデルの追加

MCP サーバーに新しいモデルを追加するには：

1. .env ファイルに新しい環境変数を追加します：

DATASAUR_ANOTHER_MODEL_API_URL=your_another_model_url

2. （Claude Desktop を使用している場合は）環境変数を claude_desktop_config.json に追加します

3. 上記の「ツール関数のパターン例」セクションに示されているパターンに従って、main.py に新しい関数を作成します：

@mcp.tool()
async def call_another_model(prompt: str) -> str:
    """
    Documentation for your new model function.
    """
    logging.debug(f"Received prompt: {prompt[:100]}...")

    # Check configuration
    if not DATASAUR_ANOTHER_MODEL_API_URL or not DATASAUR_API_KEY:
        logging.error("DATASAUR_ANOTHER_MODEL_API_URL or DATASAUR_API_KEY not configured.")
        return "Error: Configuration missing on server."

    headers = {
        'Authorization': f'Bearer {DATASAUR_API_KEY}',
        'Content-Type': 'application/json'
    }
    payload = { "messages": [ {"role": "user", "content": prompt} ] }

    try:
        async with httpx.AsyncClient(timeout=180.0) as client:
            response = await client.post(DATASAUR_ANOTHER_MODEL_API_URL, headers=headers, json=payload)
            response.raise_for_status()
            response_json = response.json()
            
            # Process and return response
            if 'choices' in response_json and response_json['choices']:
                if 'message' in response_json['choices'][0] and 'content' in response_json['choices'][0]['message']:
                    return str(response_json['choices'][0]['message']['content'])
            
            return "Error: Unexpected response format"
    except Exception as e:
        logging.error(f"Error: {e}")
        return f"Error: {e}"

応答処理のカスタマイズ

応答の処理方法をカスタマイズするには：

1. 該当する関数の応答処理部分を変更します
2. JSON を解析したり、特定のフィールドを抽出したり、応答の形式を変更したりできます

認証の追加

認証を追加するには：

1. .env ファイルに認証情報を追加します
2. API リクエストのヘッダーを変更します

リソース

• Model Context Protocol のドキュメント
• Datasaur のドキュメント
• Python httpx ライブラリ
• FastMCP のドキュメント（該当する場合）

ライセンス

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

---

Datasaur Sandbox を使用して ❤️ を込めて作成