🦅 Saqr-MCP

✨ 機能

• 🤖 モデルに問い合わせるための対話型チャットインターフェース
• 🔄 ローカルモデル（Ollama）とクラウドモデル（Groq）の両方をサポート
• 🔍 Tavily API を使用した高度なウェブ検索機能
• 📝 Markdown コンテンツから Word ドキュメントを生成
• 🧠 mem0 を使用した包括的なメモリ管理システム
• 💭 高度な推論と思考プロセスの追跡
• ⚡ 効率的な処理を実現する非同期アーキテクチャ
• 🎨 ユーザー体験を向上させる視覚的な読み込みアニメーション
• 📊 セッション単位の思考ログ記録と分析
• 📄 Markdown に対応したドキュメント生成

📋 前提条件

• 🐍 Python 3.11 以降
• 🦙 ローカルモデルを使用する場合は、Ollama をインストールしてください
• 📦 UV パッケージマネージャー（推奨）

🚀 インストール

1. このリポジトリをクローンします。

   git clone https://github.com/ahmedhassan456/Saqr-MCP.git
   cd saqr-mcp
   

2. 仮想環境を作成して有効化します（任意ですが、推奨）。

   uv venv
   # On Windows
   .venv\Scripts\activate
   # On Unix or MacOS
   source venv/bin/activate
   

3. 依存関係をインストールします。

   uv add -r requirements.txt
   

4. 環境変数を設定します。

   • .env.example を .env にコピーします
   • 以下の変数を設定します。
     • 🔑 MODEL_NAME：使用する Ollama モデル（例：qwen3:1.7b）
     • 🔍 TAVILY_API_KEY：Tavily のウェブサイトで取得した Tavily API キー
     • ⚡ GROQ_MODEL_NAME：使用する Groq モデル名
     • 🔐 GROQ_API_KEY：Groq のウェブサイトで取得した Groq API キー
     • 🧠 MEM0_API_KEY：Mem0 のウェブサイトで取得した Mem0 API キー

💻 使い方

1. ローカルモデルを使用する場合は、Ollama が起動しており、選択したモデルを利用できることを確認してください。

2. クライアントを設定します。

   • デフォルトでは、アプリケーションは Ollama クライアントを使用します（from src.ollama_client import SaqrMCPClient）
   • Groq を使用するには、main.py を編集して from src.groq_client import SaqrMCPClient を使用します

3. クライアントを実行します。

   python main.py
   

4. 対話型コンソールに問い合わせを入力します。

   MCP Client Started!
   Type your queries or 'quit' to exit.
   
   Query:
   

5. アプリケーションを終了するには、quit と入力します。

📁 プロジェクト構成

• 📄 main.py - MCP クライアントを起動するエントリーポイント
• 📂 src/
  • 🔄 ollama_client.py - Ollama モデル用 MCP クライアントの実装
  • ⚡ groq_client.py - Groq モデル用 MCP クライアントの実装
  • 🛠️ server.py - すべてのツールを備えた MCP サーバーの実装
  • 📝 logger.py - 視覚的なアニメーションを備えたカスタムログユーティリティ

🛠️ 利用可能なツール

サーバーには、さまざまな機能を実現する包括的なツールが実装されています。

🔍 ウェブ検索とドキュメント生成

• web_search：Tavily API を使用してウェブをリアルタイム検索し、最新情報を取得します
• word_file_generator：適切な書式で Markdown コンテンツから Microsoft Word ドキュメントを作成します

🧠 メモリ管理

• add_memory：指定した種類と内容の新しいメモリを mem0 に保存します
• get_all_memories：保存されたすべてのメモリを取得します。種類による絞り込みも可能です
• search_memories：保存されたメモリをセマンティック検索し、関連情報を見つけます

💭 推論と思考プロセス

• think：複雑な問題解決のための思考と推論プロセスを記録します
• get_thoughts：現在のセッションで記録されたすべての思考を取得します
• clear_thoughts：現在のセッションで記録されたすべての思考を消去します
• get_thought_stats：記録された思考の詳細な統計情報を提供します

⚙️ 環境変数

変数	説明	デフォルト
🔑 OLLAMA_MODEL_NAME	使用する Ollama モデルの名前（例：qwen3:1.7b）	なし
🔍 TAVILY_API_KEY	ウェブ検索機能で使用する Tavily API キー	なし
⚡ GROQ_MODEL_NAME	使用する Groq モデルの名前	なし
🔐 GROQ_API_KEY	クラウドモデルへのアクセスに使用する Groq API キー	なし
🧠 MEM0_API_KEY	メモリ管理に使用する Mem0 API キー	なし

📦 依存関係

• 🔄 mcp[cli] - Model Context Protocol の実装
• 🌐 httpx - Python 用 HTTP クライアント
• 📝 loguru - Python のシンプルなロギングライブラリ
• ⚡ groq - Groq API クライアント
• 🦙 ollama - ローカルモデル向けの Ollama インターフェース
• 🔍 tavily-python - AI エージェント向けに最適化された検索エンジン
• 🚀 fastapi - API 構築用のウェブフレームワーク
• ⚡ uvicorn - ASGI サーバーの実装
• 📄 htmldocx - HTML から DOCX へのコンバーター
• 🔍 duckduckgo-search - 検索エンジンとの統合
• 📄 python-docx - DOCX ファイルの処理
• 📝 markdown - Markdown の処理
• 🧠 mem0 - メモリ管理システム

📄 ライセンス

MIT

🤝 コントリビューション

コントリビューションを歓迎します！お気軽にプルリクエストを送信してください。

1. 🍴 リポジトリをフォークします
2. 🌿 フィーチャーブランチを作成します（git checkout -b feature/amazing-feature）
3. 💾 変更をコミットします（git commit -m 'Add some amazing feature'）
4. 📤 ブランチにプッシュします（git push origin feature/amazing-feature）
5. 🔄 プルリクエストを作成します