slimcontext-mcp-server

SlimContext MCP Server

SlimContext ライブラリをラップした Model Context Protocol（MCP）サーバーです。MCP 対応クライアント向けに、AI チャット履歴を圧縮するツールを提供します。

概要

SlimContext MCP Server は、強力な 2 種類の圧縮戦略を MCP ツールとして公開します。

1. trim_messages - トークンベースの圧縮です。トークン数がしきい値を超えた場合、最も古いメッセージを削除します。
2. summarize_messages - OpenAI を使用して簡潔な要約を作成する、AI を活用した圧縮です。

インストール

npm install -g slimcontext-mcp-server
# or
pnpm add -g slimcontext-mcp-server

開発

# Clone and setup
git clone <repository>
cd slimcontext-mcp-server
pnpm install

# Build
pnpm build

# Run in development
pnpm dev

# Type checking
pnpm typecheck

設定

MCP クライアントの設定

MCP クライアントの設定に追加します。

{
  "mcpServers": {
    "slimcontext": {
      "command": "npx",
      "args": ["-y", "slimcontext-mcp-server"]
    }
  }
}

環境変数

• OPENAI_API_KEY：要約に使用する OpenAI API キーです（任意。ツールのパラメーターとして渡すこともできます）。

ツール

trim_messages

トークンベースのトリミング戦略を使用して、チャット履歴を圧縮します。

パラメーター：

• messages（必須）：チャットメッセージの配列
• maxModelTokens（任意）：モデルのトークンコンテキストウィンドウの最大値（デフォルト：8192）
• thresholdPercent（任意）：圧縮を開始するしきい値の割合 0～1（デフォルト：0.7）
• minRecentMessages（任意）：保持する直近のメッセージの最小数（デフォルト：2）

例：

{
  "messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "user", "content": "Hello!" },
    { "role": "assistant", "content": "Hi there! How can I help you today?" },
    { "role": "user", "content": "Tell me about AI." }
  ],
  "maxModelTokens": 4000,
  "thresholdPercent": 0.8,
  "minRecentMessages": 2
}

レスポンス：

{
  "success": true,
  "original_message_count": 4,
  "compressed_message_count": 3,
  "messages_removed": 1,
  "compression_ratio": 0.75,
  "compressed_messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "assistant", "content": "Hi there! How can I help you today?" },
    { "role": "user", "content": "Tell me about AI." }
  ]
}

summarize_messages

AI を活用した要約戦略を使用して、チャット履歴を圧縮します。

パラメーター：

• messages（必須）：チャットメッセージの配列
• maxModelTokens（任意）：モデルのトークンコンテキストウィンドウの最大値（デフォルト：8192）
• thresholdPercent（任意）：圧縮を開始するしきい値の割合 0～1（デフォルト：0.7）
• minRecentMessages（任意）：保持する直近のメッセージの最小数（デフォルト：4）
• openaiApiKey（任意）：OpenAI API キー（環境変数の OPENAI_API_KEY も使用できます）
• openaiModel（任意）：要約に使用する OpenAI モデル（デフォルト：'gpt-4o-mini'）
• customPrompt（任意）：カスタムの要約プロンプト

例：

{
  "messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "user", "content": "I want to build a web scraper." },
    {
      "role": "assistant",
      "content": "I can help you build a web scraper! What programming language would you prefer?"
    },
    { "role": "user", "content": "Python please." },
    {
      "role": "assistant",
      "content": "Great choice! For Python web scraping, I recommend using requests and BeautifulSoup..."
    },
    { "role": "user", "content": "Can you show me a simple example?" }
  ],
  "maxModelTokens": 4000,
  "thresholdPercent": 0.6,
  "minRecentMessages": 2,
  "openaiModel": "gpt-4o-mini"
}

レスポンス：

{
  "success": true,
  "original_message_count": 6,
  "compressed_message_count": 4,
  "messages_removed": 2,
  "summary_generated": true,
  "compression_ratio": 0.67,
  "compressed_messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    {
      "role": "system",
      "content": "The user expressed interest in building a web scraper and requested help with Python. The assistant recommended using requests and BeautifulSoup libraries for Python web scraping."
    },
    {
      "role": "assistant",
      "content": "Great choice! For Python web scraping, I recommend using requests and BeautifulSoup..."
    },
    { "role": "user", "content": "Can you show me a simple example?" }
  ]
}

メッセージ形式

どちらのツールも、SlimContext 形式のメッセージを受け取ります。

interface SlimContextMessage {
  role: 'system' | 'user' | 'assistant' | 'tool' | 'human';
  content: string;
}

エラー処理

すべてのツールは、構造化されたエラーレスポンスを返します。

{
  "success": false,
  "error": "Error message description",
  "error_type": "SlimContextError" | "OpenAIError" | "UnknownError"
}

よくあるエラーの例：

• 要約に必要な OpenAI API キーがない
• メッセージ形式が無効
• OpenAI API のレート制限またはエラー
• パラメーター値が無効

トークンの推定

SlimContext は、トークンの推定にシンプルなヒューリスティック Math.ceil(content.length / 4) + 2 を使用します。これは、ほとんどのユースケースで妥当な近似値を提供します。より正確にトークン数をカウントするには、クライアントアプリケーションでカスタムのトークン推定器を実装する必要があります。

圧縮戦略

トリミング戦略

• すべてのシステムメッセージを保持します
• 直近の N 件のメッセージを保持します
• トークン数がしきい値を下回るまで、システムメッセージ以外の最も古いメッセージを削除します
• 高速かつ決定論的です
• 外部 API への依存はありません

要約戦略

• すべてのシステムメッセージを保持します
• 直近の N 件のメッセージを保持します
• AI を使用して会話の中間部分を要約します
• 文脈が豊かな要約を作成します
• OpenAI API へのアクセスが必要です

ライセンス

MIT

コントリビューション

1. リポジトリをフォークします
2. 機能ブランチを作成します
3. 変更を加えます
4. 新しい機能のテストを追加します
5. プルリクエストを送信します

関連項目

• SlimContext - 基盤となる圧縮ライブラリ
• Model Context Protocol - プロトコル仕様
• MCP SDK - MCP 用 TypeScript SDK