rainbowgore-stealthee-mcp-tools

Stealthee MCP - 先行するためのツール

Stealtheeは、話題になる前に公開前の製品シグナルを見つける、開発者ファーストのシステムです。競合情報や早期の脅威検知を必要とするCTOや技術リーダー向けに構築されています。 検索、抽出、スコアリング、アラートを、Claude、LangGraph、Smithery、またはMCP経由で独自のAIスタックに統合できる、すぐに使えるパイプラインにまとめています。

競合情報、技術トレンドの監視、戦略立案に最適です。

次のような方におすすめです。

• CTOや技術リーダー：戦略的な意思決定に役立つ競合情報、早期の脅威検知、イノベーションの調査が必要な方
• 投資家：トラクションが生まれる前のシグナルを探している方
• 創業者：ローンチ前に競合を調査したい方
• 研究者：新興市場を追跡したい方
• 開発者：最新の製品情報が必要なエージェント、ダッシュボード、アラートツールを構築している方

何ができる？

MCP ツール

ツール	説明
web_search	ステルスローンチをウェブ検索します（Tavily）
url_extract	URLからコンテンツを抽出します（BeautifulSoup）
score_signal	AIによるシグナルのスコアリング（OpenAI）
batch_score_signals	複数のシグナルを一括処理します
search_tech_sites	テクノロジーニュースサイトのみを検索します
parse_fields	HTMLから構造化フィールドを抽出します
run_pipeline	エンドツーエンドの検出パイプライン

インストールとセットアップ

前提条件

• 外部サービスのAPIキー（環境変数を参照）

クイックスタート

1. クローンとセットアップ

   git clone https://github.com/rainbowgore/Stealthee-MCP-tools
   cd stealthee-MCP-tools
   python3 -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt
   

2. 環境を設定

   .envファイルにAPIキーを入力します。

   # Required
   TAVILY_API_KEY=your_tavily_key_here
   OPENAI_API_KEY=your_openai_key_here
   NIMBLE_API_KEY=your_nimble_key_here
   
   # Optional
   SLACK_WEBHOOK_URL=your_slack_webhook_here
   

3. サーバーを起動

   # MCP Server (for Claude Desktop)
   python mcp_server_stdio.py
   
   # FastMCP Server (for Smithery)
   smithery dev
   
   # FastAPI Server (Optional - Legacy)
   python start_fastapi.py
   

SmitheryとClaude Desktopの統合

上記のすべてのMCPツールは、Smitheryですぐに利用できます。SmitheryはAIツール向けのビジュアルエージェント／ワークフロービルダーで、コードを書かずにこれらのツールを連結、テスト、オーケストレーションできます。

利用可能なツール

• web_search：Tavilyを使用してステルスローンチをウェブ検索します。
• url_extract：任意のURLからコンテンツを抽出し、整形します。
• score_signal：OpenAIを使用して、単一のシグナルのステルス性をスコアリングします。
• batch_score_signals：複数のシグナルをまとめてスコアリングします。
• search_tech_sites：信頼できるテクノロジーニュースソースのみを検索します。
• parse_fields：HTMLから価格や変更履歴などの構造化フィールドを抽出します。
• run_pipeline：検索、抽出、解析、スコアリング、保存を行うエンドツーエンドのパイプラインです。

Smitheryでの使い方

1. SmitheryのStealthee MCP Toolsページを開きます。
2. 「Try in Playground」をクリックして、任意のツールを対話形式でテストします。
3. ビジュアルワークフロービルダーでツールを連結します（例：検索 → 抽出 → スコアリング）。
4. ワークフローをコピーするか、Smitheryが提供するAPIエンドポイントを使用して、Claude Desktopまたは独自のエージェントと統合します。

Cursor（Stealth Radar MCP）

ホストされた URL（Streamable HTTP）を使用して Cursor で Stealth Radar MCP を使うには、次の手順に従います。

1. Cursor の設定 → MCP を開きます（または設定で「MCP」を検索します）。
2. MCP サーバーのインストールで、次の項目を入力します。
   • 名前： Stealth Radar（または任意の名前）。
   • 種類： streamableHttp。
   • URL： 次のいずれかを使用します。
     • Smithery： サーバーの Smithery 接続ページに記載されている接続 URL（例：https://smithery.ai/server/rainbowgore/Product-Stealth-Launch-Radar）、または
     • 直接指定： サーバーの MCP エンドポイント（例：https://your-ngrok-url.ngrok-free.app/mcp。末尾が /mcp である必要があります）。
3. インストールをクリックします。Cursor がサーバーに接続します。追加後は、Cursor の使用時に自動的に読み込まれます。

サーバーをローカルで実行する場合は、代わりに stdio を使用します。種類を stdio に設定し、コマンドに Python のパスを、引数に mcp_server_stdio.py を指定し、cwd がリポジトリを指すように設定します。

Claude Desktop との連携

Claude Desktop の config.json ファイルに次の内容を追加します。

{
  "mcpServers": {
    "stealth-mcp": {
      "command": "/path/to/stealthee-MCP-tools/.venv/bin/python",
      "args": ["/path/to/stealthee-MCP-tools/mcp_server_stdio.py"],
      "cwd": "/path/to/stealthee-MCP-tools",
      "env": {
        "TAVILY_API_KEY": "your_tavily_key",
        "OPENAI_API_KEY": "your_openai_key"
      }
    }
  }
}

ツールの使用例

アナリストと開発者向け：

• web_search：ウェブ全体から、ステルス状態の製品への言及を見つけます
• url_extract：ランディングページから生のテキストを取得し、整形します
• score_signal：変更履歴がローンチを示唆している可能性を判定します
• batch_score_signals：スクレイピングした数十件の URL をすばやくトリアージします
• search_tech_sites：信頼できるドメインのみにクエリを絞り込みます
• parse_fields：雑然とした HTML から価格やリリース情報を抽出します
• run_pipeline：検索 → 抽出 → 解析 → スコアリングの全工程を実行します

シグナルインテリジェンスのワークフロー

1. 検索フェーズ： web_search または search_tech_sites を使用して、関連する URL を見つけます
2. 抽出フェーズ： url_extract を使用して、URL からクリーンなコンテンツを取得します
3. 解析フェーズ： parse_fields を使用して、構造化データ（価格、変更履歴など）を抽出します
4. 分析フェーズ： score_signal または batch_score_signals を使用して、AI による分析を実行します
5. 保存フェーズ： すべてのシグナルは SQLite データベースに保存されます
6. アラートフェーズ： 信頼度の高いシグナルが Slack 通知をトリガーします

FastAPI サーバー

このプロジェクトは、すべての MCP ツールに REST 形式でアクセスできる FastAPI サーバーとして実行することもできます。

基本エンドポイント

• Swagger UI： http://localhost:8000/docs
• ヘルスチェック： http://localhost:8000/health
• ツールマニフェスト： http://localhost:8000/tools

---

使用例

ステルス状態のローンチを検索する：

curl -X POST "http://localhost:8000/tools/web_search" \
  -H "Content-Type: application/json" \
  -d '{"query": "stealth startup AI", "num_results": 5}'

検出パイプライン全体を実行する：

curl -X POST "http://localhost:8000/tools/run_pipeline" \
  -H "Content-Type: application/json" \
  -d '{"query": "new AI product launch", "num_results": 3}'

パイプラインのパラメーター

• query（必須）：検索フレーズ（例：「AI roadmap」）
• num_results（省略可、既定値：5）：分析する検索結果の数
• target_fields（省略可、既定値：["pricing", "changelog"]）：HTML から抽出するフィールド

---

run_pipeline の処理内容

1. Tavily を使用して、テクノロジー関連の情報源やステルスローンチに適した情報源を検索します
2. 各結果から生のコンテンツを抽出します
3. 構造化されたシグナル（価格、変更履歴など）を解析します
4. OpenAI を使用して各結果をスコアリングし、ステルス性を推定します
5. 結果をローカルの SQLite に保存します
6. 信頼度が高い場合は Slack で通知します

AI スコアリングのロジック

score_signal と batch_score_signals ツールは GPT-3.5 を使用して、次の項目を評価します。

• ステルス状態を示す指標（例：非公開の変更履歴、プレスリリースの欠如、ベータ版の表示）
• 信頼度（低／中／高）
• テキストによる根拠（UI やアラートで使用）

データベーススキーマ（data/signals.db）

フィールド	型	説明
id	INTEGER	主キー
url	TEXT	ソース URL
title	TEXT	シグナルのタイトル
html_excerpt	TEXT	コンテンツの先頭 500 文字
changelog	TEXT	解析された変更履歴（任意）
pricing	TEXT	解析された料金情報（任意）
score	REAL	ステルス性の可能性（0～1）
confidence	TEXT	信頼度レベル
reasoning	TEXT	スコアの AI による根拠
created_at	TEXT	ISO タイムスタンプ

開発クイックスタート（FastAPI）

python start_fastapi.py

次のページにアクセスしてください：http://localhost:8000/docs

---

ほかの人が見落とすものを見つける人たちのために、💜を込めて作りました。