mcpField
A
API Suggestion Server

API Suggestion Server

ローカル
github.com/nimiusrd開発ツール082 週間前に更新

API Suggestion Server について

API Suggestion Server は、指定された目的に応じて OpenAPI 仕様から API エンドポイントを提案する MCP サーバーです。設定済みサービスから適切なエンドポイントを探す AI モデル向けです。

主な機能

  1. 01YAML と JSON の OpenAPI 仕様を解析
  2. 02目的に応じたエンドポイント提案
  3. 03複数の API サービス設定

活用シーン

  1. 01ユーザー情報取得用のエンドポイントを検索
  2. 02設定済み API から関連ルートを選定

MCP 対応

stdio 経由で MCP 通信し、AI モデルのクライアントにエンドポイント提案ツールを提供します。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

プロジェクトの README より

API Suggestion Server

概要

API Suggestion Serverは、OpenAPI仕様に基づいて適切なAPIエンドポイントを提案するMCP(Model Context Protocol)サーバーです。このサーバーは、ユーザーの目的や要件に基づいて、利用可能なAPIエンドポイントの中から最適なものを提案します。

機能

  • 複数のOpenAPI仕様(YAMLまたはJSON形式)からAPIエンドポイント情報を収集
  • ユーザーの目的に基づいて関連するAPIエンドポイントを提案
  • MCPプロトコルを通じてAIモデルと連携

前提条件

  • Node.js 18以上
  • npm または yarn

インストール

# リポジトリをクローン
git clone https://github.com/yourusername/api-mcp-server.git
cd api-mcp-server

# 依存関係をインストール
npm install

設定

サーバーの設定はserver.config.tsファイルで管理されています。以下のように設定を変更できます:

import { ServerConfig } from "./src/types.ts";

export const config: ServerConfig = {
  name: "api-suggestion-server",
  version: "1.0.0",
  services: [
    {
      name: "サービス名",
      // OpenAPI仕様のURLを指定
      openApiUrl: "https://example.com/api/openapi.json"
    },
    {
      name: "別のサービス",
      // ローカルファイルパスを指定(YAMLまたはJSON)
      openApiFilePath: "./schemas/your-api.yaml"
    }
  ]
};

使い方

サーバーの起動
npm start

サーバーは標準入出力(stdio)を通じてMCPプロトコルで通信します。

実行例

以下は実際にAPIサジェストサーバーを使用する例です:

  1. サーバーの起動:
# ターミナルでサーバーを起動
npm start
  1. MCP対応のAIモデル(例:Claude)との連携:
// MCPプロトコルを使用してAIモデルとの対話を設定
const conversation = await anthropic.messages.create({
  model: "claude-3-sonnet-20240229",
  max_tokens: 1000,
  messages: [{ role: "user", content: "ユーザー情報を取得するAPIはありますか?" }],
  tools: [
    {
      // API Suggestion Serverのツール設定
      name: "suggest_api",
      description: "指定された用途に適したAPIエンドポイントをサジェストします。",
      input_schema: {
        type: "object",
        properties: {
          purpose: {
            type: "string",
            description: "APIエンドポイントを使用したい用途や目的の説明。",
          },
        },
        required: ["purpose"],
      }
    }
  ],
  tool_choice: "auto"
});

// AIモデルの応答からツール呼び出しを処理
if (conversation.content[0].type === "tool_use") {
  const toolUse = conversation.content[0];
  
  // ツール呼び出しをMCPサーバーに転送
  // ここでは簡略化していますが、実際にはMCPプロトコルの仕様に従った通信が必要です
  const result = await mcpClient.callTool(toolUse.name, toolUse.input);
  
  // ツールの結果をAIモデルに返す
  const followUp = await anthropic.messages.create({
    model: "claude-3-sonnet-20240229",
    max_tokens: 1000,
    messages: [
      { role: "user", content: "ユーザー情報を取得するAPIはありますか?" },
      { role: "assistant", content: toolUse },
      { 
        role: "user", 
        content: [
          { type: "tool_result", tool_use_id: toolUse.id, content: JSON.stringify(result) }
        ]
      }
    ]
  });
  
  console.log(followUp.content);
}
  1. 実行結果の例:

AIモデルは、サーバーから提供されたAPIエンドポイント情報を用いて以下のような応答を生成します:

はい、ユーザー情報を取得するためのAPIエンドポイントがいくつかあります:

1. GET /users/{userId}
   - 説明: 指定されたIDのユーザー情報を取得します
   - サービス: サンプルAPI

2. GET /users
   - 説明: 登録されているすべてのユーザーの一覧を取得します
   - サービス: サンプルAPI

特定のユーザーの情報を取得するには「GET /users/{userId}」を使用し、ユーザーIDをパスパラメータとして指定します。複数のユーザー情報を一度に取得するには「GET /users」を使用できます。

### AIモデルとの連携

このサーバーはMCPプロトコルを実装しており、Claude、GPT-4などのAIモデルと連携できます。AIモデルは以下のツールを呼び出すことができます:

#### suggest_api

指定された用途に適したAPIエンドポイントを提案します。

**入力パラメータ**:
- `purpose`: APIエンドポイントを使用したい用途や目的の説明(文字列)

**出力**:
- 関連するAPIエンドポイントのリスト(サービス名、パス、メソッド、説明を含む)

**使用例**:
```json
{
  "name": "suggest_api",
  "arguments": {
    "purpose": "ユーザー情報を取得する"
  }
}

応答例:

{
  "toolResult": [
    {
      "service": "サンプルAPI",
      "path": "/users/{userId}",
      "method": "GET",
      "description": "指定されたIDのユーザー情報を取得します"
    },
    {
      "service": "サンプルAPI",
      "path": "/users",
      "method": "GET",
      "description": "登録されているすべてのユーザーの一覧を取得します"
    }
  ]
}

カスタマイズ

新しいOpenAPI仕様の追加
  1. OpenAPI仕様ファイル(YAMLまたはJSON)をschemasディレクトリに追加するか、公開URLを用意します
  2. server.config.tsファイルを編集して新しいサービスを追加します
サポートされるフォーマット
  • YAML形式のOpenAPI仕様(.yamlまたは.yml拡張子)
  • JSON形式のOpenAPI仕様(.json拡張子)
  • URLで指定されたOpenAPI仕様(コンテンツタイプに基づいて自動的に解析)

開発

ビルド
npm run build
テスト

以下のコマンドでテストを実行できます:

# 全てのテストを実行
npm test

# テストをウォッチモードで実行(開発中に便利)
npm run test:watch

# カバレッジレポートを生成
npm run test:coverage

テストは以下のカテゴリに分かれています:

  • utils.test.ts: OpenAPIドキュメントのパース機能のテスト
  • server.test.ts: サーバー初期化のテスト
  • suggest-api.test.ts: APIサジェスト機能のテスト

新しいテストを追加する場合は、src/testsディレクトリに*.test.tsファイルを作成してください。

ディレクトリ構造
api-mcp-server/
├── src/
│   ├── index.ts        # メインサーバーコード
│   ├── utils.ts        # ユーティリティ関数
│   ├── types.ts        # 型定義
│   └── tests/          # テストファイル
├── schemas/            # OpenAPI仕様ファイル
├── server.config.ts    # サーバー設定
├── tsconfig.json       # TypeScript設定
└── package.json        # プロジェクト設定

ライセンス

MIT

貢献

バグ報告や機能リクエストは、GitHubのIssueトラッカーを通じてお願いします。プルリクエストも歓迎します。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。