mcpField
M
mcp-pickaxe

mcp-pickaxe

ローカル
github.com/aplaceforallmystuffAI・エージェント235 週間前に更新

mcp-pickaxe について

mcp-pickaxeはPickaxeをMCPクライアントに接続し、AIエージェントを構築・運用するチーム向けに管理機能を提供します。複数スタジオを扱い、会話やユーザーデータをもとにエージェントとナレッジベースの改善を支援します。

主な機能

  1. 01複数のPickaxeスタジオの管理
  2. 02エージェントの会話履歴の分析
  3. 03ナレッジベース文書の作成と連携
  4. 04ユーザー、招待、利用状況の管理
  5. 05製品とユーザーメモリーの確認

活用シーン

  1. 01会話からナレッジの不足を特定
  2. 02スタジオ間でユーザーや文書を確認
  3. 03ユーザーメモリーとパーソナライズ情報の監査

MCP 対応

MCP サーバーはPickaxeのスタジオ、会話履歴、文書、ユーザー、製品、メモリーを扱うツールをMCPクライアントに提供します。

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。

mcp.json · 共通設定
{
"mcpServers": {
"aplaceforallmystuff-mcp-pickaxe": {
"command": "npx",
"args": [
"-y",
"mcp-pickaxe"
],
"env": {
"PICKAXE_API_KEY": "<PICKAXE_API_KEY>",
"PICKAXE_STUDIO_ID": "<PICKAXE_STUDIO_ID>"
}
}
}
}
起動コマンドnpx -y mcp-pickaxe
設定が必要な環境変数
PICKAXE_API_KEYシークレットYour Pickaxe studio API key
PICKAXE_STUDIO_IDYour Pickaxe studio ID

ローカルサーバーにはマシン上の実行環境(Node.js 18 以上など)が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
npmmcp-pickaxe1.0.1

ツール

17

掲載時のツール一覧 · 2 週間前に更新

このツールにパラメーターはありません。

詳細

MCP Pickaxe Server

アーキテクチャ

npm バージョン CI ライセンス:MIT MCP

Claude などの AI アシスタントを Pickaxe プラットフォームに接続する MCP(Model Context Protocol)サーバーです。AI エージェント、ナレッジベース、ユーザー、分析を自然言語で直接管理できます。

使う理由

Pickaxe で AI エージェントを構築している場合、この MCP サーバーを使うと次のことができます。

  • エージェントとの会話を分析 - チャット履歴を確認してナレッジの不足を特定し、エージェントのパフォーマンスを改善します
  • ナレッジベースを管理 - AI ワークフローから離れることなく、ドキュメントを作成、更新し、エージェントに接続します
  • ユーザー管理を実施 - ユーザーを作成し、アクセスを管理し、招待を送信し、使用状況を追跡します
  • 複数のスタジオで作業 - 1 つのセッション内で異なる Pickaxe スタジオをシームレスに切り替えます
  • ワークフローを自動化 - Claude に繰り返し発生する Pickaxe の管理タスクを任せます

機能

カテゴリーツール
スタジオ設定済みのスタジオを一覧表示し、切り替えます
チャット履歴エージェントとの会話ログを取得して分析します
ドキュメント作成、一覧表示、取得、削除、エージェントへの接続/切断を行います
ユーザー作成、一覧表示、取得、更新、削除、招待を行います
製品利用可能な製品とバンドルを一覧表示します
メモリーメモリースキーマを一覧表示し、ユーザーのメモリーを取得します

前提条件

  • Node.js 18+
  • API アクセス権のある Pickaxe アカウント
  • Pickaxe Studio API キー(複数可)

インストール

オプション 1:npm からインストール(推奨)
npx mcp-pickaxe

または、グローバルにインストールします。

npm install -g mcp-pickaxe
オプション 2:クローンしてビルド
git clone https://github.com/aplaceforallmystuff/mcp-pickaxe.git
cd mcp-pickaxe
npm install
npm run build

設定

1. Pickaxe API キーを取得する
  1. Pickaxe Studio にログインします
  2. Settings > API に移動します
  3. Studio API キーをコピーします(studio- で始まります)
2. MCP クライアントを設定する
Claude Desktop の場合

Claude Desktop の設定ファイルに追加します。

macOS:~/Library/Application Support/Claude/claude_desktop_config.json

Windows:%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "pickaxe": {
      "command": "node",
      "args": ["/path/to/mcp-pickaxe/dist/index.js"],
      "env": {
        "PICKAXE_STUDIO_MAIN": "studio-your-api-key-here"
      }
    }
  }
}
Claude Code の場合

~/.claude.json に追加します。

{
  "mcpServers": {
    "pickaxe": {
      "command": "node",
      "args": ["/path/to/mcp-pickaxe/dist/index.js"],
      "env": {
        "PICKAXE_STUDIO_MAIN": "studio-your-api-key-here"
      }
    }
  }
}
複数スタジオの設定

複数の Pickaxe スタジオで作業するには、環境変数を複数追加します。

{
  "env": {
    "PICKAXE_STUDIO_PRODUCTION": "studio-xxx-xxx-xxx",
    "PICKAXE_STUDIO_STAGING": "studio-yyy-yyy-yyy",
    "PICKAXE_STUDIO_DEV": "studio-zzz-zzz-zzz",
    "PICKAXE_DEFAULT_STUDIO": "PRODUCTION"
  }
}

次に、リクエストで使用するスタジオを指定します。

  • PICKAXE_DEFAULT_STUDIO を設定した場合、スタジオを指定しなければそのスタジオが使用されます
  • 設定済みのスタジオが 1 つだけの場合、自動的に使用されます
  • それ以外の場合は、任意のツールに studio="STAGING"(または同様の値)を渡します

使用例

以下は、実運用環境で mcp-pickaxe を使って構築された実際のワークフローです。

1. n8n によるセキュリティ監視

シナリオ: 29 以上の AI エージェントでプロンプトインジェクションの試みをリアルタイムに検出します。

実装: n8n ワークフローがすべてのエージェントの chat_history を 1 時間ごとに確認し、メッセージを(Notion に保存された)インジェクション検出パターンと照合して、重大度に応じてアラートを振り分けます。

  • HIGH/CRITICAL → Telegram アラート + Notion ログ
  • LOW/MEDIUM → Notion ログのみ
n8n Schedule (hourly)
    → Fetch patterns from Notion
    → Loop through 29 pickaxe IDs
    → Fetch chat_history for each
    → Detect injections (regex patterns)
    → Route by severity → Alert/Log

使用ツール: chat_history、studios_list

結果: パターンを動的に管理し、重大度に応じてアラートを通知することで、スタジオ全体をリアルタイムにセキュリティ監視できます。

2. ナレッジベースの自動調査パイプライン

シナリオ: 31 件以上のナレッジベース記事を自動的にファクトチェックし、最新の状態に保ちます。

実装: n8n ワークフローで Notion からナレッジベース記事を取得し、重要な主張を抽出して、Perplexity API を通じてファクトチェックします。変更をリスクレベル別に分類し、自動更新または人によるレビューに振り分けます。

Daily Schedule (2am)
    → Query KB articles from Notion
    → Filter by day (hash-based, ~1/7th daily)
    → Extract key claims
    → Perplexity fact-check
    → Classify: none/low/major risk
    → Route: auto-update or create review task

使用するツール: doc_list、doc_get、doc_create、doc_connect

結果: 自動ファクトチェックと、大きな変更に対する人間参加型のレビューにより、ナレッジベースの内容を最新の状態に保てます。

3. エージェントのパフォーマンスレビュー

シナリオ: トレーニングスタジオを四半期ごとにレビューし、ナレッジベースの不足やユーザーの課題を特定します。

ワークフロー:

1. "Fetch chat history from my training agents"
2. "Analyze: which questions got unclear or uncertain responses?"
3. "List all KB documents - which topics are missing?"
4. "Check user stats - who's most active, who's churning?"
5. "Create KB documents addressing the top 3 gaps"
6. "Connect new documents to the relevant agents"

使用するツール: chat_history、doc_list、doc_create、doc_connect、user_list

結果: 推測ではなく、実際のユーザーとの会話に基づいてナレッジベースを改善できます。

4. 複数スタジオの運用

シナリオ: 1 つの Claude セッションから複数の Pickaxe スタジオを管理します。

設定:

{
  "env": {
    "PICKAXE_STUDIO_PRODUCTION": "studio-xxx",
    "PICKAXE_STUDIO_STAGING": "studio-yyy",
    "PICKAXE_STUDIO_DEV": "studio-zzz",
    "PICKAXE_DEFAULT_STUDIO": "PRODUCTION"
  }
}

ワークフロー:

1. "List users in PRODUCTION - how many signups this month?"
2. "Switch to STAGING - list products"
3. "Compare KB document counts across all studios"
4. "Find which studio has the most chat activity"

使用するツール: studios_list、user_list、doc_list、products_list

結果: コンテキストや API キーを手動で切り替えずに、複数のスタジオを横断して状況を把握できます。

5. ユーザーメモリの監査

シナリオ: パーソナライズとプライバシーコンプライアンスのために、エージェントがユーザーについて記憶している内容を確認します。

ワークフロー:

1. "List all memory schemas defined in the studio"
2. "Get memories for [email protected]"
3. "What does the system know about this user's situation?"
4. "Which memory fields are most populated across users?"

出力例:

User: [email protected]
Nickname: "Cautious Educator from Madrid"
Summary: "Teaching [language] for [platform] at low hourly rate,
         considering self-employment status due to
         uncertain income"
Memories: 1 stored

使用するツール: memory_list、memory_get_user、user_list

結果: プロダクトの改善と GDPR コンプライアンスの両方に役立つ、パーソナライズデータの可視性を確保できます。


クイックスタート例

設定が完了したら、自然言語で Pickaxe を操作できます。

エージェントのパフォーマンスを分析する

「サポートエージェントとの直近 20 件の会話を表示してください」

「エージェントが回答できない質問として、ユーザーはどのような質問をしていますか?」

ナレッジベースを管理する

「この内容で『FAQ』という新しいドキュメントを作成してください:[your content]」

「FAQ ドキュメントをカスタマーサポートエージェントに接続してください」

「ナレッジベース内のすべてのドキュメントを一覧表示してください」

ユーザー管理

「すべてのユーザーと利用状況の統計を表示してください」

「メールアドレス [email protected] の新しいユーザーを作成し、Pro 製品へのアクセス権を付与してください」

「次のメールアドレスに招待を送信してください:[list of emails]」

複数スタジオの運用

「ステージングスタジオのユーザーをすべて一覧表示してください」

「本番環境とステージング環境のドキュメントを比較してください」

利用可能なツール

スタジオ管理
  • studios_list - 設定済みのすべてのスタジオと現在のデフォルトを一覧表示します
チャット履歴
  • chat_history - エージェントの会話履歴を取得します
    • パラメーター:pickaxeId、skip、limit、format("messages" または "raw")、studio
ドキュメント管理
  • doc_create - コンテンツまたは URL からドキュメントを作成します
  • doc_list - すべてのドキュメントを一覧表示します(ページネーション対応)
  • doc_get - 特定のドキュメントを取得します
  • doc_delete - ドキュメントを削除します
  • doc_connect - ドキュメントをエージェントにリンクします
  • doc_disconnect - ドキュメントとエージェントのリンクを解除します
ユーザー管理
  • user_list - アクセス権と利用状況の情報を含むすべてのユーザーを一覧表示します
  • user_get - メールアドレスで特定のユーザーを取得します
  • user_create - 新しいユーザーを作成します
  • user_update - ユーザーの詳細、製品、または利用状況を更新します
  • user_delete - ユーザーを削除します
  • user_invite - メールで招待を送信します
製品
  • products_list - 利用可能な製品/バンドルを一覧表示します
メモリ
  • memory_list - メモリスキーマを一覧表示します
  • memory_get_user - ユーザーについて収集したメモリを取得します

開発

# Run in development mode (auto-reloads)
npm run dev

# Build for production
npm run build

# Run the built version
npm start

トラブルシューティング

「Pickaxe スタジオが設定されていません」

MCP 設定で PICKAXE_STUDIO_* 環境変数が 1 つ以上設定されていることを確認してください。

「スタジオが見つかりません」

スタジオ名が完全に一致していること(大文字と小文字は区別されません)を確認してください。利用可能なオプションを確認するには、studios_list を実行してください。

「Pickaxe API エラー(401)」

API キーが無効か、期限切れです。Pickaxe Studio の設定から新しいキーを取得してください。

「Pickaxe API エラー(403)」

API キーにこの操作を実行する権限がありません。Pickaxe アカウントの権限を確認してください。

Contributing

Contributions are welcome! Please see CONTRIBUTING.md for guidelines.

License

MIT License - see LICENSE for details.

Links

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。