snowfakery-mcp

Snowfakery MCP Server

Snowfakery によるデータ生成で AI ワークフローを強化しましょう — Model Context Protocol を通じて、Claude、ChatGPT、その他の AI アシスタントを使い、データレシピの作成、デバッグ、実行ができます。

MCP Registry

mcp-name: io.github.composable-delivery/snowfakery-mcp

これは何ですか？

Snowfakery は、テストデータをプログラムで生成するための YAML ベースのツールです。この MCP サーバーは Snowfakery を AI アシスタントに接続し、次のことを可能にします。

• レシピの下書き：実際の Snowfakery のドキュメントや例に基づく AI の支援を受けられます
• レシピの検証：詳細なエラー情報を確認しながら、実行前にレシピを検証できます
• レシピの実行：レシピを実行し、結果を対話形式で調整できます
• 問題のデバッグ：静的解析とレシピの調査により、問題をデバッグできます
• Salesforce マッピングの生成：CumulusCI ワークフロー用のマッピングを生成できます

Salesforce 管理者からデータパイプラインを構築する開発者まで、現実的なテストデータを必要とするチームに最適です。

クイックスタート

uv をインストールする

インストールとソースからの実行には、uv の使用をおすすめします。

• uv をインストール（macOS/Linux）：

  curl -LsSf https://astral.sh/uv/install.sh | sh
  

• uv をインストール（Windows PowerShell）：

  powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
  

uv の公式インストールドキュメントをご覧ください：https://docs.astral.sh/uv/getting-started/installation/

Claude Desktop（推奨）

Claude Desktop では、Releases の .mcpb バンドルを使用することをおすすめします。

• 最新の .mcpb を https://github.com/composable-delivery/snowfakery-mcp/releases からダウンロードします
• Claude Desktop でバンドルを MCP サーバーバンドルとして追加します

このバンドルには、固定されたランタイムメタデータ（uv.lock、manifest.json）が含まれており、再現可能な環境を最も簡単にセットアップできます。

インストールと実行（CLI）

# Recommended: isolated install
uv tool install snowfakery-mcp

# Then run the server
snowfakery-mcp

または、ソースから実行します。

git clone https://github.com/composable-delivery/snowfakery-mcp.git
cd snowfakery-mcp
uv sync
uv run snowfakery-mcp

Claude（デスクトップ）に接続する

Claude Desktop の claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "snowfakery-mcp": {
      "command": "snowfakery-mcp"
    }
  }
}

次のように Claude に尋ねてください。

「Snowfakery のレシピの例を見せて」または「Salesforce アカウントを 100 件生成するレシピの作成を手伝って」

機能

リソース — ドキュメント、例、スキーマにアクセスできます。

• Snowfakery のドキュメントとレシピの例
• レシピ検証用の JSON スキーマ
• 実行結果とアーティファクト

ツール — レシピを操作できます。

• レシピの検証と解析（エラーを早期に検出）
• レシピの実行と出力の取得
• レシピの例の一覧表示と取得
• CumulusCI マッピングファイルの生成

詳細情報

• MCP_SERVER_SPEC.md — 詳細な設計とツール一覧
• Snowfakery docs — レシピ言語リファレンス
• Contributing — 貢献方法

コミュニティ

どのようなレベルの方にも歓迎される場を目指しています。質問、アイデア、貢献をいつでも歓迎します。

• 質問やアイデアがありますか？ GitHub Discussion を開いてください
• バグを見つけましたか？ 最小限のレシピを添えてIssue を開いてください
• 貢献したいですか？ CONTRIBUTING.md をご覧ください
• セキュリティ上の懸念がありますか？ SECURITY.md をご覧ください

開発

# Install dev dependencies
uv sync --all-groups

# Run tests
uv run pytest

# Type check
uv run mypy snowfakery_mcp

# Lint & format
uv run ruff check snowfakery_mcp tests scripts evals
uv run ruff format snowfakery_mcp tests scripts evals

評価（エージェント型テスト）

このリポジトリには、AI モデルを使って MCP サーバーをテストするための inspect-ai タスクが含まれています。

# Install eval dependencies
uv sync --group evals

# Run evaluation
uv run inspect eval evals/inspect_tasks.py@snowfakery_mcp_agentic --model openai/gpt-4o-mini

その他の例やトラブルシューティングについては、evals/ をご覧ください。

メモ

• このリポジトリには、開発用に上流の Snowfakery リポジトリが Git サブモジュール（Snowfakery/）として含まれています
• ソースから実行する場合は、固定された環境を使うために uv run ... を使用してください
• PyPI からインストールする場合は、ドキュメントと例が同梱されるため、サブモジュールは必要ありません

リリース

sdist、wheel、.mcpb バンドル（Claude Desktop 向けに推奨）については、GitHub リリースをご覧ください。