mcpField
C
ConsultingAgents MCP Server

ConsultingAgents MCP Server

ローカル
github.com/MatthewPDingleAI・エージェント1782 週間前に更新

ConsultingAgents MCP Server について

ConsultingAgents MCP Serverは、Claude CodeからOpenAI、Anthropic、Googleのモデルにコードや問題の分析を相談できるMCPサーバーです。専門分野の異なる4つのコンサルタントを備え、stdioとHTTP/SSEに対応します。

主な機能

  1. 01Darrenによるコード分析と提案
  2. 02Sonnyによるコード分析
  3. 03Sergeyによるドキュメントや実例の検索
  4. 04GemmaによるGitHubリポジトリ分析と開発計画
  5. 05stdioとHTTP/SSEのトランスポート対応

活用シーン

  1. 01コードの問題について複数モデルの見解を得る
  2. 02実装に関するドキュメントや実例を探す
  3. 03GitHubリポジトリを分析して機能を計画する

MCP 対応

MCPサーバーはClaude Codeに4つの相談ツールを提供し、Darren、Sonny、Sergey、Gemmaを呼び出します。stdio、HTTP、SSEの各トランスポートに対応します。

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

ConsultingAgents MCP サーバー

Claude Code が追加の AI エージェントにコードや問題の分析を依頼できる Model Context Protocol(MCP)サーバーです。このサーバーでは、専門コンサルタントとして Darren(OpenAI)、Sonny(Anthropic)、Sergey(ウェブ検索機能を備えた OpenAI)、Gemma(リポジトリ分析機能を備えた Google Gemini)を利用でき、コーディングの問題に対して複数のモデルの視点を取り入れられます。

機能

  • Darren:高い推論能力を備えた o3-mini モデルを利用する、OpenAI のコーディング専門コンサルタントです
  • Sonny:拡張された思考機能を備えた Claude 3.7 Sonnet を利用する、Anthropic のコーディング専門コンサルタントです(注:Claude Code にネイティブの Extended Thinking モードが搭載された現在では、やや重複する機能です)
  • Sergey:関連するドキュメントや例を見つけるための GPT-4o を利用する、OpenAI のウェブ検索専門エージェントです(注:Claude Code にネイティブのウェブ検索機能が搭載された現在では、やや重複する機能です)
  • Gemma:包括的なリポジトリ分析のために 1M トークンのコンテキストを備えた gemini-2.5-pro-exp-03-25 を利用する、Google Gemini の専門エージェントです
  • MCP 統合:MCP プロトコルを介して Claude Code とシームレスに統合します
  • 複数のトランスポートオプション:stdio(Claude Code との直接統合用)と HTTP/SSE トランスポートに対応します

前提条件

  • Python 3.8+
  • OpenAI API キー
  • Anthropic API キー
  • Google API キー
  • Claude Code CLI(統合用)

クイックスタート

  1. リポジトリをクローンします:

    git clone https://github.com/yourusername/consulting-agents-mcp.git
    cd consulting-agents-mcp
    
  2. 仮想環境を作成して有効化します:

    python -m venv mcp_venv
    source mcp_venv/bin/activate  # On Windows: mcp_venv\Scripts\activate
    
  3. 依存関係をインストールします:

    pip install -r requirements.txt
    
  4. API キーを設定します: プロジェクトのルートに .env ファイルを作成します:

    OPENAI_API_KEY=your_openai_api_key_here
    ANTHROPIC_API_KEY=your_anthropic_api_key_here
    GOOGLE_API_KEY=your_google_api_key_here
    
  5. サーバーを起動します:

    chmod +x start_mcp_server.sh
    ./start_mcp_server.sh
    

Claude Code との統合

  1. Claude Code に MCP サーバーを登録します:

    claude mcp add ConsultingAgents /absolute/path/to/consulting-agents-mcp/start_mcp_server.sh
    
  2. MCP 統合を有効にして Claude Code を起動します:

    claude --mcp-debug
    
  3. Claude Code でツールを使用します:

    Now you can use consult_with_darren, consult_with_sonny, consult_with_sergey, and consult_with_gemma functions in Claude Code.
    

利用可能なツール

MCP サーバーでは、4 つのコンサルティングツールを利用できます:

consult_with_darren

高い推論能力を備えた OpenAI の o3-mini モデルを使用してコードを分析し、推奨事項を提示します。

パラメーター:

  • consultation_context:問題の説明(必須)
  • source_code:分析するコード(任意)
consult_with_sonny

拡張された思考機能を備えた Claude 3.7 Sonnet を使用して、コードを詳細に分析します。

パラメーター:

  • consultation_context:問題の説明(必須)
  • source_code:分析するコード(任意)

注: Claude Code にネイティブの Extended Thinking モードが搭載された現在では、このエージェントの機能はやや重複しています。ただし、別の Claude モデルからセカンドオピニオンや異なるアプローチを得るには、引き続き役立つ場合があります。

consult_with_sergey

ウェブ検索機能を備えた GPT-4o を使用して、関連するドキュメントや例を見つけます。

パラメーター:

  • consultation_context:必要な情報やドキュメントの説明(必須)
  • search_query:使用する具体的な検索クエリ(任意)
  • source_code:コンテキストとして使用するコード(任意)

注: Claude Code にネイティブのウェブ検索機能が搭載された現在では、このエージェントの機能はやや重複しています。ただし、GPT-4o と Claude の検索結果を比較したり、異なる視点を得たりするには、引き続き役立つ場合があります。

consult_with_gemma

Google の Gemini 2.5 Pro モデルを 100 万トークンのコンテキストウィンドウで使用して、リポジトリ全体を分析し、包括的な開発計画を提示します。

パラメーター:

  • consultation_context:実装するタスクまたは機能の説明(必須)
  • repo_url:分析対象の GitHub リポジトリの URL(必須) - 重要:完全かつ正確な GitHub URL を必ず指定してください(例:「https://github.com/username/repo」)
  • feature_description:実装する機能の詳細な説明(必須)

注: このエージェントは、Claude Code が単一のコンテキスト内でリポジトリ全体を分析する機能を標準では備えていないため、特に役立ちます。

重要:URL の指定: Gemma を使用する場合は、必ず正確な GitHub リポジトリの URL を指定してください。Claude Code は、ローカルディレクトリのパスからリポジトリの URL を誤って推測することがあり、リポジトリへのアクセスエラーにつながる可能性があります。URL は、正しい大文字と小文字の表記で https://github.com/username/repository 形式にしてください。

高度な設定

環境変数
  • MCP_TRANSPORT:トランスポートプロトコル(デフォルト:「stdio」、代替値:「http」、「sse」)
  • HOST:HTTP/SSE トランスポート使用時のサーバーホスト(デフォルト:「127.0.0.1」)
  • PORT:HTTP/SSE トランスポート使用時のサーバーポート(デフォルト:5000)
HTTP API(HTTP トランスポート使用時)

HTTP トランスポートで実行すると、サーバーは次のエンドポイントを提供します。

ヘルスチェック
GET /health

サーバーのステータスと利用可能なエージェントを返します。

モデルへの相談
POST /consult

Darren または Sonny のリクエストボディ:

{
  "agent": "Darren",
  "consultation_context": "I have a bug in my code where...",
  "source_code": "def example():\n    return 'hello'"
}

Sergey のリクエストボディ:

{
  "agent": "Sergey",
  "consultation_context": "How do I implement JWT authentication in Express?",
  "search_query": "express.js JWT auth implementation"
}

Gemma のリクエストボディ:

{
  "agent": "Gemma",
  "consultation_context": "Adding user authentication to the API",
  "repo_url": "https://github.com/username/repo",
  "feature_description": "Implement basic username/password authentication for API access"
}

重要: repo_url フィールドには、正確で完全な GitHub リポジトリの URL を必ず指定してください。Claude Code がローカルディレクトリのパスから URL を推測することに頼らないでください。

トラブルシューティング

  • MCP サーバーが見つからない:claude mcp add コマンドで絶対パスが指定されていることを確認してください
  • API 認証エラー:.env ファイルに API キーが正しく設定されていることを確認してください
  • 接続の問題:Claude Code を起動する前に、MCP サーバーが実行中であることを確認してください
  • デバッグログ:MCP サーバーを実行しているターミナルで詳細なログを確認してください

新しいバージョンへの更新

consulting-agents-mcp を新しいバージョンに更新する場合は、次の手順に従ってください。

  1. リポジトリのコードを更新する(最新の変更を取得)
  2. MCP サーバーを再起動する:
    ./start_mcp_server.sh
    
  3. 既存の MCP サーバーを Claude Code から削除する:
    claude mcp remove ConsultingAgents
    
  4. 絶対パスを指定して MCP サーバーを Claude Code に再追加する:
    claude mcp add ConsultingAgents /absolute/path/to/consulting-agents-mcp/start_mcp_server.sh
    

この手順により、Claude Code が新しいモデルや機能を含む更新済みバージョンの MCP サーバーを使用するようになります。

開発

開発モードでの実行
  1. デバッグ出力を有効にしてサーバーを起動します:

    DEBUG=true ./start_mcp_server.sh
    
  2. HTTP エンドポイントをテストします(HTTP トランスポート使用時):

    # Test Darren
    curl -X POST http://localhost:5000/consult \
      -H "Content-Type: application/json" \
      -d '{"agent":"Darren","consultation_context":"Test message"}'
    
    # Test Sonny
    curl -X POST http://localhost:5000/consult \
      -H "Content-Type: application/json" \
      -d '{"agent":"Sonny","consultation_context":"Test message"}'
    
    # Test Sergey
    curl -X POST http://localhost:5000/consult \
      -H "Content-Type: application/json" \
      -d '{"agent":"Sergey","consultation_context":"Test message","search_query":"example"}'
    
    # Test Gemma
    curl -X POST http://localhost:5000/consult \
      -H "Content-Type: application/json" \
      -d '{"agent":"Gemma","consultation_context":"Add user authentication","repo_url":"https://github.com/username/repo","feature_description":"Implement basic username/password authentication for API access"}'
    
プロジェクト構成
  • mcp_consul_server.py:MCP サーバーのメイン実装
  • start_mcp_server.sh:適切な環境でサーバーを起動するスクリプト
  • requirements.txt:Python の依存関係

ライセンス

MIT

コントリビューション

コントリビューションを歓迎します。お気軽にプルリクエストを送信してください。

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。