Contextual MCP Server

Contextual MCP Server

Contextual AI を使用して RAG（検索拡張生成）機能を提供する Model Context Protocol（MCP）サーバーです。このサーバーは、さまざまな MCP クライアントと統合できます。サーバーで提供する機能を柔軟に選択できます。この README では、Cursor IDE および Claude Desktop との統合方法を紹介します。

Contextual AI は現在、プラットフォーム内でホスト型サーバーを提供しています。利用先はこちらです：https://mcp.app.contextual.ai/mcp/
サーバーに接続すると、プラットフォームの MCP サーバーが提供する query などのツールを使用できます。
詳しい手順については、MCP のユーザーガイドをご覧ください。

概要

MCP サーバーは、AI インターフェース（Cursor IDE または Claude Desktop）と専用の Contextual AI エージェントの橋渡しをします。次のことが可能になります。

1. クエリ処理：ドメインに特化した質問を専用の Contextual AI エージェントに送信します
2. インテリジェントな検索：ナレッジベース内の幅広い情報を検索します
3. コンテキストを考慮した回答：以下の特徴を持つ回答を生成します。

• ソースドキュメントに基づいている
• 引用と出典が含まれている
• 会話のコンテキストが維持される

統合フロー

Cursor/Claude Desktop → MCP Server → Contextual AI RAG Agent
        ↑                  ↓             ↓                         
        └──────────────────┴─────────────┴─────────────── Response with citations

前提条件

• Python 3.10 以降
• Cursor IDE および／または Claude Desktop
• Contextual AI API キー
• MCP 互換環境

インストール

1. リポジトリをクローンします。

git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server

2. 仮想環境を作成して有効化します。

python -m venv .venv
source .venv/bin/activate  # On Windows, use `.venv\Scripts\activate`

3. 依存関係をインストールします。

pip install -e .

設定

MCP サーバーの設定

サーバーを使用するには、設定の変更が必要です。 たとえば、single_agent サーバーには、RAG エージェントに適した docstring を設定してください。

クエリツールの docstring は重要です。MCP クライアントが質問を RAG エージェントにルーティングするタイミングを判断するのに役立ちます。ナレッジドメインに合わせて具体的に記述してください。以下に例を示します。

A research tool focused on financial data on the largest US firms

または

A research tool focused on technical documents for Omaha semiconductors

サーバーでは、RAG エージェントに関する以下の設定も必要です。

• API_KEY：Contextual AI API キー
• AGENT_ID：Contextual AI エージェント ID

これらの値を .env ファイルに保存する場合は、次のように指定できます。

cat > .env << EOF
API_KEY=key...
AGENT_ID=...
EOF

このリポジトリには、マルチエージェントシステム向けのより高度な MPC サーバーや、document-agentも含まれています。

AI インターフェースとの統合

この MCP サーバーは、さまざまなクライアントと統合できます。Cursor IDE または Claude Desktop で使用するには、適切な場所にある MCP 設定ファイルを作成または変更します。

1. まず、uv のインストール先を確認します。

UV_PATH=$(which uv)
echo $UV_PATH
# Example output: /Users/username/miniconda3/bin/uv

2. 手順 1 で確認したフルパスを使って設定ファイルを作成します。

cat > mcp.json << EOF
{
 "mcpServers": {
   "ContextualAI-TechDocs": {
     "command": "$UV_PATH", # make sure this is set properly
     "args": [
       "--directory",
       "\${workspaceFolder}",  # Will be replaced with your project path
       "run",
       "multi-agent/server.py"
     ]
   }
 }
}
EOF

3. 以下の選択肢を参照して、適切なフォルダーに移動します。

mkdir -p .cursor/
mv mcp.json .cursor/

設定ファイルの場所：

• Cursor の場合：
• プロジェクト固有：プロジェクトディレクトリ内の .cursor/mcp.json
• グローバル：システム全体からアクセスする場合は ~/.cursor/mcp.json
• Claude Desktop の場合：
• 適切な Claude Desktop 設定ディレクトリ内で、同じ設定ファイル形式を使用します

環境のセットアップ

このプロジェクトでは依存関係の管理に uv を使用しています。これにより、Python パッケージをより高速かつ確実にインストールできます。

使い方

このサーバーは Python SDK を使用して Contextual AI の RAG 機能を提供します。Cursor IDE や Claude Desktop などの MCP クライアントから、さまざまなコマンドを利用できます。 現在のサーバーでは、Contextual AI Python SDK の query コマンドに重点を置いていますが、すべてのエージェントの一覧表示、検索設定の更新、プロンプトの更新、検索結果の抽出、メトリクスのダウンロードなど、ほかの機能にも拡張できます。

使用例

# In Cursor, you might ask:
"Show me the code for initiating the RF345 microchip?"

# The MCP client will:
1. Determine if this should be routed to the MCP Server

# Then the MCP server will:
1. Route the query to the Contextual AI agent
2. Retrieve relevant documentation
3. Generate a response with specific citations
4. Return the formatted answer to Cursor

主なメリット

1. 正確な回答：すべての回答はドキュメントに基づいています
2. 情報源の明示：すべての回答に、参照したドキュメントが記載されています
3. コンテキストの認識：システムは会話のコンテキストを維持するため、追加の質問にも対応できます
4. リアルタイム更新：回答には、データストア内の最新のドキュメントが反映されます

開発

サーバーの変更

新しい機能を追加するには、次の手順に従います。

1. @mcp.tool() でデコレートした関数を追加して、新しいツールを作成します
2. Python の型ヒントを使用して、ツールのパラメーターを定義します
3. ツールの機能を説明する、わかりやすい docstring を記述します

例：

@mcp.tool()
def new_tool(param: str) -> str:
   """Description of what the tool does"""
   # Implementation
   return result

制限事項

• サーバーはローカルで実行されるため、リモート開発環境では動作しない場合があります
• ツールの応答には、Contextual AI API の制限とクォータが適用されます
• 現在は stdio トランスポートモードのみをサポートしています

Contextual AI のすべての機能については、公式ドキュメントをご確認ください。