mcpField
F
FlexOrch MCP

FlexOrch MCP

ローカル
github.com/flexorchファイル・ストレージ15 週間前に更新

FlexOrch MCP について

FlexOrch MCPは、MCP対応エージェントからFlexOrchのマネージド文書処理を利用するためのステートレスなプロキシです。文書の分類、構造化フィールドの抽出、PIIの検出・マスキング、データセットの構築や出力に対応し、FlexOrchアカウントとAPIキーが必要です。

主な機能

  1. 01文書の処理と再処理
  2. 02ジョブ状態の確認と結果取得
  3. 03構造化データセットの構築
  4. 04JSONL、CSVなどへの出力
  5. 05データセットのセマンティック検索とインデックス作成
  6. 06RAG向けテキストチャンクの取得

活用シーン

  1. 01請求書からの構造化フィールド抽出
  2. 02文書処理結果の利用前のPIIマスキング
  3. 03LLMワークフロー向けデータセット構築
  4. 04インデックス済み文書のRAGチャンク出力

MCP 対応

FlexOrch APIの操作をMCPツールとして公開し、処理をFlexOrchのマネージド基盤に転送します。データを保存・キャッシュせず、APIキーはFLEXORCH_API_KEYから読み込みます。

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": {
"dev-flexorch-flexorch": {
"command": "uvx",
"args": [
"flexorch-mcp"
],
"env": {
"FLEXORCH_API_KEY": "<FLEXORCH_API_KEY>"
}
}
}
}
起動コマンドuvx flexorch-mcp
設定が必要な環境変数
FLEXORCH_API_KEYシークレットFlexOrch API key — get one at app.flexorch.com/settings

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
pypiflexorch-mcp0.1.2

ツール

6

掲載時のツール一覧 · 2 週間前に更新

パラメーター型必須説明
file_urlstringはい
mask_piibooleanいいえ
document_typestringいいえ

詳細

flexorch-mcp

smithery badge PyPI version CI License: MIT Python 3.10+ flexorch-mcp MCP server Glama score

FlexOrch 向け MCP サーバー — 機械のための SDK です。

Claude やその他の MCP 対応エージェントを、FlexOrch のドキュメントインテリジェンスパイプラインに接続します。自然言語によるツール呼び出しだけで、ドキュメントの処理、構造化データの抽出、PII の検出、LLM 対応データセットのエクスポートができます。


これは何ですか

flexorch-mcp は、FlexOrch API を MCP ツールとして公開する薄いプロキシです。すべての処理は FlexOrch のマネージドインフラストラクチャ上で行われます。FlexOrch のアカウントと API キーが必要です。

コードを書く人向け: flexorch-sdk(Python)または flexorch-sdk-js(TypeScript)を使用してください。
エージェント向け: このパッケージを使用してください。


ツール

ツール説明
document.processドキュメント(PDF、DOCX、TXT、XLSX、HTML、XML、EML、JPG、PNG、TIFF)をアップロードして処理します
document.reprocessアップロード済みのドキュメントをパイプラインで再処理するようキューに登録します
job.status処理ジョブの完了または失敗まで状態を確認します
job.result完了したジョブから構造化された抽出フィールドを取得します
dataset.build完了した実行から構造化データセットを構築します
dataset.searchインデックス化されたデータセットを横断して意味検索します(Pro 以上)
dataset.exportデータセットを JSONL、CSV、JSON、XML、MD、または RAG(LangChain/LlamaIndex のチャンク)としてエクスポートします
dataset.indexデータセットの意味ベクトルインデックス作成を開始します(Pro 以上)
dataset.chunksインデックス化されたデータセットから、ページネーションに対応した RAG 対応テキストチャンクを取得します(Pro 以上)

インストール

pip install flexorch-mcp

Python 3.10 以上が必要です。


設定

Claude Desktop

Claude Desktop の設定ファイルに追加してください(存在しない場合は作成してください)。

  • macOS:~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows:%APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "flexorch": {
      "command": "flexorch-mcp",
      "env": {
        "FLEXORCH_API_KEY": "dfx_your_key_here"
      }
    }
  }
}
Cursor

Cursor の MCP 設定に追加してください。

{
  "flexorch": {
    "command": "flexorch-mcp",
    "env": {
      "FLEXORCH_API_KEY": "dfx_your_key_here"
    }
  }
}
OpenAI Codex

~/.codex/config.toml に追加してください。

[mcp_servers.flexorch]
command = "uvx"
args = ["flexorch-mcp"]

[mcp_servers.flexorch.env]
FLEXORCH_API_KEY = "dfx_your_key_here"

API キーは app.flexorch.com/settings から取得してください。


接続を確認する

flexorch-mcp --check
# → FlexOrch API key: dfx_xxx*** ✓
# → Connection: OK (api.flexorch.com)
# → Plan: Starter (1,200 credits/mo)
# → Tools: 9 registered

エージェントのワークフロー例

User: "Process this invoice and export it as JSONL for fine-tuning."

Agent:
  1. document.process(file_url="https://...")   → job_id: 1234
  2. job.status(1234)                           → completed, execution_id: 567
  3. job.result(567)                            → vendor, total, date, PII masked
  4. dataset.build(execution_id=567)            → job_id: 1235
  5. job.status(1235)                           → completed, dataset_id: 89
  6. dataset.export(89, format="jsonl")         → inline JSONL content

プランの上限

すべての FlexOrch プランの上限は、MCP ツールの呼び出しにも適用されます。クレジットはドキュメントを処理するごとに消費されます。

プランクレジット/月意味検索
トライアル1,200(30 日間)—
Starter1,200—
Pro6,000✓
Enterpriseカスタム✓

セキュリティ

  • API キーは FLEXORCH_API_KEY 環境変数から読み取られ、ツールの引数として渡されることはありません
  • このサーバーはデータを保存またはキャッシュしません。ステートレスなプロキシです
  • 結果が返される前に、FlexOrch のパイプラインによって PII マスキングが適用されます
  • api.flexorch.com との通信にはすべて HTTPS が使用されます

関連プロジェクト


ライセンス

MIT — LICENSE を参照してください。

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。