keyphrases-mcp

🔤 Keyphrases-MCP

LLM に本格的なキーフレーズ抽出機能を提供

以下のツールとテクノロジーを使用して構築されています：

---

概要

この Keyphrases MCP サーバーは、エージェント型アプリケーション向けに設計された自然言語インターフェースで、提供されたテキストからキーフレーズを抽出します。MCP（Model Context Protocol）クライアントとシームレスに連携し、BERT 機械学習モデルを使用して、AI 主導のワークフローでより正確かつ関連性の高いキーフレーズを抽出できます。許可されたディレクトリ内のローカルファイルを直接処理するため、LLM のコンテキストトークンを節約できます。アプリケーションは、元のファイル内容ではなく抽出したキーフレーズのみを MCP クライアントに公開することで、安全なドキュメント処理を実現します。

この MCP サーバーを使用すると、次のような質問ができます：

• 「ファイルからキーフレーズを 7 つ抽出してください。[ABSOLUTE_FILE_PATH]」
• 「ストップワードを無視して、指定したファイルからキーフレーズを 3 つ抽出してください。ストップワード：former, due, amount, [OTHER_STOP_WORDS]。ファイル：[ABSOLUTE_FILE_PATH]」

キーフレーズを使うと、文書全体を読まずに主要なトピックやテーマをすばやく把握でき、次のような用途に活用できます：

1. デジタルライブラリでの整理や見つけやすさを向上させる、文書のタグやメタデータ
2. 顧客レビュー、ソーシャルメディア、ニュース記事から特定される、新たなトレンドやセンチメント
3. テキスト分類やクラスタリングなど、ほかのタスクにおける特徴量や入力

keyphrases-mcp の根拠

Claude や ChatGPT などで使われる自己回帰型 LLM モデルはテキストを逐次処理します。そのため、文書全体にわたるキーフレーズの文脈を十分に捉える能力が制限されるだけでなく、入力が長くなるにつれてコンテキストが劣化し、前半にあるキーフレーズへの注意が薄れていきます。

BERT のような双方向モデルは、左右両方の文脈を考慮し、系列全体でより一貫した注意を維持するため、特にドメイン固有のファインチューニングが適用されていない場合、テキストに含まれる既存のキーフレーズをより正確かつ高い関連性で抽出できます。

ただし、自己回帰型モデルのコンテキストウィンドウが長くなり、入力チャンク分割などの手法が採用されるにつれて、キーフレーズ抽出の性能は向上しており、BERT との差は縮まりつつあります。また、ドメイン固有のファインチューニングによって、自己回帰型 LLM モデルが BERT のソリューションを上回ることもあります。

この MCP サーバーは、キーフレーズ抽出に BERT を、テキストの生成や改善に自己回帰型 LLM を組み合わせ、シームレスなテキスト処理を実現します。

仕組み

このサーバーは、spaCy による NLP 前処理と BERT 埋め込みを組み合わせた多段階抽出パイプラインに KeyBERT フレームワークを使用します。

1. 候補の生成：KeyphraseCountVectorizer が spaCy の en_core_web_trf モデルを使用して意味のあるキーフレーズ候補を特定し、ストップワードを除外します
2. 意味的エンコード：候補と文書を paraphrase-multilingual-MiniLM-L12-v2 センテンストランスフォーマーで埋め込みます
3. 関連度のランキング：KeyBERT が候補キーフレーズと文書の埋め込み間のコサイン類似度を計算します
4. 多様性の選択：Maximal Marginal Relevance (MMR) により、多様で重複のないキーフレーズを選択します
5. 最終出力：関連度と多様性が最も高い上位 N 件のキーフレーズを選択し、アルファベット順に並べ替えます

詳細については、設定ドキュメントをご覧ください。

ドキュメント

• 🚀 統合 - サーバーを MCP クライアントまたは LLM と統合する方法
• 🔧 設定 - 環境変数と設定
• 🛠️ MCP ツール - 利用可能なすべてのツール
• 🪵 開発とテスト - プロジェクトへの貢献方法

ライセンス

このプロジェクトは MIT License の下でライセンスされています。

お問い合わせ

ご質問やサポートについては、GitHub Issues からお問い合わせください。