Mcp Arcknowledge

MCP ArcKnowledge

仕組み

これは、カスタム webhook エンドポイント（ナレッジベース）向けの Model Context Protocol（MCP）サーバーです。

これを使うと、ナレッジベース（webhook エンドポイント）の一覧を簡単に管理、検索できます。 URL を登録して新しいドキュメントソースを追加できます。また、説明と API キーを任意で指定できます。

登録済みのドキュメントソースをすべて一覧表示し、それぞれの詳細を確認することもできます。

質問や検索をする準備ができたら、テキストでナレッジベースに問い合わせることができます。検索対象のソースを指定するか、空欄にしてすべてのソースを検索します。

ツールは、問い合わせたソースから結果を集約して提供します。

前提条件

• Go
• Python 3.6+
• Anthropic Claude デスクトップアプリ（または Cursor、Cline）
• UV（Python パッケージマネージャー）。curl -LsSf https://astral.sh/uv/install.sh | sh でインストールします。

コンセプト

カスタムナレッジベースのすべての webhook エンドポイントを1つの設定で接続でき、複数の MCP サーバーを使う必要がなくなる、統合されたセットアップを実現できると想像してみてください。

デモ

Cursor の MCP 動画を見る

セットアップとインストール

Smithery 経由でインストール

Smithery 経由で Claude Desktop に ArcKnowledge を自動インストールするには：

npx -y @smithery/cli install @dragonjump/mcp-ARCknowledge --client claude

1.リポジトリをクローン

git clone https://github.com/dragonjump/mcp-arcknowledge
cd mcp-arcknowledge

2. エンドポイントを設定 knowledge_document_sources.json をコピーするか、変更します。 現在サポートされているナレッジエンドポイント API スキーマの参考情報は、sample_endpoint フォルダーを参照してください。必要に合わせてコードを変更できます。

3. MCP サーバーに接続

   以下の JSON を、適切な {{PATH}} の値に置き換えてコピーします：

    {
        "mcpServers": {
            "mcp-arcknowledge": {
                "command": "cmd /c uv",
                "args": [
                    "--directory",
                    "C:/Users/Acer/OneDrive/GitHub/YourDrive",
                    "run",
                    "main.py"
                ],
                "env": {
                    "DOCUMENT_SOURCES_PATH": "C:/Users/Acer/OneDrive/GitHub/YourDrive/testcustomother.json"
                }
            }
        }
    }
   

Claude の場合は、これを Claude Desktop の設定ディレクトリにある claude_desktop_config.json として保存します：

~/Library/Application Support/Claude/claude_desktop_config.json

Cursor の場合は、これを Cursor の設定ディレクトリにある mcp.json として保存します：

~/.cursor/mcp.json

cline の場合は、これを設定内に cline_mcp_settings.json として保存します。

4. クライアントを再起動：Claude Desktop / Cursor / Cline / Windsurf MCP 用のクライアント IDE を開いて再起動します。例：Claude／Cursor／Cline など

Windows との互換性

このプロジェクトを Windows で実行する場合、go-sqlite3 のコンパイルと正常な動作には CGO を有効にする必要があることにご注意ください。デフォルトでは Windows で CGO は無効のため、明示的に有効にし、C コンパイラーをインストールする必要があります。

動作させる手順：

1. C コンパイラーをインストール
   Windows 用 C コンパイラーのインストールには、MSYS2 の使用をおすすめします。MSYS2 のインストール後、ucrt64\bin フォルダーを PATH に追加してください。
   → 手順を追ったガイドはこちらにあります。

アーキテクチャの概要

このアプリケーションは、シンプルなメインコンポーネントで構成されています。

Python MCP サーバー（main.py）：Model Context Protocol（MCP）を実装する Python サーバーです。データとのやり取りや API 呼び出しを行うための、標準化されたツールをクライアントに提供します。

データストレージ

• すべてのデータは、メインの Python サーバーのランタイムローカルに保存されます。

技術的な詳細

1. クライアントは Python MCP サーバーにリクエストを送信します
2. MCP サーバーは実行時設定のナレッジベースを検索します。
3. 次に、クエリに基づいてナレッジベースのエンドポイント API を呼び出します。

トラブルシューティング

• uv の実行時に権限の問題が発生する場合は、PATH に追加するか、実行可能ファイルのフルパスを使用してください。
• 連携を正常に動作させるには、Go アプリケーションと Python サーバーの両方が起動していることを確認してください。

サーバーの起動

1. 設定 開発モードでサーバーを実行します：

fastmcp dev main.py

Claude で使用するためにインストールする場合：

fastmcp install main.py

利用可能なツール

1. knowledge_document_sources.json からナレッジリストをデフォルトで読み込む

設定からナレッジソースをデフォルトで読み込みます

knowledge_document_sources.json
 

mcp.json の環境設定からカスタムナレッジを読み込むこともできます

        "env": {
            "DOCUMENT_SOURCES_PATH": "C:/Users/Acer/OneDrive/Somewhere/YourDrive/your-custom.json"
        }

2. 現在登録されているすべてのナレッジソースを一覧表示する

登録済みのすべてのナレッジソースのリストを表示し、説明します。

eg. Show me my arcknowledge list 
 

3. 新しいナレッジドキュメントソースを追加する

新しい arcknowledge エンドポイント URL のドキュメントソースを追加します。 URL、説明、目的、API キー（ある場合）を指定します

eg. Add new arcknowledge data source. Endpoint is http://something.com/api/123.
Purpose is to handle questions on 123 topic. Api key is 'sk-2123123' 
 

4. 特定のナレッジドキュメントソースにクエリを実行する

query_knowledge_base を使って、これらのソースから構築された arcknowledge ベースにクエリを実行します。

eg. Query for me my  knowledge base for product. Question is : Which is most expensive product? 


eg. Query for me my  arcknowledge base for business. Question is :When is the business established? 

eg. Query for me all my  arcknowledge base  . Question is :When is the business established? Which is most expensive product?

ツール関数

1. add_new_knowledge_document_source(url: str, description:str = None, apikey:str = None) -> str

   • 新しいドキュメントソース URL を登録します。説明と API キーは任意で指定できます。
   • 戻り値：新しいソース ID を含む確認メッセージ。

2. list_knowledge_document_sources() -> Dict[str, Dict[str, str]]

   • 登録済みのすべてのドキュメントソースを一覧表示します。
   • 戻り値：ソース ID と詳細（URL、説明、API キー）を対応付けた辞書。

3. query_knowledge_base(query: str, source_ids: List[str] = [], image: str = '') -> str

   • テキストクエリと任意の画像データを使って、指定したドキュメントソース（指定がない場合はすべて）にクエリを実行します。
   • 戻り値：クエリを実行したソースからの集約結果。

開発

重要なファイルとプロジェクト構成

mcp-arcknowledge/
├── main.py          # Main server implementation
├── README.md           # Documentation
├── requirements.txt    # Project dependencies

Cursor AI MCP の設定

1. プロジェクトのルートに mcp.json ファイルを作成します：

{
    "name": "mcp-webhook-ai-agent",
    "version": "1.0.0",
    "description": "Webhook AI agent with RAG capabilities",
    "main": "main.py",
    "tools": [
        {
            "name": "set_document_source",
            "description": "Register a new document source URL for RAG operations"
        },
        {
            "name": "list_document_sources",
            "description": "List all registered document sources"
        },
        {
            "name": "query_rag",
            "description": "Query the specified document sources using RAG"
        },
        {
            "name": "process_post_query",
            "description": "Process a POST request with a query payload"
        }
    ],
    "dependencies": {
        "fastmcp": ">=0.4.0",
        "requests": ">=2.31.0",
        "pydantic": ">=2.0.0"
    }
}

2. Cursor AI を設定します：

   • Cursor AI の設定を開きます
   • MCP セクションに移動します
   • mcp.json ファイルへのパスを追加します
   • 変更を適用するため、Cursor AI を再起動します

3. 設定を確認します：

# Check if MCP is properly configured
fastmcp check mcp.json

# List available tools
fastmcp list

新機能の追加

1. main.py で新しいモデルを定義します
2. @mcp.tool() デコレーターを使って新しいツールを追加します
3. 必要に応じてドキュメントを更新します

ライセンス

MIT

コントリビューション

1. リポジトリをフォークします
2. 機能ブランチを作成します
3. 変更をコミットします
4. ブランチにプッシュします
5. 新しいプルリクエストを作成します