MCP Server for Windsurf/Roocode

Windsurf/Roocode 用 MCP サーバー

これは、Windsurf に画像生成機能とウェブスクレイピング機能を提供する Model Context Protocol（MCP）サーバーです。

機能

• 画像生成：Flux Pro モデルを使用して画像を生成します
• ウェブスクレイピング：ScrapeGraph を使用してウェブページからコンテンツを抽出します

はじめに

1. プロジェクトをクローンしてセットアップします：

   git clone https://github.com/bananabit-dev/mcp.git
   cd mcp
   python -m venv .venv
   source .venv/bin/activate  # On Windows: .venv\Scripts\activate
   pip install -r requirements.txt
   

2. 環境変数を設定します：

   cp .env.example .env
   

   次に、.env を編集して API キーを追加します：

   AIMLAPI_KEY=your_flux_pro_api_key
   SGAI_API_KEY=your_scrapegraph_api_key
   

MCP サーバーの設定

1. ~/.codeium/windsurf/mcp_config.json に次の設定を追加します：

{
  "mcpServers": {
    "bananabit-mcp": {
      "command": "/absolute/path/to/your/.venv/bin/python",
      "args": ["-m", "app.mcp_server"],
      "cwd": "/absolute/path/to/mcp",
      "env": {
        "PYTHONPATH": "/absolute/path/to/mcp",
        "AIMLAPI_KEY": "${env:AIMLAPI_KEY}",
        "SGAI_API_KEY": "${env:SGAI_API_KEY}"
      }
    }
  }
}

2. Windsurf でハンマーアイコンをクリックし、「Refresh」をクリックして MCP サーバーを読み込みます。

使用例

画像生成

居心地のよい、かわいいリビングルームを作成しましょう！Windsurf との対話例を紹介します：

User: Generate a image of a cozy warm living room in kawaii and anime style.

Assistant: I'll help you generate a cozy warm living room image in kawaii and anime style!

[Generated image saved as cozy_kawaii_living_room.png]

User: Try again with an even more cozy and kawaii living room.

Assistant: I'll enhance the kawaii and cozy elements even more in this new version!

[Generated image saved as super_cozy_kawaii_living_room.png]

MCP サーバーは毎回独自の画像を生成しますが、プロンプトで指定されたスタイルや要素に従います。自分だけの居心地のよい空間や、その他のクリエイティブな画像を作成してみましょう！

ウェブスクレイピング

MCP サーバーは、ScrapeGraph API を通じて強力なウェブスクレイピング機能を提供します。主な機能は次のとおりです：

1. コンテンツの抽出

   # Extract main content from a webpage
   result = await extract_webpage_content(
       url="https://example.com"
   )
   

2. Markdown への変換

   # Convert webpage to clean markdown
   result = await markdownify_webpage(
       url="https://example.com",
       clean_level="medium"  # Options: light, medium, aggressive
   )
   

3. スマートスクレイピング

   # Extract specific information using AI
   result = await scrape_webpage(
       url="https://example.com"
   )
   

機能

• AI を活用した抽出：メインコンテンツをインテリジェントに特定して抽出します
• クリーンな出力：広告やナビゲーションなどの不要な要素を取り除きます
• 形式の選択肢：生の HTML、Markdown、構造化データの形式でコンテンツを取得できます
• エラー処理：抽出に失敗した場合も、適切にフォールバックします
• カスタマイズ：クリーニングレベルと出力形式を制御できます

使用例

1. ドキュメントの生成

   # Create local documentation from online sources
   content = await markdownify_webpage(
       url="https://docs.example.com/guide",
       clean_level="medium"
   )
   with open(".docs/guide.md", "w") as f:
       f.write(content)
   

2. コンテンツの分析

   # Extract and analyze webpage sentiment
   content = await extract_webpage_content(
       url="https://example.com/article"
   )
   sentiment = await analyze_text_sentiment(
       text=content["text"]
   )
   

3. データの収集

   # Extract structured data
   data = await scrape_webpage(
       url="https://example.com/products"
   )
   # Process extracted data
   for item in data["structured_data"]:
       process_item(item)
   

ベストプラクティス

1. レート制限

   • ウェブサイトのレート制限を守ります
   • リクエスト間に遅延を設けます
   • 可能な場合はキャッシュを使用します

2. エラー処理

   try:
       content = await extract_webpage_content(url)
   except Exception as e:
       # Fall back to simpler extraction
       content = await markdownify_webpage(url)
   

3. コンテンツのクリーニング

   • まずは「medium」の clean_level を使用します
   • ノイズの多いページには「aggressive」を使用します
   • 形式の保持が重要な場合は「light」を使用します

4. 出力の処理

   • 抽出されたコンテンツを検証します
   • 空または部分的な結果を処理します
   • 構造化データを適切に処理します

ライセンス

MIT