MCP Server

MCP サーバー

MCP サーバーは、AI を活用したコマンド実行、プラグインベースのツール、同期スクリプト実行、安全な Python 評価、ナレッジ管理などの高度な機能を提供する包括的なフレームワークです。スタンドアロンサービスとして実行することも、他のプロジェクトに組み込んで、ツールの呼び出しやタスクの管理に一貫した API を提供することもできます。

プロジェクト構成

• mcp_tools/ – 同時実行管理を強化したプラグインフレームワークと組み込みツール
• server/ – HTTP/SSE エンドポイントと DataFrame UI を備えた Starlette サーバーの実装
• plugins/ – 拡張可能なプラグイン（Azure DevOps、Git ツール、ナレッジインデックス作成、Kusto、CircleCI）
• config/ – 環境マネージャーと設定ヘルパー
• utils/ – コアユーティリティ（非同期ジョブ、グラフインターフェース、メモリ管理、ベクトルストア、PyEval）
• scripts/ – インストール、ユーティリティスクリプト、自動化された提出ワークフロー
• assets/ – 画像とドキュメントのリソース

インストール

このプロジェクトでは、依存関係の管理に uv を使用します。次のコマンドで依存関係をインストールします。

uv sync

または、pip を使って開発モードでインストールします。

pip install -e .

環境設定

設定は .env ファイルで管理します。テンプレートからファイルを作成し、設定を編集します。

cp config/env.template .env

重要な変数には、リポジトリのパス（GIT_ROOT）、Azure Repo の詳細（AZREPO_ORG、AZREPO_PROJECT、AZREPO_REPO）、外部ツール設定用のオプションの PRIVATE_TOOL_ROOT があります。環境マネージャーは、リポジトリのルート、現在のディレクトリ、ホームディレクトリにある .env ファイルを自動的に読み込みます。

コード内で設定にアクセスするには、次のようにします。

from config import env_manager
env_manager.load()
root = env_manager.get_git_root()

詳しくは docs/config_overview.md を参照してください。

サーバーの実行

依存関係をインストールし、.env を設定したら、次のコマンドでサーバーを起動します。

uv run server/main.py

SSE エンドポイント http://0.0.0.0:8000/sse に接続するか、server/api.py にある追加のルートを使用してください。 バックグラウンドジョブのエンドポイントについては、docs/background_jobs_api.md に記載されています。

Docker

サーバーをコンテナで実行するための Dockerfile が含まれています。 次のコマンドでイメージをビルドします。

docker build -t mcp-server .

次に、ポート 8000 を公開してコンテナを起動します。

docker run -p 8000:8000 mcp-server

詳しくは docs/docker.md を参照してください。

設定ファイル

サーバーは YAML ファイルからプロンプトとツール定義を読み込みます。

• server/prompts.yaml
• server/tools.yaml

プライベート設定の上書きファイルは、server/.private/ または PRIVATE_TOOL_ROOT で指定されたフォルダーに配置できます。ファイルは次の順序で解決されます。

1. PRIVATE_TOOL_ROOT
2. server/.private/
3. server/ 内のデフォルト設定

ツールシステム

ツールはモジュール式のプラグインであり、mcp_tools を通じて登録されます。組み込みユーティリティには次のものがあります。

• コマンド実行ツール – 実行完了までのサポートを備えた同期・非同期のコマンド実行
• ブラウザー自動化 – Web 操作用の Playwright 統合
• PyEval – RestrictedPython を使用した安全な Python 式評価
• DataFrame サービス – Web インターフェースを備えたデータ分析と可視化
• 時間ヘルパー – 時間ベースのユーティリティとスケジューリング
• YAML ツールローダー – YAML ファイルからの動的なツール定義

plugins/ ディレクトリには、Azure DevOps 統合、Git 操作、ナレッジインデックス作成、Kusto クエリ、CircleCI ワークフローなどの追加プラグインがあります。カスタムツールの作成については、mcp_tools/docs/creating_tools.md を参照してください。

Web インターフェースでは、次の包括的なダッシュボードを利用できます。

• /tools – 登録済みのすべてのツールを参照し、詳細を表示
• /dataframes – DataFrame を対話的に管理・可視化
• /knowledge – ナレッジグラフの探索と管理
• /pyeval – 安全な Python 評価インターフェース

プラグイン管理

外部プラグインは、plugin_config.yaml で宣言するとインストールできます。各 エントリでは、owner/repository 形式の plugin_repo を指定し、プラグインがサブフォルダーにある場合は 任意で sub_dir を指定します。例：

plugins:
   - plugin_repo: "github_owner/repo"
     sub_dir: "path/to/plugin"
     type: "python"

この設定に基づいてプラグインをクローンまたは更新するには、refresh_plugins オペレーションを指定して mcp_admin ツールを実行します。再インストールの前にインストール済みのプラグインをすべて削除するには、 force=true を渡します。

テストの実行

すべてのテストスイートを実行するには、次のコマンドを実行します。

scripts/run_tests.sh

または、mcp_tools/tests、plugins/*/tests、server/tests を対象に pytest を直接実行します。

主な機能（v0.2.0）

• 実行完了までの同期実行 – 出力を包括的にキャプチャする同期スクリプト実行
• PyEval セキュリティ – RestrictedPython を使用した安全な Python 式評価
• 強化された DataFrame UI – データ分析と可視化のためのレスポンシブなウェブインターフェース

次のステップ

1. mcp_tools/docs/ と docs/ のドキュメントを参照して、ツールの作成、依存性注入、高度な機能について学びます。
2. server/ の設定サンプルファイルを確認し、独自のツールを追加してみます。
3. 具体的な実装を確認するには、plugins/ ディレクトリのプラグインを調べます。
4. ベクトルストア、グラフインターフェース、メモリ管理などの高度なユーティリティについては、utils/ ディレクトリを確認します。
5. 詳細なリリースノートと最近の更新については、CHANGELOG.md を参照してください。

エディターとの連携

Cursor/VSCode などのエディターでは、次の設定を追加して SSE エンドポイントを使用できます。

{
  "mcpServers": {
    "mymcp-sse": { "url": "http://0.0.0.0:8000/sse" }
  }
}

デモのスクリーンショット