mcpField
M
MCP Server for Feedly API

MCP Server for Feedly API

ローカル
github.com/hafnium49開発ツール072 週間前に更新

MCP Server for Feedly API について

この TypeScript 製 MCP サーバーは、Feedly API の一部を公開し、記事の検索・取得や NLP エンティティ情報の参照に使えます。エンティティの探索から記事収集までの流れに対応します。

主な機能

  1. 01Feedly コンテンツの検索
  2. 02ストリームからの記事収集
  3. 03エンティティ詳細の参照
  4. 04エンティティ ID の補完

活用シーン

  1. 01トピックや企業に関する記事の探索
  2. 02フィードやボードからの記事全文取得
  3. 03検索前のエンティティ ID の特定
  4. 04技術トレンドの調査

MCP 対応

Feedly API の4つの操作を、MCP 対応の言語モデル向けツールとして公開します。クライアントとは stdio で通信し、Feedly API の呼び出しには FEEDLY_TOKEN が必要です。

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。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

Feedly API 用 MCP サーバー

このリポジトリには、選択した Feedly API エンドポイントを MCP ツールとして公開する、最小構成の typescript-sdk サーバーが含まれています。サーバーでは次のツールを利用できます。

  • feedly.search
  • feedly.collect
  • feedly.entity_lookup
  • feedly.autocomplete

これらのツールを使用すると、MCP 対応の言語モデルで Feedly から記事を検索、取得したり、NLP エンティティ情報を取得したりできます。

Feedly ワークフロー全体

これらのツールを組み合わせることで、一般的な情報発見のループを実行できます。

  1. エンティティの発見 – feedly.autocomplete を使って、関連するトピックや企業の ID を見つけます。
  2. コンテンツ検索 – それらの ID を指定して feedly.search を呼び出し、記事を検索してストリーム ID を見つけます。
  3. ストリームの収集 – ストリーム ID を feedly.collect に渡し、フィードまたはボードから記事全体を取得します。
  4. エンティティの詳細 – feedly.entity_lookup を使って、任意のエンティティに関する追加情報を取得します。

主な概念

  • エンティティ – Feedly ID で識別されるトピック、企業、人、技術です。
  • ストリーム – RSS フィード、ユーザーのカテゴリ、または出版物の分類です。
  • 顕著性 – mention または about を選択して、結果でエンティティがどの程度目立つかを制御します。
  • ソース – 検索対象のストリームです(既定ではすべてのトピック)。

一般的なエンティティ ID の形式には、トピック用の nlp/f/topic/xxxx や RSS フィード用の feed/http://... があります。

トラブルシューティング

  • サーバーが Feedly API を呼び出せるよう、FEEDLY_TOKEN がエクスポートされていることを確認してください。
  • まず feedly.autocomplete を使って、エンティティ ID が正しいことを確認してください。
  • ストリームによっては直接収集できない場合があります。feedly.search を使ってストリーム ID を見つけてください。
  • Feedly のレート制限を超えないよう、ページネーショントークンと count パラメーターを使用してください。

ワークフローの例

server.ts のコメントには、医療分野における AI の追跡、企業調査の実施、技術トレンドの分析など、具体的な例が記載されています。

セットアップ

  1. npm を使用して依存関係をインストールします。
npm install
  1. サーバーが Feedly API を呼び出せるよう、Feedly 認証トークンをエクスポートします。
export FEEDLY_TOKEN=YOUR_TOKEN_HERE

サーバーの実行

設定するネットワークポートが不要になるよう、サーバーを stdio 経由で実行します。次のコマンドで起動してください。

npx ts-node server.ts

プロセスは起動したままになり、標準入力および標準出力のストリームを介してクライアントと通信します。

Claude Desktop での使用

Claude Desktop をこのサーバーに直接接続するには、File > Settings > Developer > Edit Config を開き、 claude_desktop_config.json に次のようなエントリーを作成または追加します。

{
  "mcpServers": {
    "feedly": {
      "command": "npx",
      "args": [
        "ts-node",
        "/path/to/mcp_server_feedly/server.ts"
      ],
      "env": {
        "FEEDLY_TOKEN": "YOUR_TOKEN_HERE"
      }
    }
  }
}

Claude Desktop は stdio 経由でサーバーと通信するため、設定する URL はありません。command と args は、アプリの起動方法を指定します。パスをご利用のシステム上の server.ts の場所に置き換え、FEEDLY_TOKEN に Feedly トークンを設定してください。

このリポジトリの claude_desktop_config.example.json をコピーして、ひな形として使用できます。

テストの実行

Python の依存関係をインストールし、テストスイートを実行します。

pip install -r requirements.txt
FEEDLY_TOKEN=xxxx pytest -q

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。