mcpField
1
1. Background

1. Background

ローカル
github.com/nitishsharma25データベース082 週間前に更新
リポジトリ

1. Background について

Kusto MCP サーバーとターミナルチャットクライアントのサンプルで、Kusto クラスターのデータを対話形式で問い合わせられます。AzureOpenAI を利用し、Azure CLI で Kusto の認証を行います。

主な機能

  1. 01対話形式の Kusto クエリ
  2. 02AzureOpenAI によるチャット
  3. 03Azure CLI 認証

活用シーン

  1. 01Kusto クラスター内のデータへの質問
  2. 02ターミナルチャットでのデータ探索

MCP 対応

サンプルのチャットアプリ内にある MCP クライアントと連携し、Kusto のデータを使ってクエリに回答します。

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

1. 背景

このチャットアプリは、Kusto クエリに会話形式で回答できます。バックエンドでは、MCP クライアント／サーバーのフレームワークと AzureOpenAI の LLM を使用しています。

2. 前提条件

  • Python
  • pip
  • Azure OpenAI のパラメーター

3. 環境のセットアップ

az login

現在のコードでは、Kusto への接続に Az CLI 認証を使用しているため、アプリを実行する前に上記の手順を実行してください。

リポジトリをクローンし、仮想環境を有効にして、クライアントとサーバーの依存関係をインストールします。

git clone <this repo>
virtualenv .venv
.venv/scripts/activate
pip install -r kusto-mcp-client/requirements.txt
pip install -r kusto-mcp-server/requirements.txt
cd kusto-mcp-client
  • kusto-mcp-client ディレクトリ内に .env ファイルを作成し、次の変数を追加します。
  • Azure AI Foundry ポータルの Azure OpenAI Service ページに移動します。
  • 以下の画像に示すとおり、パラメーターを確認します。
AZUREOPENAI_API_KEY       = ""
AZUREOPENAI_ENDPOINT      = ""
AZUREOPENAI_API_VERSION   = ""
AZUREOPENAI_MODEL         = ""

パラメーター

4. サンプルプロジェクトの実行方法

kusto-mcp-client ディレクトリ内で、次のコマンドを実行します。

python main.py "../kusto-mcp-server/main.py"
  • この画像に示すように、ターミナルでクエリを入力してチャットを開始します。

パラメーター

  • 新しいセッションを開始するには、quit と入力してクライアントを再起動します。

コメント

Markdown 対応

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。