Taranis AI

Taranis MCP サーバー

Taranis AI 用の読み取り専用 Model Context Protocol サーバーです。現行バージョンでは、stdio または認証済み Streamable HTTP 経由で list_stories および list_sources ツールを公開します。

設定

アクセス可能な Taranis インスタンスと、ASSESS_ACCESS を持つユーザーが必要です。TARANIS_API_URL に /api を含む完全な API ルートを設定し、次に認証方式をいずれか1つだけ選択してください。

• TARANIS_USERNAME と TARANIS_PASSWORD：サーバーは必要に応じてログインし、有効期限が切れた JWT の後に再ログインできます。
• TARANIS_ACCESS_TOKEN：Taranis /api/auth/login から返された既存の JWT を使用します。認証情報がないと更新できません。

Taranis の JWT を MCP_ACCESS_TOKEN として再利用しないでください。後者は MCP HTTP エンドポイントを保護するもので、stdio では必要ありません。

インストールと MCP クライアントの設定

このサーバーは、デスクトップ AI アシスタントだけでなく開発者向けツールでも利用できます。MCP をサポートするデスクトップアプリには、Claude Desktop と OpenAI の ChatGPT デスクトップアプリがあります。IDE およびターミナルのクライアントには、Cursor、Zed、Codex CLI、Codex IDE 拡張機能があります。Mistral Le Chat などの別のアシスタントが、インストール済みのバージョンまたはワークスペースで MCP 統合を提供している場合は、適切にローカル stdio またはリモート Streamable HTTP を設定してください。

ローカル stdio をサポートするクライアントは、子プロセスとしてサーバーを起動できます。設定ファイルの場所と周囲のスキーマはクライアントによって異なりますが、サーバーのコマンド、引数、環境変数は共通です。リモート MCP コネクターのみをサポートするデスクトップアプリでは、代わりに以下の Streamable HTTP 設定を使用してください。

PyPI と uvx

この方法では、リポジトリをクローンせずにパッケージをインストールして実行できます。uv をインストールし、Claude Desktop や Cursor など、mcpServers 形式を使用するクライアントに以下の定義を追加してください。

{
  "mcpServers": {
    "taranis": {
      "command": "/absolute/path/to/uvx",
      "args": ["taranis-mcp-server"],
      "env": {
        "MCP_TRANSPORT": "stdio",
        "TARANIS_API_URL": "https://taranis.example/api",
        "TARANIS_USERNAME": "analyst",
        "TARANIS_PASSWORD": "change-me"
      }
    }
  }
}

Linux/macOS では which uvx、Windows では where uvx を使って実行ファイルを探してください。Windows ではパスの末尾が uvx.exe になる場合があります。デスクトップアプリの PATH は対話型シェルより短い場合があるため、絶対パスを推奨します。

Docker を使用したコンテナー

この方法で必要なのは Docker だけです。Windows では、MCP クライアントを起動する前に Docker Desktop をインストールして起動してください。クライアントは設定された環境変数を docker に渡し、-e 引数によってコンテナー内に転送します。

{
  "mcpServers": {
    "taranis": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "-e",
        "TARANIS_API_URL",
        "-e",
        "TARANIS_USERNAME",
        "-e",
        "TARANIS_PASSWORD",
        "ghcr.io/taranis-ai/taranis-mcp-server:stable"
      ],
      "env": {
        "TARANIS_API_URL": "https://taranis.example/api",
        "TARANIS_USERNAME": "analyst",
        "TARANIS_PASSWORD": "change-me"
      }
    }
  }
}

stable タグは最新の安定版コンテナーリリースに追従します。再現性のあるインストールにするには、0.1.1 などの正確なタグに置き換えてください。同様に、PyPI の引数にも taranis-mcp-server==0.1.1 のようにバージョンを追加して固定できます。

どちらのインストール方法でも、ユーザー名とパスワードを TARANIS_ACCESS_TOKEN に置き換えて JWT を使用できます。Docker の引数では、認証情報の2つの -e エントリーも "-e", "TARANIS_ACCESS_TOKEN" に置き換えてください。

MCP Registry

バージョン 0.1.1 以降、リリースは公式 MCP Registry に io.github.taranis-ai/taranis-mcp-server として公開されています。Registry に対応したアプリケーションは、この識別子を使ってサーバーを検出し、PyPI パッケージまたは OCI パッケージを選択できます。レジストリでは共通のインストールコマンドは定義されていないため、最終確認と設定の手順はアプリケーションによって異なります。

認証情報を含むプロジェクトレベルの MCP 設定をコミットしないでください。設定を保存した後、クライアントを再起動するか再読み込みしてください。クライアントの MCP 設定には、list_stories および list_sources ツールを備えた taranis サーバーが表示されます。異なる設定スキーマを使用する Zed などのクライアントでは、同じコマンド、引数リスト、環境変数の値を、そのクライアントの stdio MCP 定義に引き継いでください。

Codex

Codex CLI と Codex IDE 拡張機能は、~/.codex/config.toml の MCP 設定を共有します。このサーバー定義を追加し、絶対パスを置き換えてください：

[mcp_servers.taranis]
command = "/absolute/path/to/uvx"
args = ["taranis-mcp-server"]
env_vars = ["TARANIS_USERNAME", "TARANIS_PASSWORD"]

[mcp_servers.taranis.env]
MCP_TRANSPORT = "stdio"
TARANIS_API_URL = "https://taranis.example/api"

Codex を起動する前に、転送された認証情報をエクスポートしてください：

export TARANIS_USERNAME=analyst
export TARANIS_PASSWORD=change-me
codex mcp list
codex

Codex TUI 内で /mcp を使い、taranis が有効で、list_stories と list_sources を公開していることを確認してください。代わりに JWT を使うには、env_vars 内の2つの名前を TARANIS_ACCESS_TOKEN に置き換え、この変数をエクスポートしてください。

Streamable HTTP

個別に実行するサーバーの場合は、MCP_TRANSPORT=streamable-http を設定し、強力な MCP_ACCESS_TOKEN を指定して、次のコマンドを実行してください：

uv run --frozen taranis-mcp-server

デフォルトのエンドポイントは http://127.0.0.1:8000/mcp です。クライアントは Authorization: Bearer <MCP_ACCESS_TOKEN> を送信する必要があります。ローカル以外にデプロイする場合は、外部からアクセスできるアドレスに合わせて MCP_PUBLIC_URL、MCP_ISSUER_URL、MCP_ALLOWED_HOSTS、MCP_ALLOWED_ORIGINS を設定し、信頼できるリバースプロキシで TLS を終端してください。

ソースからの開発

開発には Python 3.12 以降と uv が必要です。リポジトリをクローンし、.env.example を .env にコピーして、ロック済みの依存関係をインストールしてください：

uv sync --frozen

.env の設定を使ってサーバーを実行してください：

uv run --frozen taranis-mcp-server

開発チェックを実行してください：

uv run --frozen pytest
uv run --frozen ruff check .