MCP アークナレッジ

Name: MCP-ArcKnowledge
Author: dragonjump

アークナレッジMCP

どのように機能しますか?

アーク知識図

これは、カスタム Webhook エンドポイント (ナレッジベース) 用のモデルコンテキストプロトコル (MCP) サーバーです。

これにより、ナレッジベース（Webhookエンドポイント）のリストを簡単に管理およびクエリできます。URLを登録することで新しいドキュメントソースを追加でき、必要に応じて説明とAPIキーも提供できます。

登録されているすべてのドキュメントソースを一覧表示し、その詳細を表示することもできます。

質問/検索の準備ができたら、テキストの質問でナレッジベースを照会し、検索するソースを指定するか、空白のままにしてすべてを検索することができます。

その後、ツールはクエリされたソースからの結果を集約し、それを提供します。

前提条件

行く
Python 3.6以上
Anthropic Claude デスクトップアプリ (または Cursor または Cline)
UV (Python パッケージマネージャー)、 curl -LsSf https://astral.sh/uv/install.sh | sh

Related MCP server: PDF RAG MCP Server

コンセプト

複数の MCP サーバーが不要になり、すべてのカスタムナレッジベースエンドポイント Webhook を 1 つの構成で接続できる 1 つの統合セットアップをブリッジできると想像してみてください。

デモ

arcknowledge デモカーソル arcknowledge デモクライン

MCPカーソルのビデオを見る

セットアップインストール

1.リポジトリのクローン

git clone https://github.com/dragonjump/mcp-arcknowledge cd mcp-arcknowledge

エンドポイントを設定するknowledge_document_sources.jsonをコピーまたは変更してください。現在サポートされているナレッジエンドポイントAPIスキーマについては、 sample_endpointフォルダを参照してください。必要に応じてコードを変更できます。
MCPサーバーに接続する
適切な {{PATH}} 値を含む以下の json をコピーします。
{ "mcpServers": { "mcp-arcknowledge": { "command": "cmd /c uv", "args": [ "--directory", "C:/Users/Acer/OneDrive/GitHub/YourDrive", "run", "main.py" ], "env": { "DOCUMENT_SOURCES_PATH": "C:/Users/Acer/OneDrive/GitHub/YourDrive/testcustomother.json" } } } }

Claudeの場合、これをclaude_desktop_config.jsonとして次の Claude Desktop 構成ディレクトリに保存します。

~/Library/Application Support/Claude/claude_desktop_config.json

Cursorの場合、次の Cursor 構成ディレクトリにmcp.jsonとして保存します。

~/.cursor/mcp.json

clineの場合、これを設定にcline_mcp_settings.jsonとして保存します。

クライアントを再起動: Claude Desktop / Cursor / Cline / Windsurf mcp のクライアント IDE を開いて再起動します。例: Claude/Cursor/Cline/etc

Windowsとの互換性

このプロジェクトをWindowsで実行する場合、 go-sqlite3コンパイルして正常に動作させるにはCGOが有効になっている必要があることに注意してください。WindowsではCGOはデフォルトで無効になっているため、明示的に有効にしてCコンパイラをインストールする必要があります。

動作させるための手順:

Cコンパイラをインストールする
Windows用のCコンパイラをインストールするには、 MSYS2の使用をお勧めします。MSYS2をインストールしたら、 ucrt64\binフォルダをPATHに追加してください。
→ ステップバイステップガイドは、こちらからご覧いただけます。

アーキテクチャの概要

このアプリケーションは、次のシンプルなメインコンポーネントで構成されています。

Python MCP サーバー( main.py ): モデルコンテキストプロトコル (MCP) を実装する Python サーバー。データと対話し、API 呼び出しを呼び出すための標準化されたツールクライアントを提供します。

データストレージ

すべてのストレージは、ランタイムローカルメイン Python サーバーです。

技術的な詳細

クライアントはPython MCPサーバーにリクエストを送信します
MCP サーバーはランタイム構成ナレッジベースを検索します。
次に、クエリに基づいてナレッジベースのエンドポイントAPIを呼び出します。

トラブルシューティング

uv の実行時に権限の問題が発生した場合は、PATH に追加するか、実行可能ファイルへのフルパスを使用する必要がある場合があります。
統合が適切に機能するには、Go アプリケーションと Python サーバーの両方が実行されていることを確認してください。

サーバーの起動

設定開発モードでサーバーを実行します。

fastmcp dev main.py

または、Claude で使用するためにインストールします。

fastmcp install main.py

利用可能なツール

1. デフォルトでは knowledge_document_sources.json から知識リストを読み込みます。

デフォルトでは設定から知識ソースを読み込みます

knowledge_document_sources.json

mcp.json 環境設定からカスタム知識をロードできます

"env": { "DOCUMENT_SOURCES_PATH": "C:/Users/Acer/OneDrive/Somewhere/YourDrive/your-custom.json" }

2. 現在登録されているすべての知識源を一覧表示する

登録されているすべてのナレッジソースのリストを表示して説明します。

eg. Show me my arcknowledge list

3. 新しいナレッジドキュメントソースを追加する

新しいarcknowledgeエンドポイントURLドキュメントソースを追加します。URL、説明、目的、APIキー（ある場合）を入力してください。

eg. Add new arcknowledge data source. Endpoint is http://something.com/api/123. Purpose is to handle questions on 123 topic. Api key is 'sk-2123123'

4. 特定のナレッジドキュメントソースのクエリ

query_knowledge_base を使用して、これらのソースから構築された arcknowledge base をクエリします。

eg. Query for me my knowledge base for product. Question is : Which is most expensive product? eg. Query for me my arcknowledge base for business. Question is :When is the business established? eg. Query for me all my arcknowledge base . Question is :When is the business established? Which is most expensive product?

ツール機能

add_new_knowledge_document_source(url: str, description:str = None, apikey:str = None) -> str
- オプションで説明と API キーを指定して、新しいドキュメントソース URL を登録します。
- 戻り値: 新しいソース ID を含む確認メッセージ。
list_knowledge_document_sources() -> Dict[str, Dict[str, str]]
- 登録されているすべてのドキュメントソースを一覧表示します。
- 戻り値: ソース ID とその詳細 (URL、説明、API キー) をマッピングする辞書。
query_knowledge_base(query: str, source_ids: List[str] = [], image: str = '') -> str
- テキストクエリとオプションのイメージデータを使用して、指定されたドキュメントソース (指定されていない場合はすべて) をクエリします。
- 戻り値: クエリされたソースからの集計された結果。

発達

重要なファイルプロジェクト構造

mcp-arcknowledge/ ├── main.py # Main server implementation ├── README.md # Documentation ├── requirements.txt # Project dependencies

カーソルAI MCP構成

プロジェクトルートにmcp.jsonファイルを作成します。

{ "name": "mcp-webhook-ai-agent", "version": "1.0.0", "description": "Webhook AI agent with RAG capabilities", "main": "main.py", "tools": [ { "name": "set_document_source", "description": "Register a new document source URL for RAG operations" }, { "name": "list_document_sources", "description": "List all registered document sources" }, { "name": "query_rag", "description": "Query the specified document sources using RAG" }, { "name": "process_post_query", "description": "Process a POST request with a query payload" } ], "dependencies": { "fastmcp": ">=0.4.0", "requests": ">=2.31.0", "pydantic": ">=2.0.0" } }

カーソル AI を設定します。
- カーソルAI設定を開く
- MCPセクションに移動する
- mcp.jsonファイルにパスを追加します
- 変更を適用するには、Cursor AI を再起動してください。
構成を確認します。

# Check if MCP is properly configured fastmcp check mcp.json # List available tools fastmcp list

新機能の追加

main.pyで新しいモデルを定義する
@mcp.tool()デコレータを使用して新しいツールを追加する
必要に応じてドキュメントを更新する

ライセンス

マサチューセッツ工科大学

貢献

リポジトリをフォークする
機能ブランチを作成する
変更をコミットする
ブランチにプッシュする
新しいプルリクエストを作成する

MCP-ArcKnowledge