MCPアドバイザー
導入
MCPアドバイザーは、AIアシスタントが自然言語クエリを使用してモデルコンテキストプロトコル（MCP）サーバーを探索するのに役立つ検出および推奨サービスです。これにより、ユーザーは特定のタスクに適したMCPツールをより簡単に見つけ、活用できるようになります。
Related MCP server: MCPfinder Server
特徴
自然言語検索: 会話クエリを使用して MCP サービスを検索する
豊富なメタデータ:各サービスに関する詳細な情報を取得
リアルタイム更新：常に最新のMCPサービスと同期
簡単な統合:MCP対応のAIアシスタントを簡単に設定可能
ハイブリッド検索エンジン:ベクター検索とテキストマッチングを組み合わせた高度な検索機能
マルチプロバイダサポート: 複数の検索プロバイダの並列実行をサポート
ドキュメントナビゲーション
インストールガイド- 詳細なインストールおよび設定手順
ユーザーガイド- MCPアドバイザーの使い方
アーキテクチャドキュメント- システムアーキテクチャの詳細
技術詳細- 高度な技術機能
開発者ガイド- 開発環境のセットアップとコードの貢献
ベストプラクティス- 貢献者のためのコーディング標準とベストプラクティス
トラブルシューティング- よくある問題と解決策
検索プロバイダー- 検索プロバイダーの詳細
APIリファレンス- APIドキュメント
ロードマップ- 今後の開発計画
貢献ガイドライン- コードの貢献方法
クイックスタート
インストール
最も速い方法は、MCP 構成を通じて MCP Advisor を統合することです。
{
"mcpServers": {
"mcpadvisor": {
"command": "npx",
"args": ["-y", "@xiaohui-wang/mcpadvisor"]
}
}
}この構成を AI アシスタントの MCP 設定ファイルに追加します。
MacOS/Linux:
~/Library/Application Support/Claude/claude_desktop_config.jsonWindows:
%AppData%\Claude\claude_desktop_config.json
詳細なインストール方法については、インストール ガイドを参照してください。
デモ
開発者ガイド
アーキテクチャの概要
MCP Advisor は、明確な関心の分離と関数型プログラミングの原則を備えたモジュール型アーキテクチャを採用しています。
graph TD
Client["Client Application"] --> |"MCP Protocol"| Transport["Transport Layer"]
subgraph "MCP Advisor Server"
Transport --> |"Request"| SearchService["Search Service"]
SearchService --> |"Query"| Providers["Search Providers"]
subgraph "Search Providers"
Providers --> MeilisearchProvider["Meilisearch Provider"]
Providers --> GetMcpProvider["GetMCP Provider"]
Providers --> CompassProvider["Compass Provider"]
Providers --> OfflineProvider["Offline Provider"]
end
OfflineProvider --> |"Hybrid Search"| HybridSearch["Hybrid Search Engine"]
HybridSearch --> TextMatching["Text Matching"]
HybridSearch --> VectorSearch["Vector Search"]
SearchService --> |"Merge & Filter"| ResultProcessor["Result Processor"]
SearchService --> Logger["Logging System"]
endコアコンポーネント
検索サービス層
統合検索インターフェースとプロバイダー集約
複数の検索プロバイダの並列実行をサポート
設定可能な検索オプション（制限、最小類似度）
検索プロバイダー
Meilisearch プロバイダ: Meilisearch を使用したベクター検索
GetMCP プロバイダー: GetMCP レジストリからの API 検索
Compass プロバイダー: Compass レジストリからの API 検索
オフラインプロバイダー：テキストとベクターを組み合わせたハイブリッド検索
ハイブリッド検索戦略
テキストマッチングとベクトル検索のインテリジェントな組み合わせ
設定可能な重量バランス
スマートな適応フィルタリングメカニズム
トランスポート層
Stdio (CLI のデフォルト)
SSE（Web統合）
REST APIエンドポイント
より詳細なアーキテクチャドキュメントについては、 ARCHITECTURE.md を参照してください。
技術的なハイライト
高度な検索テクニック
ベクトル正規化
すべてのベクトルは単位長さ（大きさ = 1）に正規化されます。
一貫したコサイン類似度計算を保証する
大きさではなく方向に焦点を当てることで検索精度が向上します
並列検索実行
ベクトル検索とテキスト検索は並行して実行される
最適なパフォーマンスのために Promise.all を活用
どちらかの検索が失敗した場合にフォールバックメカニズムが有効になります
重み付け結果のマージ
ベクターとテキスト結果間の重みを設定可能
デフォルト: ベクトル類似度 (70%)、テキスト一致 (30%)
エラー処理およびログシステム
MCP Advisor は、堅牢なエラー処理およびログ記録システムを実装します。
コンテキストエラーの書式設定
標準化誤差オブジェクトエンリッチメント
スタックトレースの保存とフォーマット
エラーの種類の分類と標準化
優雅な劣化
マルチプロバイダーフォールバック戦略
部分的な結果処理
重大な障害に対するデフォルトの応答
技術的な詳細については、 TECHNICAL_DETAILS.md を参照してください。
開発者クイックスタート
開発環境のセットアップ
リポジトリをクローンする
依存関係をインストールします:
npm install環境変数を設定します（ INSTALLATION.mdを参照）
図書館の利用
import { SearchService } from '@xiaohui-wang/mcpadvisor';
// Initialize search service
const searchService = new SearchService();
// Search for MCP servers
const results = await searchService.search('vector database integration');
console.log(results);交通手段
MCP アドバイザーは複数のトランスポート方法をサポートしています。
Stdioトランスポート（デフォルト） - コマンドラインツールに適しています
SSEトランスポート- Web統合に適しています
RESTトランスポート- REST APIエンドポイントを提供します
開発の詳細については、 DEVELOPER_GUIDE.md を参照してください。
寄稿ガイドライン
コミット メッセージの規則に従ってください。
小文字を使用します (feat、fix、docs など)
説明的なメッセージを文章形式で書く
コードの品質を確保する:
テストを実行:
npm test型をチェックする:
npm run type-checkリントコード:
npm run lint
詳細な貢献ガイドラインについては、 CONTRIBUTING.md を参照してください。
使用例
クエリの例
MCP Advisor で使用できるクエリの例を次に示します。
"Find MCP servers for natural language processing"
"MCP servers for financial data analysis"
"E-commerce recommendation engine MCP servers"
"MCP servers with image recognition capabilities"
"Weather data processing MCP servers"
"Document summarization MCP servers"回答例
[
{
"title": "NLP Toolkit",
"description": "Comprehensive natural language processing toolkit with sentiment analysis, entity recognition, and text summarization capabilities.",
"github_url": "https://github.com/example/nlp-toolkit",
"similarity": 0.92
},
{
"title": "Text Processor",
"description": "Efficient text processing MCP server with multi-language support.",
"github_url": "https://github.com/example/text-processor",
"similarity": 0.85
}
]その他の例については、 EXAMPLES.md を参照してください。
トラブルシューティング
よくある問題
接続拒否
指定されたポートでサーバーが実行中であることを確認する
ファイアウォールの設定を確認する
結果が返されませんでした
より一般的なクエリを試してください
レジストリ API へのネットワーク接続を確認する
パフォーマンスの問題
より具体的な検索語句を追加することを検討してください
サーバーのリソース（CPU/メモリ）を確認する
トラブルシューティングの詳細については、 TROUBLESHOOTING.md を参照してください。
検索プロバイダー
MCP アドバイザーは、同時に使用できる複数の検索プロバイダーをサポートしています。
Compass Search Provider : Compass API を使用して MCP サーバー情報を取得します。
GetMCP 検索プロバイダ: GetMCP API とベクトル検索を使用してセマンティックマッチングを行います。
Meilisearch 検索プロバイダ:高速でフォールトトレラントなテキスト検索に Meilisearch を使用
検索プロバイダーの詳細については、 SEARCH_PROVIDERS.md を参照してください。
APIドキュメント
詳細な API ドキュメントについては、 API_REFERENCE.md を参照してください。
ロードマップ
MCPアドバイザーは、単純な推奨システムから、インテリジェントなエージェントオーケストレーションプラットフォームへと進化しています。私たちのビジョンは、適切なMCPサーバーを推奨するだけでなく、インタラクションから学習し、エージェントが複雑なタスクを動的に計画・実行できるよう支援するシステムを構築することです。
gantt
title MCP Advisor Evolution Roadmap
dateFormat YYYY-MM-DD
axisFormat %Y-%m
section Foundation
Enhanced Search & Recommendation ✓ :done, 2025-01-01, 90d
Hybrid Search Engine ✓ :done, 2025-01-01, 90d
Provider Priority System ✓ :done, 2025-04-01, 60d
section Intelligence Layer
Feedback Collection System :active, 2025-04-01, 90d
Agent Interaction Analytics :2025-07-01, 120d
Usage Pattern Recognition :2025-07-01, 90d
section Learning Systems
Reinforcement Learning Framework :2025-10-01, 180d
Contextual Bandit Implementation :2025-10-01, 120d
Multi-Agent Reward Modeling :2026-01-01, 90d
section Advanced Features
Task Decomposition Engine :2026-01-01, 120d
Dynamic Planning System :2026-04-01, 150d
Adaptive MCP Orchestration :2026-04-01, 120d
section Ecosystem
Developer SDK & API :2026-07-01, 90d
Custom MCP Training Tools :2026-07-01, 120d
Enterprise Integration Framework :2026-10-01, 150d主要な開発フェーズ
推奨機能の最適化（2025年第2四半期～第3四半期）
ユーザーからのフィードバックを受け入れる
推奨効果を改善する
より多くの指標を導入する
詳細なロードマップについては、 ROADMAP.md を参照してください。
テスト
テストにはインスペクターを使用します。
npx @modelcontextprotocol/inspectorライセンス
このプロジェクトは MIT ライセンスに基づいてライセンスされています - 詳細についてはLICENSEファイルを参照してください。