MCPのためのNLP — 重い依存関係はゼロ。 Blackmountによって構築されました。
FastMCPサーバーとして動作する45種類のテキスト分析ツールです。NLTKもspaCyもtransformersも不要。依存関係は1つ（mcp[cli]）のみ、50KB未満のNLPコードで、数秒で準備が整います。Python 3.10以上が必要です。
blackmount-nlp-mcp | NLTK | spaCy | transformers | |
Wheelサイズ | 42 KB | 1.5 MB | 6 MB+ (+モデル) | 10 MB+ (+モデル) |
直接の依存関係 | 1 | 多数 | 多数 | 多数 |
トークン化 | ✅ | ✅ | ✅ | ✅ |
感情分析 | ✅ | ✅ | ❌ | ✅ |
可読性スコア | ✅ | ❌ | ❌ | ❌ |
キーワード抽出 | ✅ | ✅ | ❌ | ❌ |
テキスト類似度 | ✅ | ✅ | ✅ | ✅ |
言語検出 | ✅ (18言語) | ❌ | ❌ | ❌ |
すべてが純粋なPythonでゼロから実装されています。Porterステマー、TF-IDF、RAKE、レーベンシュタイン距離、VADERスタイルの感情分析、Flesch / Gunning Fog / Coleman-Liau / ARI / SMOG可読性スコア、抽出型要約、言語検出に加え、2000語以上の感情語彙と500以上のストップワードリストがパッケージに組み込まれています。
Related MCP server: LODA MCP Server
pip install blackmount-nlp-mcp設定ファイルに追加してください：
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json
{
"mcpServers": {
"nlp": {
"command": "blackmount-nlp-mcp"
}
}
}プロジェクトルートの .cursor/mcp.json に追加してください：
{
"mcpServers": {
"nlp": {
"command": "blackmount-nlp-mcp"
}
}
}サーバーはstdio経由で実行されます。クライアントで blackmount-nlp-mcp コマンドを指定してください：
blackmount-nlp-mcpエディタを再起動してください。45種類のNLPツールがすべて利用可能になります。自然言語で指示するだけです。
ツール | 説明 | 質問例 |
| テキストを単語に分割（短縮形や句読点も処理） | "この段落を単語にトークン化して" |
| 文に分割（一般的な略語も処理） | "このテキストを個別の文に分割して" |
| トークンリストから単語レベルのn-gramを生成 | "これらのトークンからバイグラムを生成して" |
| 文字レベルのn-gramを生成 | "この単語の文字トリグラムを取得して" |
すべての可読性関数は、入力が空または空白のみの場合 0.0 を返します。
ツール | 説明 | 質問例 |
| 0–100の読みやすさスコア（高いほど読みやすい） | "Flesch Reading Easeスコアを計算して" |
| 米国の学年レベルの推定 | "これはどの学年レベルで書かれていますか？" |
| 複雑な単語の比率に基づくFog指数 | "このテキストのFog指数を計算して" |
| Coleman-Liau学年レベル指数 | "Coleman-Liauスコアを取得して" |
| ARI学年レベル指数 | "このドキュメントのARIは？" |
| SMOG学年（医療テキストに推奨） | "このドキュメントのSMOG学年を計算して" |
| 単語の音節数の推定 | "'extraordinary'には何音節ありますか？" |
| すべての可読性スコアと平易な英語ラベルを一度に取得 | "このテキストの完全な可読性レポートを教えて" |
ツール | 説明 | 質問例 |
| -1.0から+1.0までの複合感情スコア | "このカスタマーレビューの感情スコアは？" |
|
| "このフィードバックはポジティブですか、ネガティブですか？" |
| 文ごとの感情分析 | "各文の感情を表示して" |
| 特定のトピックに絞った感情分析 | "これらのレビューにおける'価格'に関する感情は？" |
ツール | 説明 | 質問例 |
| コーパス全体でのTF-IDFキーワードランキング | "これらのドキュメント全体の主要な用語は何ですか？" |
| RAKEアルゴリズムによるフレーズレベルのキーワード抽出 | "この記事から主要なフレーズを抽出して" |
| ストップワードを除いた頻出単語トップ | "このテキストで最も一般的な単語は何ですか？" |
| 頻出n-gramフレーズトップ | "最も頻繁に出現する2単語のフレーズは何ですか？" |
ツール | 説明 | 質問例 |
| 単語セットの重複度（0–1） | "これら2つの段落はどれくらい似ていますか？" |
| Bag-of-wordsのコサイン類似度（0–1） | "これらのテキスト間のコサイン類似度を計算して" |
| レーベンシュタイン編集距離 | "'kitten'を'sitting'にするには何回の編集が必要ですか？" |
| 0–1に正規化された編集距離 | "これら2つの文字列はどれくらい違いますか？" |
| 2つの文字列間のLCS長 | "これら2つの文字列のLCS長は？" |
ツール | 説明 | 質問例 |
| 500以上の英語ストップワードを除去 | "このテキストからストップワードを除去して" |
| すべての句読点を除去 | "句読点を取り除いて" |
| 数値トークンを除去 | "これに含まれるすべての数字を削除して" |
| URLを除去 | "URLを削除して" |
| メールアドレスを除去 | "このテキストからメールアドレスを削除して" |
| HTMLタグを除去 | "このコンテンツからHTMLを取り除いて" |
| 空白を折りたたんでトリミング | "空白を正規化して" |
| テキストを小文字に変換 | "これを小文字に変換して" |
| Porterステマー（純粋なPython、NLTK不要） | "'running'という単語をステミングして" |
| 設定可能な多段階クリーニングを一度に実行 | "このテキストをクリーニングして：HTML、URL、ストップワードを削除" |
ツール | 説明 | 質問例 |
| 18のサポート言語から言語を特定 | "このテキストは何語で書かれていますか？" |
| スクリプトを検出：ASCII、Latin、Cyrillic、CJK、Arabic | "このテキストはどのスクリプトを使用していますか？" |
| 英語である信頼度スコア（0–1） | "このテキストは英語ですか？" |
| 単語数 | "これには何単語ありますか？" |
| 文数 | "文の数を数えて" |
| 段落数 | "段落はいくつありますか？" |
| 文字単位の平均単語長 | "平均単語長はどれくらいですか？" |
| 単語単位の平均文長 | "平均して文の長さはどれくらいですか？" |
ツール | 説明 | 質問例 |
| ドキュメントからスコアの高いN文を選択 | "この記事を3文で要約して" |
| ドキュメントの完全な統計：単語数、可読性、言語、読書時間 | "このテキストの統計プロファイルを教えて" |
サブモジュールは直接インポート可能です。MCPサーバーは不要です：
from blackmount_nlp_mcp.sentiment import sentiment_score, sentiment_label
from blackmount_nlp_mcp.readability import reading_level
from blackmount_nlp_mcp.keywords import rake_keywords
text = "This product is absolutely amazing! The quality is excellent."
print(sentiment_score(text))
# 0.9285
print(sentiment_label(text))
# 'positive'
print(reading_level(text))
# {'grade_level': 12.39, 'label': 'college',
# 'flesch_reading_ease': 14.27, 'flesch_kincaid_grade': 12.39,
# 'gunning_fog': 19.58, 'coleman_liau': 10.94,
# 'automated_readability': 7.51, 'smog_grade': 11.21}
print(rake_keywords(text))
# [{'phrase': 'absolutely amazing', 'score': 4.0},
# {'phrase': 'product', 'score': 1.0},
# {'phrase': 'quality', 'score': 1.0},
# {'phrase': 'excellent', 'score': 1.0}]git clone https://github.com/BlackMount-ai/blackmount-nlp-mcp
cd blackmount-nlp-mcp
pip install -e .
pytest tests/ -vblackmount-nlp-mcpは、AIを活用する人々のためのツールを提供するBlackmountによって構築されました。
blackmount-mcp — ブラウザのメモリ、AIチャット検索、セッション分析を行うMCPサーバーです。blackmount-nlp-mcpと組み合わせて、保存された会話を分析できます。チャット履歴からのキーワード抽出、AI応答の可読性スコア付け、セッション全体にわたる感情トレンドの検出などが可能です。
app.blackmount.ai — Blackmountのフルプラットフォーム。AIツールが生成するすべてのものを検索、整理、分析します。
MIT
Deterministic AI agent microtools, no accounts/API keys. fetch_extract: 98% token cut. 38 tools.
16 AI-native tools with dual SSE + streamable-http transport. Free tier available.
Honest library picks for coding agents in 25-360 tokens. Tells your agent what NOT to install.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/BlackMount-ai/blackmount-nlp-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server