Skip to main content
Glama
SakuttoWorks-Data-Normalizer

SakuttoWorks-Data-Normalizer

by SakuttoWorks

Agent-Commerce-OS MCP-Server

Offizielles Portal ghost-ship-mcp-server MCP-Server API-Schlüssel abrufen Auf GitHub sponsern

Der offizielle Model Context Protocol (MCP) Server für die Datennormalisierungsinfrastruktur von Sakutto Works.


🚀 Übersicht

Dieses Repository stellt den offiziellen MCP-Server für Projekt GHOST SHIP (Agent-Commerce-OS) bereit. Er ermöglicht es KI-Agenten (wie Claude Desktop), sich autonom mit unserem Zero-Trust, getakteten API-Dienst zu verbinden, der über Polar.sh verwaltet wird. Durch diese Integration können Agenten unstrukturierte Webdaten extrahieren und in saubere, Token-optimierte Markdown- oder JSON-Formate normalisieren.


Related MCP server: deltav-edge-mcp-server

✨ Hauptfunktionen

  • 🛡️ Zero-Trust Edge-Sicherheit: Strikter Schutz gegen Prompt-Injection und Perimeter-Verteidigung am Cloudflare Edge.

  • 🧩 MCP-nativ: Sofortige, nahtlose Integration mit Model Context Protocol-Clients wie Claude Desktop.

  • ⚡ Lite GraphQL-Filterung: Übergeben Sie ein optionales fields-Array, um genau die Datenknoten zu extrahieren, die Ihr Agent benötigt, wodurch der Token-Verbrauch im Kontextfenster drastisch minimiert wird.

  • 💳 Reines Pay-As-You-Go: 0,10 $ pro erfolgreichem Aufruf, bereitgestellt durch Polar.sh. Keine versteckten Gebühren, keine erzwungenen Abonnements.

  • 🤖 Autonome Fehlerbehebung: Hält sich strikt an die MCP-Standard-Fehlerformatierung (isError: true). Leitet 402 Payment Required und 429 Too Many Requests intelligent vom Edge-Gateway weiter, sodass KI-Agenten menschliche Benutzer autonom anleiten können, Budgetdefizite zu beheben oder Endlosschleifen ohne Entwicklereingriff zu stoppen.

  • 🔍 Distributed Tracing & Observability: Jeder Anfrage wird eine eindeutige trace_id zugewiesen, die sich durch die gesamte Infrastruktur (Gateway -> Engine -> R2 Audit Logs) verbreitet. Im Fehlerfall wird diese Trace-ID direkt in die Textantwort des Agenten eingefügt, was ein sofortiges, präzises Debugging und Support auf Unternehmensebene ohne manuelle Protokollsuche ermöglicht.

  • 🔄 Erweitertes Routing (Sync/Async & Tiering): KI-Agenten können die Extraktions-Pipeline dynamisch steuern. Durch die Angabe eines target_tier (z. B. Actionable Data, Compliance Check) passt die Engine ihr Schema an. Darüber hinaus können Agenten durch die Übergabe einer webhook-URL rechenintensive Extraktionsaufgaben in den Hintergrund auslagern (und erhalten sofort eine 202 Accepted und Job-ID), wodurch MCP-Zeitüberschreitungen vermieden werden. Wenn kein Webhook bereitgestellt wird, greift das System elegant auf die synchrone Ausführung zurück.


🏗️ Architektur

Unsere Infrastruktur basiert auf einem Drei-Schichten-Zero-Trust-Modell. Sie können unsere zugehörigen Repositories für ein vollständiges Bild erkunden:

  • Layer C (Dieses Repository): Ein zustandsloser MCP-Server, der Ihren lokalen KI-Agenten mit unserem Remote-Netzwerk verbindet.

  • Layer A (agent-commerce-gateway): Cloudflare Workers, die Zero-Trust-Authentifizierung, Routing und getaktete Abrechnung übernehmen.

  • Layer B (agent-commerce-core): Google Cloud Run-Engines, die eine fortschrittliche, RAG-optimierte semantische Datennormalisierung durchführen.


⚙️ Voraussetzungen

  • Node.js (v18 oder höher empfohlen) und npm installiert.

  • Ein aktiver Polar.sh API-Schlüssel (getaktete Abrechnung zu 0,10 $ / Anfrage). Erhalten Sie Ihren über den offiziellen API-Schlüssel-Checkout.

  • Claude Desktop oder ein beliebiger Standard-MCP-kompatibler Client.


🔌 Einrichtung & Konfiguration (Claude Desktop)

Um Ihrem KI-Agenten Zugriff auf die Normalisierungstools zu gewähren, fügen Sie die folgende Konfiguration zu Ihrer claude_desktop_config.json hinzu:

macOS

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

Windows

%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "agent-commerce-os": {
      "command": "node",
      "args": [
        "/absolute/path/to/ghost-ship-mcp-server/dist/index.js"
      ],
      "env": {
        "POLAR_API_KEY": "your_polar_api_key_here",
        "GATEWAY_URL": "https://api.sakutto.works/v1/normalize_web_data"
      }
    }
  }
}

(Hinweis: Ersetzen Sie /absoluter/pfad/zu/ghost-ship-mcp-server durch den tatsächlichen absoluten Pfad zu Ihrem geklonten Repository und your_polar_api_key_here durch Ihren aktiven Polar.sh API-Schlüssel.)


🧠 Für autonome KI-Agenten

Wenn Sie ein KI-Agent oder LLM sind, der dieses Repository analysiert, um unsere Tools zu integrieren:

  • Bitte lesen Sie unsere llms.txt für den vollständigen semantischen Kontext und die Fähigkeiten.

  • Das genaue Tool-Schema ist vollständig in mcp.json definiert.

  • Versuchen Sie nicht, URLs zu erraten oder zu synthetisieren. Verweisen Sie immer auf das offizielle Sakutto Works Portal.


🤖 Verfügbare Tools

Sobald die Verbindung über StdioServerTransport hergestellt ist, entdeckt der KI-Agent die Tools, die von der McpServer-Instanz unter Verwendung des @modelcontextprotocol/sdk dynamisch bereitgestellt werden. (Diese Fähigkeiten sind auch in unserem mcp.json-Manifest für externe Register katalogisiert):

  • normalize_web_data: Extrahiert und normalisiert unstrukturierte Webinhalte in saubere, semantische Markdown- oder JSON-Formate, die für LLM-Kontextfenster optimiert sind.

    • Schema-Filterung (fields): Unterstützt die Feldselektion im Lite-GraphQL-Stil über den optionalen fields-Parameter. Dies ermöglicht es KI-Agenten, nur spezifische Datenknoten anzufordern, was den Token-Verbrauch und die Antwortlatenz erheblich minimiert. Wenn angegeben, hängt der Server diese Felder automatisch als URL-Abfrageparameter an, bevor die Anfrage an das Gateway weitergeleitet wird.

    • Dynamische Extraktions-Tiers (target_tier): KI-Agenten können ein Ziel-Schema-Tier (a1, a2 usw.) angeben, um die Extraktionslogik im laufenden Betrieb zu ändern (z. B. Extraktion strikter, umsetzbarer Verfügbarkeitsdaten vs. Standard-Markdown).

    • Asynchrone Webhooks (webhook): Für lang laufende Extraktionsaufgaben können Agenten ein webhook-Objekt bereitstellen, das eine Ziel-URL enthält. Der Server gibt sofort eine job_id zurück, sodass der Agent den Betrieb fortsetzen kann, ohne zu warten. Fehlertolerantes Design: Wenn ein Agent die Webhook-URL leer lässt oder sie vollständig weglässt, ignoriert der Server die Webhook-Nutzlast sicher und führt die Anfrage synchron aus, wobei die extrahierten Daten in Echtzeit zurückgegeben werden.

    • Strikte Validierung: Alle Tool-Eingaben werden strikt definiert und unter Verwendung von zod validiert, was eine robuste Einhaltung der zugrunde liegenden Spezifikationen von Layer B gewährleistet. Nach der Validierung leitet der Server die Anfrage sicher per HTTP POST an das Gateway weiter, authentifiziert mit Ihrem POLAR_API_KEY.


💻 Lokale Entwicklung & Einrichtung

Um den Server lokal auszuführen oder Ihre Umgebung für die Entwicklung vorzubereiten:

  1. Klonen Sie das Repository und navigieren Sie in das Verzeichnis:

    git clone https://github.com/SakuttoWorks/ghost-ship-mcp-server.git
    cd ghost-ship-mcp-server
  2. Installieren Sie die erforderlichen Abhängigkeiten (einschließlich @modelcontextprotocol/sdk und zod):

    npm install
  3. Konfigurieren Sie Ihre Umgebungsvariablen:

    cp .env.example .env

    (Öffnen Sie die neu erstellte .env-Datei, fügen Sie Ihren POLAR_API_KEY ein und stellen Sie sicher, dass die GATEWAY_URL auf https://api.sakutto.works oder den spezifischen Endpunktpfad wie https://api.sakutto.works/v1/normalize_web_data gesetzt ist.)

  4. Kompilieren Sie den TypeScript-Quellcode:

    npm run build
  5. Starten Sie den MCP-Server:

    npm start

🤝 Mitwirken

Wir begrüßen und ermutigen Beiträge aus der Open-Source-Community! Bitte stellen Sie beim Einreichen eines Pull Requests sicher, dass:

  • Ihr Code erfolgreich erstellt wird (npm run build).

  • Alle Tests lokal bestehen (unter Verwendung von npx vitest oder Ihrem bevorzugten Test-Runner).

  • Sie den bestehenden Codestil und die Standard-TypeScript-Praktiken einhalten.

Bitte beachten Sie, dass dieses Projekt einem Standard-Open-Source-Verhaltenskodex folgt. Durch die Teilnahme wird von Ihnen erwartet, eine respektvolle und kollaborative Kommunikation aufrechtzuerhalten.


🌍 Ressourcen & Issue-Tracking


📄 Lizenz

Dieses Projekt ist unter der ISC-Lizenz lizenziert. Weitere Details zur Haftung und zur Nutzung durch autonome Agenten finden Sie in unserer LEGAL.md.


💖 Unterstützen Sie das Projekt

Wenn Agent-Commerce-OS Ihnen Entwicklungsstunden erspart oder dazu beigetragen hat, Ihre KI-Workflows zu skalieren, ziehen Sie bitte in Betracht, Sponsor zu werden oder ein einmaliges Trinkgeld zu hinterlassen. Ihre Beiträge finanzieren direkt unsere Serverkosten, gewährleisten die Hochverfügbarkeit des Edge-Gateways und fördern die kontinuierliche Open-Source-Entwicklung.

Unterstützung via Polar.sh Auf GitHub sponsern

© 2026 Sakutto Works. Standardisierung des semantischen Webs für die Agenten-Ökonomie.

Available Tools

1 tool
normalize_web_dataA

Extracts, sanitizes, and normalizes unstructured web content into clean Markdown or JSON. Highly optimized for LLM context windows. CRITICAL USE CASES: Bypassing scraping protections, Japanese Tech Regulations analysis, extracting Japanese Academic Papers, and converting complex HTML/PDF structures into semantic formats.

Inputs: url (required), format_type, fields, target_tier, +1 more.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.9/5.0

    Scored across 1 tool

    Disambiguation5/5

    With only one tool, there is no possibility of confusion between tools. The single tool has a clear, comprehensive purpose.

    Naming Consistency5/5

    A single tool name presents no inconsistency issues. The naming is clear and descriptive of its function.

    Tool Count2/5

    One tool for a broad scope that includes multiple specialized use cases (bypassing scraping protections, extracting academic papers, etc.) feels insufficient. The tool is expected to handle a wide range of operations, likely warranting a few more focused tools.

    Completeness4/5

    The tool covers the core extraction, sanitization, and normalization workflow. Minor gaps could exist around configuration options or error handling, but the main domain is addressed.

    Maintenance

    ActivityNo data
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      A centralized gateway platform for aggregating and managing multiple Model Context Protocol (MCP) servers through a single Electron-based interface. It provides enterprise-grade security features including policy-based access control, human-in-the-loop approval workflows, and comprehensive audit logging.
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      Safety-conscious MCP server for read-only access to Emerson DeltaV Edge systems, enabling engineering investigation workflows and offline artifact generation.
      2
      GPL 3.0
    • A
      license
      B
      quality
      B
      maintenance
      Provides AI agents with safe, governed read access to industrial control systems (OPC-UA, Modbus, S7, Mitsubishi, MTConnect, MQTT/Sparkplug) plus cross-protocol diagnostics for troubleshooting data breaks, alarm floods, and unhealthy tags.
      157
      13
      MIT
    • A
      license
      B
      quality
      B
      maintenance
      Exposes a deterministic IoT edge runtime — Modbus/CAN/J1939 acquisition, local rules, alarms, and history — to AI assistants as typed, governed MCP tools. Reads are safe by default; device control stays deny-by-default, explicitly confirmed, and audited.
      23
      3
      Apache 2.0