Amazon India Product Research MCP

Amazon India の初心者セラー向けに、Claude Desktop をプロダクトリサーチアシスタントに変える MCP (Model Context Protocol) サーバーです。製品機会のスコアリング、需要の推定、競合の分析、Amazon India における実際の利益率の計算、仕入れの計画、顧客の不満の分析、キーワードリサーチ、完全なリスティングのドラフト作成を行います。

stdio 上で動作するため、Claude Desktop にそのまま接続できます。

はじめての方? セットアップ & 実行ガイド から始めてください — インストール、動作確認、Claude Desktop の設定をステップバイステップで解説し、トラブルシューティングのセクションも用意しています。ライブデータについては ライブデータ & スクレイピングガイド を参照してください。

24 個のツール。API キーは一切不要 — オフラインのデモモードか、無料ソース (Google Trends、DuckDuckGo、公開されている amazon.in のページ) からの実際のライブデータで動作します。

プロジェクト概要

このサーバーは、次の 1 つのセラー像を中心に構築されています:

すべてのツールは、これらの基準に照らして製品をスコアリングし、新規セラーを失敗に追いやる要素 (ブランド品、偽物リスク、壊れやすい商品、バッテリー、複雑な電子機器、生鮮食品、季節商品、アパレルのサイズ展開、重量のある商品、強力なブランドが支配するカテゴリ) にペナルティを課します。

データの整合性を最優先

このプロジェクトは、マーケットプレイスの事実を捏造しません。意味のある出力にはすべて source、data_type、confidence、last_updated が付与され、data_type は Live、Verified、Estimated、Historical、Demo のいずれかです。

• デモデータは常に Demo とラベル付けされ、実際の Amazon データとして提示されることはありません。

• 需要と月間売上は モデル化された推定値 であり、測定された Amazon の売上ではありません。

• Amazon の手数料は設定可能なスケジュールに基づきます。同梱のスケジュールは Estimated とラベル付けされています。

• 仕入先が捏造されることはありません。 仕入先 API がない場合、search_suppliers は空の仕入先リストと、ご自身で検証できる実際に公開されている仕入れチャネルを返します。

• いかなるツールも、利益や売上の保証を主張することはありません。

機能

• 20 個の MCP ツール。発見、需要、競合、資金、リスティング、仕入れ、ライブデータまで、セラーのワークフロー全体をカバー

• API キー不要の無料ライブデータ: Google Trends の検索関心度、DuckDuckGo のウェブ検索、および「過去 1 か月に購入」バッジを含む公開 amazon.in のページ

• BSR カーブまたは Amazon 自身の購入バッジに基づく 売上と販売数の推定。常に範囲と算出方法が明記されます

• 新規セラーの検出: どの競合がレビュー数の少ないセラーか、そのうちどのセラーがすでに月 300 個以上を売り上げているか — 参入可能なページを示す最も強いシグナルです

• 最大 5 年間の実際の検索関心度に基づく エバーグリーンスコアリング。季節性のある売れ残り在庫を回避できます

• Amazon Ads のプランニング: 損益分岐 ACOS、マッチタイプ別の入札ラダー、キーワードのマッチタイプ割り当て、キャンペーン構成、否定キーワード — すべて一般的なアドバイスではなく、ご自身のユニットエコノミクスから導き出されます

• 0〜100 の重み付き機会スコアリングに加え、最大 15 件のアイデアを一度にバッチスクリーニング

• Amazon India の手数料計算: 紹介料、成約料、FBA / Easy Ship / Self Ship、手数料への GST、返品準備金、損益分岐点、推奨価格

• ローンチプランニング: 発注数量、予算配分、広告予算、再発注点、回収期間

• レビュー不満のクラスタリングと、サプライヤーレベルでの具体的な改善策

• キーワードリサーチ、リスティングドラフト、7 枠の画像プラン

• コンプライアンス優先のスクレイピング: robots.txt、許可リスト、クロール遅延、ページ予算、ボットチャレンジでの強制停止 — ボット対策の回避は行いません

• SQLite または PostgreSQL に保存されるリサーチ履歴

• 完全なデモモード: すべてがオフラインで決定的に動作

アーキテクチャ

amazon-india-seller-mcp/
│
├── amazon_india_seller_mcp/      # the installable package
│   ├── __init__.py
│   ├── __main__.py               # python -m amazon_india_seller_mcp
│   └── server.py                 # MCP entry point (stdio transport) - wiring only
│
├── server.py                     # compatibility shim: python server.py still works
│
├── amazon_india_seller_mcp/tools/                        # MCP tool definitions - thin: validate, call service, shape result
│   ├── __init__.py               # ServiceBundle + error-handling decorator
│   ├── product_research.py       # research_product
│   ├── demand_analysis.py        # analyze_product_demand
│   ├── competition.py            # analyze_competition
│   ├── profit_calculator.py      # calculate_profitability
│   ├── supplier_search.py        # search_suppliers
│   ├── review_analysis.py        # analyze_reviews
│   ├── keyword_research.py       # research_keywords
│   ├── listing_generator.py      # generate_listing
│   ├── revenue_calculator.py     # calculate_revenue
│   ├── competitor_analysis.py    # analyze_competitors
│   ├── purchase_signals.py       # analyze_purchase_signals
│   ├── review_metrics.py         # analyze_review_metrics
│   ├── evergreen_analysis.py     # analyze_evergreen
│   ├── product_images.py         # analyze_product_images
│   ├── opportunity_finder.py     # find_product_opportunities
│   ├── launch_planner.py         # plan_product_launch
│   ├── ppc_keywords.py           # suggest_ppc_keywords
│   ├── ppc_bidding.py            # calculate_ppc_bids / plan_ppc_campaign
│   ├── web_search.py             # search_web
│   ├── amazon_scraper.py         # scrape_amazon_search / scrape_amazon_product / scraper_status
│   └── listing_scraper.py        # scrape_listing_details
│
├── amazon_india_seller_mcp/services/                     # All business logic
│   ├── __init__.py               # Data envelopes, errors, cache, opportunity scoring
│   ├── amazon_service.py         # Provider abstraction (demo / scraper / API), snapshots, risk, reviews, listings
│   ├── trends_service.py         # Demand, trend direction, seasonality, keywords, live Google Trends
│   ├── supplier_service.py       # Sourcing research (never fabricates suppliers)
│   ├── pricing_service.py        # Fees, profit, margin, ROI, break-even, recommended price
│   ├── revenue_service.py        # Units from BSR/badges, revenue, competitor stage, evergreen scoring
│   ├── search_service.py         # Web search (DuckDuckGo free, Brave/Serper/Tavily/Google CSE)
│   ├── browser_service.py        # Guardrailed fetching: allowlist, robots.txt, delay, budget, block detection
│   ├── scraper_service.py        # Amazon India page parsing (search, product, listing detail, reviews, bestsellers)
│   ├── ads_service.py            # Sponsored Products bid maths, keyword match types, campaign structure
│   └── security.py               # SSRF guards, log redaction, prompt-injection scanning, size caps
│
├── amazon_india_seller_mcp/database/                     # Research history
│   ├── __init__.py
│   └── models.py                 # SQLAlchemy models + session handling
│
├── amazon_india_seller_mcp/config/                       # Centralised settings
│   ├── __init__.py
│   └── settings.py               # Env-driven settings + configurable fee schedule
│
├── tests/
│   ├── __init__.py
│   ├── test_product_research.py
│   ├── test_demand_analysis.py
│   ├── test_competition.py
│   └── test_profit_calculator.py
│
├── docs/
│   ├── SETUP.md                  # full setup, run and troubleshooting guide
│   ├── SCRAPING.md               # live data sources, guardrails and compliance
│   ├── PROMPTS.md                # copy-paste prompt library for all 20 tools
│   └── check_connection.py       # MCP connection self-test
│
├── .env.example
├── mcp.json.example
├── LICENSE                       # MIT
├── CONTRIBUTING.md
├── CODE_OF_CONDUCT.md
├── SECURITY.md                   # threat model and controls
├── CHANGELOG.md
├── .github/workflows/ci.yml      # tests on Python 3.11-3.13
├── pyproject.toml                # Dependencies, managed by uv
└── uv.lock

コードが従うルール: server.py はビジネスロジックを持たず、ツールもビジネスロジックを持たず、サービスのみがすべてのビジネスロジックを保持します。

インストール

要件: Python 3.11+ と uv。セットアップ & 実行ガイド にすべての手順が詳しく記載されています。

クローンせずに使用する

uvx amazon-india-seller-mcp

これでインストールは完了です。Claude Desktop でこのサーバーを指定します:

{
  "mcpServers": {
    "amazon-india-seller": {
      "command": "uvx",
      "args": ["amazon-india-seller-mcp"],
      "env": { "DEMO_MODE": "true" }
    }
  }
}

または環境にインストールする

uv tool install amazon-india-seller-mcp     # then run: amazon-india-seller-mcp
pip install amazon-india-seller-mcp         # works too

またはソースコードのチェックアウトで作業する (開発用)

git clone https://github.com/Suriya-Ravichandran/amazon-india-seller-mcp.git
cd amazon-india-seller-mcp
uv sync --all-extras
uv run python -m amazon_india_seller_mcp

無料のライブデータには追加パッケージが必要です: uv sync --extra realtime --extra browser。

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# or via pip
python -m pip install uv

仮想環境

uv sync が仮想環境を管理します。コマンドは uv run で実行してください。手動でアクティベートしたい場合は:

# Windows
.venv\Scripts\activate

# macOS / Linux
source .venv/bin/activate

依存関係

pyproject.toml で宣言され、uv.lock で固定されています:

mcp、pydantic、pydantic-settings、httpx、sqlalchemy、python-dotenv。dev グループには pytest。

依存関係の追加や変更は uv add <package> / uv remove <package> で行います — ロックファイルを手動で編集しないでください。

環境設定

cp .env.example .env      # Windows: copy .env.example .env

シークレットは gitignore されている .env にのみ保存されます。ソースにハードコードされた情報はありません。

データベース設定

テーブルは起動時に自動的に作成されます。手動で行う操作はありません。

開発 (デフォルト): ./amazon_product_mcp.db の SQLite。

PostgreSQL:

DATABASE_URL=postgresql+psycopg://user:password@localhost:5432/amazon_mcp

JSON ペイロード列は、PostgreSQL では JSONB に、SQLite では JSON に自動的にマッピングされます。ドライバーも一緒にインストールします: uv add psycopg[binary]。

保存されるモデル: ProductResearch、DemandAnalysis、CompetitionAnalysis、ProfitCalculation、SupplierResearch — それぞれが product_name、marketplace、research_data、data_source、data_type、confidence、created_at、updated_at を保持します。

履歴の保存はベストエフォート方式です。データベースに到達できない場合でもツールは動作し、失敗は表面化されずログに記録されます。

MCP の実行

uvx amazon-india-seller-mcp              # installed
uv run python -m amazon_india_seller_mcp # from a checkout
uv run server.py                         # legacy path, still supported

このプロセスは stdio 上で MCP プロトコルを話すため、クライアントを待って静かに待機し続けます — これは正しい動作です。ログは stderr に出力され、プロトコルトラフィック用に stdout はクリーンな状態が保たれます。停止するには Ctrl+C を押します。

Claude Desktop の設定

1. Claude Desktop の設定ファイルを開きます:

   • Windows: %APPDATA%\Claude\claude_desktop_config.json

   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

2. mcp.json.example から mcpServers ブロックをコピーし、パスをご自身の 絶対 パスに置き換えます:

{
  "mcpServers": {
    "amazon-product-research": {
      "command": "/ABSOLUTE/PATH/TO/amazon-india-seller-mcp/.venv/bin/python",
      "args": ["/ABSOLUTE/PATH/TO/amazon-india-seller-mcp/server.py"],
      "env": { "DEMO_MODE": "true" }
    }
  }
}

Windows では .venv\\Scripts\\python.exe を使用し、バックスラッシュをエスケープします。uv --directory ... run server.py のバリアントもサンプルファイルに含まれています。

3. Claude Desktop を完全に終了して再起動します (トレイ/メニューバーから閉じてください — ウィンドウの再読み込みでは不十分です)。

4. 接続をテストします: ツールが Claude Desktop のツールメニューに表示され、「₹120 の原価の ₹399 の製品の利益を計算してください」 と尋ねると calculate_profitability が実行されるはずです。

利用可能な MCP ツール

発見

需要

競合

リスティング

広告

仕入れ

ライブデータ

機会スコアリング

プロンプトの例

Find beginner-friendly Amazon India products under ₹20,000 investment.

Screen these ideas and rank them: sink strainer, cable organizer, spice rack.

Analyze the demand for silicone sink strainers on Amazon India.

Is a silicone sink strainer an evergreen product or seasonal?

How many units are competitors selling for "cable organizer"?

Are any new sellers succeeding in the kitchen drawer organizer market?

What revenue would a ₹399 product at BSR 3,500 make per month?

Calculate the profit for a ₹399 product that costs ₹120.

Plan a ₹20,000 launch for a ₹399 sink strainer that costs ₹120.

Find suppliers for cable organizers in Chennai or Tamil Nadu.

Find customer complaints about manual soap dispensers.

Generate an Amazon India listing for a reusable silicone food storage bag.

Scrape live Amazon India results for "silicone sink strainer".

Tear down ASIN B0XXXXXXXX and tell me how to beat that listing.

What should I bid on Amazon Ads for a ₹399 product that costs ₹120?

Plan a ₹6,000/month PPC campaign for my sink strainer launch.

Check the scraper status.

自然なワークフロー：アイデアをスクリーニング → 需要とエバーグリーンを確認 → 競合と新規セラーを確認 → 利益を計算 → 発売を計画 → キーワードを調査 → リスティングを生成。

docs/PROMPTS.md は完全なプロンプトライブラリです — タスクごとにグループ化された56のコピペ用プロンプト、連鎖するマルチツールワークフロー、そしてどの数値がライブでどの数値が推定かをClaudeに示させるプロンプトが含まれています。

デモモード

DEMO_MODE=true（デフォルト）の場合、すべてのツールは有料のAPIキーなしで動作します。

• サンプルデータは決定論的です — 同じクエリは常に同じ数値を返すため、結果は再現可能でテスト可能です。

• すべての値には"data_type": "Demo"、"confidence": "Low"、"source": "Local Demo Provider"というラベルが付きます。

• サーバーは起動時に警告をログに記録するため、どのモードにいるかを忘れることはありません。

デモモードは、ワークフローの学習と統合のテストを目的としています。デモの数値で購入を決定しないでください。

無料ソースのライブデータ（APIキー不要）

以下はすべて無料で、APIキーは不要です：

uv sync --extra realtime --extra browser
uv run playwright install chromium     # only for render=true

APP_ENV=production
DEMO_MODE=false
PRODUCT_DATA_PROVIDER=scraper
GOOGLE_TRENDS_ENABLED=true
WEB_SEARCH_PROVIDER=duckduckgo
BROWSER_ENABLED=true
BROWSER_ALLOWED_DOMAINS=amazon.in
BROWSER_MIN_DELAY_SECONDS=8

Amazonは自動トラフィックに対してボットチャレンジを提供します。このサーバーはそれらを回避するのではなく、検出して停止するため、スクレイピングは日和見的に機能します。有効にする前にdocs/SCRAPING.mdをお読みください。robots.txtと利用規約、ガードレール、コードに触れずにセレクタを修正する方法について説明しています。

本番API統合

1. 商品データ。 services/amazon_service.pyにProductDataProviderサブクラスを実装するか（search_listingsとfetch_reviews）、PRODUCT_DATA_BASE_URL / PRODUCT_DATA_API_KEYを承認済みのサードパーティAPIに向けて、HttpProductDataProviderのペイロードマッピングを適合させます。次にDEMO_MODE=falseを設定します。

2. Amazon SP-API / PA-API。 開発者として登録し、認証情報を取得して、AMAZON_API_KEY / AMAZON_API_SECRETでリクエストに署名するプロバイダーを追加します。build_provider()はすでにsp-apiとpa-apiをルーティングしており、現在はデータを黙って偽装するのではなく、明確な「未実装」エラーを発生させます。

3. 手数料。 Seller CentralのレートカードをFeeScheduleモデルに一致するJSONにエクスポートし、AMAZON_FEE_CONFIG_PATHをそのファイルに向けて、data_typeをVerifiedに設定します。

4. サプライヤー。 SUPPLIER_API_KEYとSUPPLIER_API_BASE_URLを設定します。検証ステータスは、推測ではなくプロバイダーから渡されます。

各プロバイダーの利用規約を尊重してください。Amazonを直接スクレイピングすることは彼らの利用規約に違反するため、ここでは実装されていません。

テスト

uv run pytest                      # whole suite (193 tests)
uv run pytest -v                   # verbose
uv run pytest tests/test_profit_calculator.py
uv run docs/check_connection.py    # end-to-end MCP connection self-test

カバレッジには、商品リサーチ、機会スコアリングのバンドとウェイト、需要分析と季節性、競合分析、完全な利益計算（損益分岐点と推奨価格は再計算によって検証）、手数料スケジュールの構成可能性、売上高とBSR曲線の推定、新規セラーと数量ターゲットの分類、エバーグリーンスコアリング、すべてのスクレイピングガードレール（許可リスト、robots、ページ予算、ボットチャレンジ検出）、HTML解析ヘルパー、すべてのツールの無効な入力処理、デモモードの決定論性が含まれます。

スイートは完全にオフラインです。ライブのGoogle Trends、ウェブ検索、ページフェッチは強制的にオフにされ、結果が決定的に保たれます。

スイートはデモモードを強制し、キャッシュと履歴の永続化を無効にするため、リサーチデータベースに触れることはありません。

トラブルシューティング

ログはstderrに出力されます。詳細を確認するにはDEBUG=trueまたはLOG_LEVEL=DEBUGを設定してください。Claude Desktopでは、MCPログファイル（Windowsでは%APPDATA%\Claude\logs、macOSでは~/Library/Logs/Claude）を使用します。

セキュリティ

このサーバーが行うことには3つのリスクが伴い、それぞれに明示的な対策があります。詳細はSECURITY.mdにあります。対策はtests/test_security.pyでテストされています。

SSRF。 スキーム、ポート、解決済みIPはすべてのリクエストの前にチェックされ、すべてのリダイレクトホップは再検証されます。つまり、許可リストに登録されたホストがループバック、プライベートレンジ、クラウドメタデータエンドポイントへのフェッチをリダイレクトすることはできません。Playwrightリクエストも同じゲートを通過します。

認証情報。 リダクションログフィルターが、APIキー、ベアラートークン、シークレットを含むクエリパラメータを、httpxのリクエストURLなどのライブラリログを含むすべてのログレコードから削除します。ツールの出力にキーが含まれることはありません。

プロンプトインジェクション。 スクレイピングされたリスト、レビュー、検索結果は、LLMのコンテキストに取り込まれるサードパーティのテキストです。すべてのフィールドはサニタイズされ（制御文字、ゼロ幅文字、双方向文字が除去）、命令形式のコンテンツがないかスキャンされ、content_safetyブロックとともに返されます。サーバーのMCP指示は、モデルにそれをデータとして扱うよう指示し、命令としては扱わせません。

さらに強制される事項：8MBのレスポンス上限、5ホップのリダイレクト制限、検証済みの設定ファイルパス、パラメータ化されたSQL、MCPクライアントに到達するスタックトレースなし。

セキュリティに関する注意事項

• 認証情報は環境変数からのみ取得されます。.envはgitignoreされており、ハードコードされたものはありません。

• スタックトレースがMCPクライアントに到達することはありません。エラーはサーバー側でログに記録され、構造化されたユーザーセーフなペイロードとして返されます。

• データベースには調査ペイロードのみが保存され、認証情報は保存されません。

• 手数料とマーケットプレイスの数値はコードではなく設定であるため、コード変更なしで修正できます。

• このプロジェクトではAmazonをスクレイピングしたり、プロバイダーの利用規約を回避したりすることはありません。

ロードマップ

• リクエスト署名付きの本格的なSP-APIおよびProduct Advertising APIプロバイダー

• 保存された調査からの価格、BSR、レーティングのトレンドの履歴追跡

• 保存された調査履歴をClaudeに公開するMCPリソース

• FBA保管料と広告コストのモデリング（ACOSを考慮した損益分岐点）

• カテゴリレベルのゲーティングと認証（BIS / FSSAI）リファレンスデータ

• BSRからユニット数への曲線を実際のセラー販売データに対してキャリブレーション

• 需要が証明された商品発見のためのベストセラーリストマイニング

コントリビューション

コントリビューションは歓迎します — CONTRIBUTING.mdを参照してください。

最も重要なルール：データを決して捏造せず、推定値を測定値のように見せかけないこと。 人々はこの出力に実際のお金を費やすため、すべての値にはそのソース、データ型、信頼度が付随します。

特に現在価値が高いもの：

• Amazonがマークアップを変更したときのセレクター修正

• BSRからユニット数への曲線を実際の販売データに対してキャリブレーション

• インドのセラー向けのGST、カテゴリコンプライアンス、輸入コストツール

• 本格的なSP-API / Product Advertising APIプロバイダー

ボット対策バイパス（プロキシローテーション、フィンガープリントスプーフィング、CAPTCHA解決）を追加するプルリクエストは却下されます — docs/SCRAPING.mdを参照してください。

CODE_OF_CONDUCT.mdとSECURITY.mdも参照してください。

ライセンス

MIT — 商用を含め、自由に使用、変更、配布できます。本ソフトウェアは現状のまま提供され、保証はありません。

免責事項

このツールは調査を支援するものであり、調査そのものを代替するものではありません。需要、売上、収益性の数値は、入力と設定された手数料スケジュールに基づく推定値であり、保証ではありません。手数料はSeller Centralで確認し、サプライヤーはすべてご自身で検証し、カテゴリとブランドの要件は投資前にAmazonで確認してください。