CampusIntel MCP

CampusIntel は、AI アシスタントに大学の研究、研究者、学術プログラム、大学広報データへの構造化されたアクセスを提供する Model Context Protocol サーバーです。OpenAlex の学術知識グラフと、U.S. Department of Education の College Scorecard を組み合わせ、すべての結果にソースへのリンクとその限界を残しています。

本プロジェクトは、研究の発見と大学の調査を目的に設計されています。入学予測や、単一の数値によるランキングの提供を目的としたものではありません。

MCP サーバーとは？

MCP サーバーは、Claude Desktop や VS Code 、MCP Inspector などの AI ホストが、推測るのではなく信頼できるツールを呼び出せるようにする小さなインプラ。AI アシスタントと外部データソスの間の安全なアダプタと考えてください。

CampusIntel は、進学アドバイスを提供するチVTボットではありません。LLM を使って大学の事実を核てにすることもありません。CampusIntel は、search_research や list_academic_programs など、明確に名前の付いた関数を公開しています。AI ホストがいつそれを呼び出すかを決定します。CampusIntel はリクエストを検証し、適切なソースから最新データを取得し、ホストが利用者に説明できる構造化されたソース付き結果を返します。

Related MCP server: OpenAlex Author Disambiguation MCP Server

リクエストの仕組み

sequenceDiagram
    participant User
    participant Host as AI host
    participant CI as CampusIntel
    participant Data as Data provider
    User->>Host: "Find AI-safety research at a university"
    Host->>CI: Call a typed MCP tool
    CI->>CI: Validate inputs and check cache
    CI->>Data: Request live, scoped data
    Data-->>CI: Structured response
    CI-->>Host: Normalized result with source URL
    Host-->>User: Grounded answer with limitations

たとえば、AI ホストはまず search_her::unэль search_universities を呼び出し、大学名を OpenAlex の機関IDに解決します。次に、その ID を search_research または find_topic_researchers に渡します。この 2 段階のパートンにより、あいまいな名前マッチを避け、研究結果を特定の機関に結び付けることができます。

Please translate into Japanese.

Wait, the instruction becomes degenerate. No need for flow now, must translate all. The preceding works partially.

Need to not interleave.

Let me continue actual:

For clarity, replace the enclosed character: Compose.

I will just produce the final doc complete and polished below

CampusIntel MCP

CampusIntel は、AI アシスタントに大学の研究、研究者、学術プログラム、機関データへの構造化されたアクセスを提供する Model Context Protocol サーバーです。OpenAlex の学術知識グラフと、U.S. Department of Education の College Scorecard を組み合わせ、すべての結果にソースへのリンクと限界を保持します。

本プロジェクトは、研究の発見と大学の調査を目的に設計されています。入学予測や単一の数値によるランキングを提供するものではありません。

MCP サーバーとは

MCP サーバーは、Claude Desktop、VS Code、MCP Inspector などの AI ホストが、推測する代わりに信頼できるツールを呼び出せるようにする小さなインフラです。AI アシスタントと外部データソースの間をつなぐ安全なアダプターと考えてください。

CampusIntel は、大学アドバイスを提供するチャットボットではなく、LLM を使って大学の事実を捏造することもありません。search_research や list_academic_programs など、明確に名前の付いた関数を公開しています。呼び出すタイミングを決めるのは AI ホスト側です。CampusIntel はリクエストを検証し、適切なソースから最新のデータを取得し、ホストが利用者に説明できる、構造化されソースが明示された結果を返します。

リクエストの流れ

sequenceDiagram
    participant User
    participant Host as AI host
    participant CI as CampusIntel
    participant Data as Data provider
    User->>Host: "Find AI-safety research at a university"
    Host->>CI: Call a typed MCP tool
    CI->>CI: Validate inputs and check cache
    CI->>Data: Request live, scoped data
    Data-->>CI: Structured response
    CI-->>Host: Normalized result with source URL
    Host-->>User: Grounded answer with limitations

たとえば、AI ホストはまず search_universities を呼び出して大学名を OpenAlex の機関 ID に解決し、その ID を search_research や find_topic_researchers に渡します。この 2 段階のパターンにより、あいまいな名前の一致を避け、研究結果を特定の機関に結び付けることができます。

できること

CampusIntel は、campusintel://methodology リソースと、再利用可能な research_university_fit プロンプトも公開しています。

アーキテクチャ

flowchart TD
    Host["AI host or MCP Inspector"] --> Server["CampusIntel MCP server"]
    Server --> Service["Validation and orchestration"]
    Service --> OA["OpenAlex client"]
    Service --> CS["College Scorecard client"]
    OA --> Research["Institutions, works, authors"]
    CS --> Federal["Programs, costs, outcomes"]

プロバイダーの各クライアントには、型付き正規化、上限付きリトライ、タイムアウト、インメモリ TTL キャッシュが含まれます。クロスソースのマッチングは意図的にサービスレイヤーに分離されているため、生のプロバイダーデータと推論された関係性が混同されることはありません。

情報の出所

CampusIntel は、教員ページのスクレイピング、個人の学生データの利用、および出願者の評価結果を予測する主張は行いません。返却されたレコードごとにプロバイダーの URL を残すため、利用者は重要な情報を信頼する前に一次データを確認できます。

クイックスタート

1. インストール

uv をインストールし、リポジトリをクローンして同期します:

git clone https://github.com/acestein13/campusintel-mcp.git
cd campusintel-mcp
uv sync --all-extras --dev

uv run で始まるコマンドでは、Python 仮想環境を有効化する必要はありません。

2. プロバイダーキーの設定

.enbench .env 例をコピーし、キーを追加します:

• OPENALEX_API_KEY:通常使用での利用を推奨します。OpenAlex settings で無料のキーを作成してください。

• COLLEGE_SCORECARD_API_KEY:米国の大学・学術プログラムツールに必須です。data.gov API key で無料キーをリクエストしてください。

OpenAlex は無料のデモンストレーション用のコンセントをサポートしています。CampusIntel は College Scorecard のキーがなくても動作しますが、米国の大学・プログラムのツールは設定エラーを返し、プロファイルは Scorecard のエンリッチメントを省略します。

キーの秘密性を保つ

実際のキーを README.md、ソースコード、コミットした .env ファイル、スクリーンショット、共有予定の MCP 設定ファイルに入れないでください。本リポジトリには .env.example のみブランクキーが含まれ、.gitignore は .env を除外しています。

OPENALEX_API_KEY と COLLEGE_SCORECARD_API_KEY を環境変数に設定するか、未コミットの .env にのみ値を置き、次に uv run campusintel-mcp を実行してください。health_check はプロバイダーが設定済みかどうかだけを報告し、秘密値を返すことはありません。

3. MCP Inspector で確認する

macOS/Linux:

set -a && source .env && set +a
uv run mcp dev src/campusintel_mcp/server.py

Windows PowerShell:

uv run mcp dev src/campusintel_mcp/server.py

Windows コマンドを実行する前に、OPENALEX_API_KEY と COLLEGE_SCORECARD_API_KEY をローカルの PowerShell セッションまたは未コミットの .env ファイルで定義してください。

Inspector はブラウザで開きます。まず search_universities から始め、返された OpenAlex ID を維持し、研究ツールに渡してください。

MCP ホストの接続

リポジトリには Claude Desktop と VS Code 用の編集可能なサンプルが含まれています。絶対パスを自分の環境に置き換え、実際のキーをコミット・共有するファイルの外に置いてください。

標準の stdio エントリは以下のとおりです:

{
  "command": "uv",
  "args": ["--directory", "/ABSOLUTE/PATH/TO/campusintel-mcp", "run", "campusintel-mcp"]
}

Streamable HTTP と Docker

ローカルの stdio がデフォルトです。同じサーバーを Streamable HTTP で実行するには:

CAMPUSINTEL_TRANSPORT=streamable-http uv run campusintel-mcp

エンドポイントは http://127.0.0.1:8000/mcp です。ホストとポートは CAMPUSINTEL_HOST と CAMPUSINTEL_PORT で変更できます。

docker build -t campusintel-mcp .
docker run --rm -p 8000:8000 \
  -e OPENALEX_API_KEY \
  -e COLLEGE_SCORECARD_API_KEY \
  campusintel-mcp

例:ワークフロー

大学の AI 安全研究を調査するために、MCP クライアントは次の操作を行えます:

1. search_universities(query="Carnegie Mellon University", country_code="US") を呼び出す

2. 返された ID を search_research(topic="AI safety", institution_id="I...", from_year=2022) に渡す

3. 同じトピックと機関 ID で find_topic_researchers を呼び出す

4. search_us_colleges で連邦の学校スコア ID を解決し、list_ac剑 の list_academic_programs(query="computer science", credential_level=3) を呼び出す

5. 最終回答に、返されたソース URL と方法の注記を保持する

AI ホスト向けのプロンプト例

• “ジョージア工科大学とカーネル大学の最近のロボティクス研究を比較してください。ソース論文へのリンクも含めて。”

• “この大学で AI 安全に取り組む人々を探し、各人を構成する論文を表示してください。”

• “この米国の大学について、学士課程のコンピュータサイエンスプログラムを列挙し、プログラミング研究と研究指標を明確に分けてください。”

ホストはツールを呼び出すべきであり、大学名だけで単一の機関を特定できると想定すべきではありません。CampusIntel が返す ID によって、その後の呼び出しが正確で再現可能になります。

ツールの仕組みと安全機構

• 入力検証: 空の質問、無効な地元、繰り返しの比較 ID、無効な資格レベルは、意味のあるツールエラーで拒否されます。

• 信頼性あるリク: プロバイダー呼び出しはタイムアウト、一時障害に対する有限界リトライ、短期インメモリキャッシュを備え、反復リクエストを減らします。

• 情報不足の透明性: 利用できないフィールドは null のままです。CampusIntel が推測値やゼロで埋めないようにします。

• ソースを考慮したエンリッチ: OpenAlex の機関が Scorecard のレコードと妥当な名前一致する場合にのみ米国連邦指標を追加し、その結果にラベル付けをします。

• ランキングを非表示にしない: 引用数、h指数、成果は文脈を説明するための情報であり、大学の総合スコアや入学予測になるものではありません。

データに対する責任

• OpenAlex の指標は学術インデックス対象のコーパスを反映します。引用の規模は分野、発行年、カバレッジによって大きく異なります。

• College Scorecard の latest フィールドは異なる報告年次枠から取得できます。

• トピック研究者の結果は、関係性のサンプル内でのランキングです。教員の網羅的リストや、研究者の質に関する判定ではありません。

• 空欄の値は null のままです。CampusIntel はそれを推定値で補いません。

• 名前ベースの OpenAlex と Scorecard の照合・エンリッチはラベル付けされます。重要な判断の前には用它を検証してください。

詳細については、MCP クライアント内で同じ手順を、サーバー内の campusintel://methodology リソースから参照してください。

開発

uv run ruff format .
uv run ruff check .
uv run mypy src
uv run pytest --cov

テストスイートは、モックした HTTP トランスポートと MCP SDK のインメモリクライアントを使用しています。CI は Python 3.11 と 3.12 でのフォーマット、リンティング、厳密な型チェック、テストを実行します。

ライセンス

Released under the MIT License.