AgentSignal

npm version GitHub stars License: MIT MCP Tools

AIショッピングエージェントのための集合知レイヤー。

接続するエージェントが増えるほど、すべてのエージェントが賢くなります。1,200以上のショッピングセッション、95の製品、50の加盟店、10のカテゴリーを網羅し、現在も拡大中です。

存在意義: AIエージェントがユーザーの代わりに買い物をする際、各エージェントはゼロからスタートします。AgentSignalはすべてのエージェントの意思決定シグナルをプールするため、他のエージェントがすでに学習したこと（選択率、拒否パターン、価格インテリジェンス、加盟店の信頼性、実証済みの制約条件の一致など）をすべてのセッションで活用できます。

クイックスタート (30秒)

リモート — インストール不要、即座にインテリジェンスを利用可能:

{
  "mcpServers": {
    "agent-signal": {
      "url": "https://agent-signal-production.up.railway.app/mcp"
    }
  }
}

ローカル (npx経由):

npx agent-signal

Claude Desktop / Claude Code:

{
  "mcpServers": {
    "agent-signal": {
      "command": "npx",
      "args": ["agent-signal"]
    }
  }
}

1回の呼び出しで賢い買い物を開始

smart_shopping_session ツールは、セッションを記録すると同時に、利用可能なすべてのインテリジェンスを1回の呼び出しで返します:

smart_shopping_session({
  raw_query: "lightweight running shoes with good cushioning",
  category: "footwear/running",
  budget_max: 200,
  constraints: ["lightweight", "cushioned"]
})

戻り値:

後続のログ記録のためのセッションID
そのカテゴリーにおける他のエージェントのトップピック
最も重要視された制約条件と要因
類似セッションの結末（購入済み vs 断念）
ネットワーク全体の統計

23個のMCPツール

スマートコンボツール (推奨)

ツール	機能
`smart_shopping_session`	セッション開始 + カテゴリーインテリジェンス取得 + 類似セッションの結果取得 — すべて1回の呼び出しで実行
`evaluate_and_compare`	製品評価の記録 + 製品インテリジェンス取得 + 取引の判定 — すべて1回の呼び出しで実行

バイヤーインテリジェンス — より賢い買い物を

ツール	提供情報
`get_product_intelligence`	選択率、拒否理由、競合製品に負けた理由
`get_category_recommendations`	トップピック、意思決定要因、一般的な要件、平均予算
`check_merchant_reliability`	在庫の正確性、選択率、加盟店ごとの購入結果
`get_similar_session_outcomes`	類似の制約条件を持つエージェントが最終的に何を選んだか
`detect_deal`	過去データに基づく価格判定 — best_price_ever から above_average まで
`get_warnings`	在庫の問題、高い拒否率、断念シグナル
`get_constraint_match`	制約条件に完全に一致する製品 — 検索をスキップ

セラーインテリジェンス — 市場を理解する

ツール	提供情報
`get_competitive_landscape`	カテゴリーランク、直接対決の勝率、競合相手とその理由、価格ポジショニング
`get_rejection_analysis`	エージェントが製品を拒否する理由、週次トレンド、代わりに何が選ばれたか
`get_category_demand`	エージェントが何を検索しているか、満たされていないニーズ、予算分布、市場のギャップ
`get_merchant_scorecard`	加盟店レポート — 在庫の信頼性、価格競争力、カテゴリー別の選択率

発見とモニタリング

ツール	提供情報
`get_budget_products`	特定の予算内で最適な製品 — エージェントの選択数と加盟店の在庫状況でランク付け
`get_trending_products`	上昇または下降トレンドの製品 — 前期間と現在の選択率を比較
`create_price_alert`	価格アラートの設定 — エージェントが目標価格以下で製品を発見した際に通知
`check_price_alerts`	最近のエージェント活動によってトリガーされたアラートを確認

書き込みツール — ネットワークへの貢献

ツール	キャプチャ内容
`log_shopping_session`	ショッピングの意図、制約条件、予算、除外事項
`log_product_evaluation`	検討した製品、一致スコア、処分 + 拒否理由
`log_comparison`	比較した製品、比較軸、勝者、決定要因
`log_outcome`	最終結果 — 購入、推奨、断念、または延期
`import_completed_session`	完了したセッションを一括で遡及的にインポート
`get_session_summary`	セッションの詳細を取得

例: 完全なエージェントワークフロー

# 1. Start smart — one call gets you session ID + intelligence
smart_shopping_session(category: "electronics/headphones", constraints: ["noise-cancelling", "wireless"], budget_max: 400)

# 2. Evaluate products — get intel as you log
evaluate_and_compare(session_id: "...", product_id: "sony-wh1000xm5", price_at_time: 349, disposition: "selected")
evaluate_and_compare(session_id: "...", product_id: "bose-qc45", price_at_time: 279, disposition: "rejected", rejection_reason: "inferior ANC")

# 3. Compare and close
log_comparison(products_compared: ["sony-wh1000xm5", "bose-qc45"], winner: "sony-wh1000xm5", deciding_factor: "noise cancellation quality")
log_outcome(session_id: "...", outcome_type: "purchased", product_chosen_id: "sony-wh1000xm5")

すべてのステップがネットワークにフィードバックされます。次にヘッドフォンを探すエージェントは、あなたのデータから恩恵を受けることができます。

例: セラーインテリジェンスワークフロー

# 1. How is my product performing vs competitors?
get_competitive_landscape(product_id: "sony-wh1000xm5")
# → Category rank #1, 68% head-to-head win rate, beats bose-qc45 on ANC quality

# 2. Why are agents rejecting my product?
get_rejection_analysis(product_id: "bose-qc45")
# → 45% rejected for "inferior ANC", agents chose sony-wh1000xm5 instead 3x more

# 3. What do agents want in my category?
get_category_demand(category: "electronics/headphones")
# → Top demands: noise-cancelling (89%), wireless (82%), unmet need: "spatial audio"

# 4. How does my store perform?
get_merchant_scorecard(merchant_id: "amazon")
# → 34% selection rate, 2% out-of-stock, cheapest option 41% of the time

アクティブなインテリジェンスを持つカテゴリー

カテゴリー	セッション数
footwear/running	150+
electronics/headphones	140+
gaming/accessories	130+
electronics/tablets	130+
home/furniture/desks	120+
fitness/wearables	118+
electronics/phones	115+
home/smart-home	107+
kitchen/appliances	105+
electronics/laptops	98+

エージェントフレームワークの例

/examples にすぐに実行可能な例があります:

フレームワーク	ファイル	説明
LangChain	`langchain-shopping-agent.py`	LangGraph + MCPアダプターを使用したReActエージェント
CrewAI	`crewai-shopping-crew.py`	2エージェント構成 (リサーチャー + ショッパー)
AutoGen	`autogen-shopping-agent.py`	MCPツールを使用したAutoGenエージェント
OpenAI Agents	`openai-agents-shopping.py`	Streamable HTTPを使用したOpenAI Agents SDK
Claude	`claude-system-prompt.md`	Claude Desktop/Code向けに最適化されたシステムプロンプト

すべての例はホストされたMCPエンドポイントに接続します。pip install 以外のセットアップは不要です。

REST API

加盟店向け分析機能 https://agent-signal-production.up.railway.app/api:

エンドポイント	説明
`GET /api/products/:id/insights`	製品分析 — 検討率、拒否理由
`GET /api/categories/:category/trends`	カテゴリートレンド — 主要要因、予算、属性
`GET /api/competitive/lost-to?product_id=X`	競合による損失 — Xが何に負けているか、その理由
`GET /api/sessions`	最近のセッション (ページネーションあり)
`GET /api/sessions/:id`	セッションの詳細
`POST /api/admin/aggregate`	インサイト計算のトリガー
`GET /api/health`	ヘルスチェック

セルフホスティング

git clone https://github.com/dan24ou-cpu/agent-signal.git
cd agent-signal
npm install
cp .env.example .env  # set DATABASE_URL to your PostgreSQL
npm run migrate
npm run seed           # optional: sample data
npm run dev            # starts API + MCP server on port 3100

アーキテクチャ

MCP Server — Stdioトランスポート (ローカル) + Streamable HTTP (リモート)
REST API — 同一ポート上のExpress
Database — PostgreSQL (Neon互換)
23 MCP tools — 17個の読み取り (バイヤー + セラー + 発見) + 6個の書き込み

ライセンス

MIT

agent-signal