このプロジェクトは、Claude DesktopとClaude APIのシームレスな統合を可能にするMCPサーバー実装を提供します。これにより、プロフェッショナルプランの制限を回避し、カスタムシステムプロンプトや会話管理などの高度な機能にアクセスできます。
MCP 経由の Claude API の直接統合
会話履歴の追跡と管理
システムプロンプトのサポート
プロフェッショナルプランとAPI使用間のシームレスな切り替え
Claude Desktopで簡単に設定
Related MCP server: Desktop Commander MCP
プロフェッショナルプラン（デフォルト）:
クロードデスクトップでの定期的な会話
プラン制限内での基本的な使用
特別な設定は必要ありません
API トークン(この MCP サーバー経由):
より長いコンテキストウィンドウが必要な場合
カスタムシステムプロンプトを使用するには
レート制限を回避するには
高度な会話管理
リポジトリのクローンを作成する
# Using VS Code:
# 1. Press Cmd + Shift + P
# 2. Type "Git: Clone"
# 3. Paste: https://github.com/mlobo2012/Claude_Desktop_API_USE_VIA_MCP.git
# Or using terminal:
git clone https://github.com/mlobo2012/Claude_Desktop_API_USE_VIA_MCP.git
cd Claude_Desktop_API_USE_VIA_MCP依存関係をインストールする
pip install -r requirements.txt環境を構成する
# Copy environment template
cp .env.example .env
# Edit .env and add your API key
ANTHROPIC_API_KEY=your_api_key_hereClaudeデスクトップの設定
macOS: ~/Library/Application Support/Claude/に移動します。
# Using Finder:
# 1. Press Cmd + Shift + G
# 2. Enter: ~/Library/Application Support/Claude/Windows: %APPDATA%\Claude\に移動します。
claude_desktop_config.jsonを作成または編集する
config/claude_desktop_config.jsonから内容をコピーします。
パスとAPIキーを更新する
通常のクロードデスクトップの使用
クロードと普通にチャットする
プロフェッショナルプランを使用する
特別なコマンドは必要ありません
APIの使用
@claude-api Please answer using the API: What is the capital of France?システムプロンプトの使用
@claude-api {"system_prompt": "You are an expert fitness coach"} Create a workout plan会話の管理
# Start a new conversation
@claude-api {"conversation_id": "project1"} Let's discuss Python
# Continue same conversation
@claude-api {"conversation_id": "project1"} Tell me more
# View conversation history
@claude-api get_conversation_history project1
# Clear conversation
@claude-api clear_conversation project1API呼び出しにはAnthropic APIクレジットが使用され、料金が発生する場合があります
通常の問い合わせにはプロフェッショナルプランをご利用ください
特に必要な場合にのみ @claude-api を使用してください。
より長いコンテキストウィンドウ
カスタムシステムプロンプト
レート制限を回避するには
query_claude
Claudeへの直接API呼び出し
システムプロンプトのサポート
会話の追跡
clear_conversation
会話履歴をリセット
複数の会話スレッドを管理する
get_conversation_history
会話記録を取得する
会話フローをデバッグする
メインのサーバー実装はsrc/claude_api_server.pyにあります。機能を拡張するには、 @mcp.tool()デコレータを使用して新しいツールを追加できます。
新しいツールを追加する例:
@mcp.tool()
async def custom_tool(param: str) -> str:
"""
Custom tool description
Args:
param: Parameter description
"""
try:
# Tool implementation
return result
except Exception as e:
return f"Error: {str(e)}"APIキーの問題
.env で API キーを確認する
Claude Desktopの設定パスを確認する
APIキーに正しい権限があることを確認する
接続の問題
MCPサーバーが実行中かどうかを確認する
Python環境を確認する
Claude Desktopのログを確認する
使用上の問題
@claude-api 構文が正しいことを確認する
会話IDを確認する
システムプロンプトの形式を確認する
リポジトリをフォークする
機能ブランチを作成する
変更を加える
プルリクエストを送信する
マサチューセッツ工科大学
問題や質問については:
リポジトリで問題を開く
既存の議論を確認する
トラブルシューティングガイドを確認する
Send a message to Claude
| Name | Required | Description | Default |
|---|---|---|---|
| message | Yes | Message to send to Claude |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
With no annotations provided, the description carries full burden for behavioral disclosure. It states the action ('send a message') but doesn't describe what happens after sending, whether there are rate limits, authentication requirements, response expectations, or error conditions. This leaves significant behavioral uncertainty for an agent.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is perfectly concise at just 4 words, front-loading the essential action without any wasted words. Every element earns its place, making it immediately understandable while being maximally efficient.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given no annotations and no output schema, the description is insufficiently complete. It doesn't explain what happens after sending the message, what kind of response to expect, or any behavioral characteristics. For a communication tool with zero structured metadata, more context about the interaction pattern would be needed.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
The schema description coverage is 100%, with the single parameter 'message' clearly documented in the schema. The description doesn't add any parameter information beyond what's already in the schema, so it meets the baseline for high schema coverage without providing additional semantic context.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the verb ('send') and resource ('message to Claude'), making the purpose immediately understandable. However, it doesn't differentiate from siblings since there are none, and could be slightly more specific about what type of message or context this involves.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description provides no guidance on when to use this tool versus alternatives, prerequisites, or contextual constraints. With no sibling tools, this is less critical, but still lacks any usage context that would help an agent determine appropriate invocation scenarios.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
send-messageScored across 1 tool
With only one tool, there is no possibility of ambiguity or confusion between tools. The single tool has a clear, distinct purpose that cannot be mistaken for any other tool in the set.
A single tool inherently demonstrates perfect naming consistency. There are no other tools to compare against, so no inconsistency can exist in the naming pattern.
One tool is too few for meaningful interaction with a Claude Desktop API. While the tool's purpose is clear, a single send-message operation severely limits functionality and suggests an incomplete or minimal implementation.
The tool surface is severely incomplete for a Claude Desktop API. With only send-message, there are no tools for receiving messages, managing conversations, handling settings, or performing any other expected API operations. This creates significant dead ends for agents.
Hosted MCP server connecting claude.ai, ChatGPT and other AI apps to your own computer
Hosted Amazon Seller Central and Amazon Ads MCP server for Claude, ChatGPT, Cursor, and agents.
Hosted Amazon Seller and Vendor MCP server for Claude, ChatGPT, Cursor, Codex, Gemini, Copilot.
The Ramp MCP server enables users to securely connect Ramp with AI assistants like ChatGPT and Claude to query financial data and take actions using natural language. It transforms Ramp's developer API into a SQL interface that LLMs can query, allowing admins to analyze spend trends, identify cost savings, and run complex SQL analyses on comprehensive datasets (transactions, purchase orders, vendors, users), while all users can manage cards, view transactions, request reimbursements, and get expense policy answers.
