Skip to main content
Glama

議事録生成プロジェクトベースの自作MCP

非構造化の会議メモを参照し、議事録作成プロンプトを作成し、ドラフトを検証したうえでユーザー承認後に保存する教育用ローカルMCPパッケージです。

このパッケージの会社名、人名、スケジュール、障害、数値、発言はすべて教育用に作成した合成データです。

教育目標

受講者は実習を終えると、次のことができるようになります。

  1. MCPのHost、Server、Toolの役割を説明できる。

  2. PythonでローカルSTDIO MCPサーバーを実行できる。

  3. 非構造化データを読み取るToolを実装・修正できる。

  4. 検証と承認の境界がある書き込みToolを設計できる。

  5. 自分の議事録形式にMCPをカスタマイズできる。

  6. CodexまたはClaude Desktopにサーバーを接続し、動作を実証できる。

  7. ハーネスエンジニアリングの観点からツール説明・スキーマ・応答・エラーを設計できる。

Related MCP server: Guarded MCP Agent

含まれる内容

  • 難易度別の合成非構造化会議メモ3件

  • 動作するFastMCPサーバー: ツール11個、リソース3個、プロンプト1個

  • 標準議事録テンプレート

  • 承認トークンによる保存と上書き検知

  • 原文根拠照合(grounding)チェッカー

  • 受講者用実習書5冊

  • 講師用の解答例1件

  • ドメイン・根拠・ハーネス規約のユニットテストとSTDIOスモークテスト

クイックスタート

必須環境: Python 3.11以上、uv

uv sync --extra dev
uv run pytest -q
uv run python scripts/smoke_stdio.py

MCP Inspectorを使用するには、次を実行します。

uv run mcp dev src/meeting_mcp/server.py

提供ツール

推奨フローは以下の順序です。すべての応答のnext_actionsフィールドが次のステップを案内します。

DISCOVER → READ → GROUND → DRAFT → CHECK → PREVIEW → [사용자 승인] → SAVED

段階

Tool

読み取り/書き込み

役割

DISCOVER

list_dummy_notes

読み取り

合成メモ3件を参照

READ

read_meeting_note

読み取り

原文の照会。行範囲の指定とL14引用アンカーに対応

GROUND

extract_note_facts

読み取り

決定候補・日付・確定していない表現を行番号とともに抽出

DRAFT

build_minutes_prompt

読み取り

テンプレートと原文を結合

CHECK

validate_minutes_draft

読み取り

構造検証。rule_idseveritylinefixを提供(保存ゲート)

CHECK

check_minutes_grounding

読み取り

人・日付・数値が原文にあるか照合(助言であり、保存を妨げない)

PREVIEW

diff_minutes_against_saved

読み取り

既存の保存版との差分を確認

PREVIEW

preview_save_minutes

読み取り

検証・根拠・diffをまとめて表示し、承認トークンを発行

SAVED

save_approved_minutes

書き込み

承認トークンが一致する場合のみ保存(唯一の書き込みツール)

OBSERVE

list_saved_minutes

読み取り

保存された議事録の一覧

OBSERVE

read_minutes_audit_log

読み取り

保存監査ログの照会

リソースとプロンプト

種類

URIまたは名前

役割

Resource

note://{note_id}

会議メモの原文

Resource

template://minutes

標準議事録テンプレート

Resource

minutes://{note_id}

保存された議事録

Prompt

write_minutes

承認境界まで含めた議事録作成ワークフロー

ハーネス設計

このサーバーは機能だけでなく、モデルがツールを使う方法を設計対象としています。 詳細は実習5にあります。

  • すべての応答にstagenext_actionsがあり、モデルが応答だけを見て次のツールを選びます。

  • エラーは原因コード・復旧方法・選択可能な値を一緒に返します。

  • 引数スキーマはフラットに保ちます({"note_id": "..."})。Pydanticモデルを引数 型に使うと{"params": {...}}とネストされ、呼び出し形式が変わります。

  • 戻り値はPydanticモデルなので、outputSchemaが自動的に生成されます。

  • 確実な検査(構造)のみ保存を防ぎ、ヒューリスティック検査(根拠)は警告としてのみ通知します。

  • すべてのツールにreadOnlyHint / destructiveHintを付けて、書き込みツールを区別します。

Codex接続

パッケージルートで次のコマンドを実行します。

codex mcp add personal-meeting -- uv --directory "$PWD" run python src/meeting_mcp/server.py
codex mcp list

Codexアプリでは、Settings → MCP servers → Add serverからSTDIOサーバーとして追加することもできます。OpenAI公式ドキュメントによると、Codexアプリ、CLI、IDE拡張は同じホストのMCP設定を共有します。

Claude Desktop接続

config/claude_desktop_config.example.jsonABSOLUTE_PROJECT_PATHをこのフォルダーの絶対パスに置き換えてから、Claude Desktopの設定に反映します。アプリを完全に終了してから再起動する必要があります。

推奨実習プロンプト

personal-meeting MCP에서 사용 가능한 더미 회의 메모를 보여주세요.
training_design 메모를 읽고, 제공된 회의록 템플릿에 맞춰 초안을 작성하세요.
원문에 없는 담당자와 기한은 추정하지 마세요.
incident_review 메모에서 extract_note_facts로 ambiguity_flags를 먼저 확인하고,
확정되지 않은 항목은 전부 '미정'으로 남긴 회의록을 작성하세요.
작성한 회의록을 validate_minutes_draft와 check_minutes_grounding으로 검증하고,
통과하면 preview_save_minutes까지만 실행하세요. 저장은 아직 하지 마세요.

教育の進め方

  1. START_HERE.md

  2. 実習1: データとTool

  3. 実習2: 議事録プロンプト

  4. 実習3: 検証と承認

  5. 実習4: クライアント接続

  6. 実習5: ハーネスエンジニアリング

検証コマンド

uv run pytest -q
uv run python scripts/smoke_stdio.py
uv run python scripts/validate_package.py

設計原則

  • MCPは別途LLM APIを呼び出しません。

  • CodexまたはClaudeが要約し、MCPはデータ・検証・保存を担当します。

  • 原文で確認できない情報は生成せず、根拠チェッカーがそれを機械的に照合します。

  • 最終保存には、プレビューで発行した承認トークンとユーザーの明示的な承認の両方が必要です。

  • 承認トークンは(note_id, 本文)のハッシュなので、承認した内容と保存される内容が変わることはありません。

  • ドメインロジック(core, grounding)とツール規約(server, harness)を分離します。

  • 実際の教育では、顧客・役職員・契約関連のデータを使用しません。

参考

Install Server
A
license - permissive license
A
quality
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Certified SEC EDGAR fact memory for AI agents with zero hallucination and filing provenance.

  • Shared, permission-aware company context for AI agents, with provenance, approvals and audit.

  • Search recordings, summarize meetings, create clips, and automate workflows from your AI assistant.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/saewookkangboy/personal-meeting-mcp-training'

If you have feedback or need assistance with the MCP directory API, please join our Discord server