any-chat-completions-mcp MCPサーバー

「any-chat-completions-mcp」MCPサーバーの役割

any-chat-completions-mcp MCPサーバーは、AIアシスタントとOpenAI、Perplexity、Groq、xAI、PyroPromptsなどのOpenAI SDK互換Chat Completion APIの橋渡しをします。Model Context Protocol（MCP）に準拠しているため、外部のLLMプロバイダーを開発ワークフローにシームレスに統合できます。主な機能は、チャットベースの質問を設定したAIチャットプロバイダーへ中継することで、開発者はさまざまなLLMを好みの環境でツールとして活用可能です。これにより、プロバイダーの切り替えやLLM利用のスケールアップも簡単になり、AI活用の柔軟性と効率が向上します。

プロンプト一覧

リポジトリやドキュメント内にプロンプトテンプレートの記載はありません。

ビジネスを成長させる準備はできましたか？

今日から無料トライアルを開始し、数日で結果を確認しましょう。

デモをリクエスト ログイン

リソース一覧

リポジトリやREADMEに明示的なMCPリソースは記載されていません。

ツール一覧

• chat: 設定されたAIチャットプロバイダーへ質問を中継します。これがサーバーで唯一公開される主要ツールであり、LLMやクライアントが任意のOpenAI互換APIエンドポイントへチャットベースのクエリを送信できます。

ニュースレターに登録

最新のヒント、トレンド、お得な情報を無料で入手。

メールアドレス

登録する

このMCPサーバーの利用ケース

• 統合LLM: 単一のMCPサーバーで複数のLLMプロバイダーにアクセスでき、クライアント側のコードを変更せずにプロバイダー管理を簡素化。
• プロバイダー切り替え: OpenAIやPyroPrompts、Perplexityなどを環境変数の更新だけで手軽に切り替え可能。コスト最適化やバックアップ戦略にも便利。
• カスタムデスクトップAIエージェント: 高度なチャットベースLLMをデスクトップアプリ（例：Claude Desktop）に統合し、アシスタント機能を強化。
• 実験・ベンチマーク: 研究やQA、製品開発において、異なるLLMの出力を標準化された方法で迅速に比較。
• LLM用APIゲートウェイ: チャットメッセージを様々なLLM APIに安全にルーティングする軽量ゲートウェイとして機能し、APIキーやエンドポイント管理を一元化。

セットアップ方法

Windsurf

Windsurf向けの特定手順はリポジトリやドキュメントに記載されていません。

Claude

1. 前提条件: Node.jsとnpxがインストールされていることを確認してください。
2. 設定ファイルの場所: claude_desktop_config.jsonを編集します（MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json、Windows: %APPDATA%/Claude/claude_desktop_config.json）。
3. MCPサーバー追加: mcpServersオブジェクトの下にMCPサーバー設定を追加します。
4. 環境変数のセット: プロバイダーのAPIキーや情報をenvオブジェクトに入力します。
5. 保存と再起動: ファイルを保存し、Claude Desktopを再起動して変更を反映してください。

JSON例:

{
  "mcpServers": {
    "chat-openai": {
      "command": "npx",
      "args": [
        "@pyroprompts/any-chat-completions-mcp"
      ],
      "env": {
        "AI_CHAT_KEY": "OPENAI_KEY",
        "AI_CHAT_NAME": "OpenAI",
        "AI_CHAT_MODEL": "gpt-4o",
        "AI_CHAT_BASE_URL": "v1/chat/completions"
      }
    }
  }
}

APIキーの安全な管理（環境変数の利用）:

"env": {
  "AI_CHAT_KEY": "YOUR_PROVIDER_KEY"
}

Cursor

Cursor向けの特定手順はリポジトリやドキュメントに記載されていません。

Cline

Cline向けの特定手順はリポジトリやドキュメントに記載されていません。

フロー内でこのMCPを使う方法

FlowHuntでMCPを使う

MCPサーバーをFlowHuntワークフローに統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開きます。システムMCP設定セクションで、以下のJSON形式でMCPサーバー情報を入力します。

{
  "MCP-name": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPをツールとして利用でき、すべての機能・能力にアクセス可能となります。“MCP-name"は実際のMCPサーバー名（例：“github-mcp”、“weather-api"など）に、URLはご自身のMCPサーバーURLに置き換えてください。

概要

上記を踏まえ、any-chat-completions-mcpは、汎用的なOpenAI互換チャットAPIをツールとして追加するのに最適な、シンプルで特化型のMCPサーバーです。最大の強みはシンプルさと幅広い互換性ですが、リソースやプロンプトの抽象化機能はありません。日常的なLLM統合用途には堅牢ですが、パワーユーザー向けには更なる機能が求められるかもしれません。総合的には、一般用途で6/10と評価します。

MCPスコア