LLM Context MCP サーバー

「LLM Context」MCPサーバーは何をする？

LLM Context MCP サーバーは、AIアシスタントと外部コードやテキストプロジェクトをシームレスにつなぐために設計されたツールで、Model Context Protocol（MCP）を通じて開発ワークフローを強化します。.gitignoreパターンを活用した知的なファイル選択により、開発者は関連性の高いコンテンツを直接LLMチャットインターフェースに挿入したり、効率的なクリップボードワークフローを利用したりできます。これにより、コードレビューやドキュメント生成、プロジェクト探索などのタスクを、コンテキスト対応AIアシスタンスで効率的に実行可能です。LLM Contextは、コードリポジトリにもテキストドキュメントコレクションにも効果的で、プロジェクトデータとAIワークフローの橋渡し役として柔軟に活用できます。

プロンプト一覧

リポジトリ内に定義済みプロンプトテンプレートに関する情報は見つかりませんでした。

リソース一覧

提供ファイルやドキュメント内に明示的なリソースの記載はありません。

ツール一覧

リポジトリ構造内にserver.pyや同等のツール一覧ファイルは存在せず、公開ツールに関する情報も見つかりませんでした。

このMCPサーバーのユースケース

• コードレビュー自動化: 関連するコードセグメントをLLMインターフェースに挿入し、自動または支援付きのコードレビューを実現。
• ドキュメント生成: AIがプロジェクトファイルから直接ドキュメントにアクセスし要約生成を行う。
• プロジェクト探索: 開発者やAIエージェントが大規模なコードベースやテキストプロジェクトを迅速に把握できるよう、主要ファイルやアウトラインを抽出。
• クリップボードワークフロー: クリップボード経由でLLMとコンテンツを素早く共有し、チャットベースワークフローの生産性を向上。

セットアップ方法

Windsurf

1. Node.jsとWindsurfがインストールされていることを確認します。
2. Windsurfの設定ファイル（例: windsurf.config.json）を探します。
3. 以下のJSONスニペットでLLM Context MCPサーバーを追加します:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

4. 設定を保存し、Windsurfを再起動します。
5. Windsurf上でMCPサーバーが表示されているか確認します。

Claude

1. Node.jsをインストールし、ClaudeがMCP統合をサポートしていることを確認します。
2. Claudeの設定ファイルを編集し、MCPサーバーを追加します:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

3. ファイルを保存し、Claudeを再起動します。
4. ClaudeのMCP設定でサーバーが利用可能か確認します。

Cursor

1. Cursorエディタの前提条件をインストールします。
2. CursorのMCP設定ファイルを開きます。
3. LLM Context MCPサーバーを追加します:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

4. 変更を保存し、Cursorを再起動します。
5. MCPサーバーが動作しているか確認します。

Cline

1. Node.jsとClineをインストールします。
2. Clineの設定を編集し、MCPサーバーを登録します:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

3. 保存してClineを再起動します。
4. MCPサーバーが利用可能か確認します。

APIキーの保護

APIキーやシークレットを保護するため、環境変数を利用しましょう。設定例:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": [],
      "env": {
        "API_KEY": "${LLM_CONTEXT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${LLM_CONTEXT_API_KEY}"
      }
    }
  }
}

フロー内でのMCPの使い方

FlowHuntでMCPを使う

FlowHuntワークフローにMCPサーバーを統合するには、まずフローにMCPコンポーネントを追加し、AIエージェントと接続します。

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

{
  "llm-context": {
    "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、すべての機能にアクセス可能です。必ず"llm-context"をご自身のMCPサーバー名に、URLも自分のMCPサーバーURLに変更してください。

概要

上記2つの表から、このMCPサーバーは概要とセキュリティベストプラクティスはしっかりしていますが、プロンプト・リソース・ツールの明確なドキュメントは不足しています。そのため、基本的なコンテキスト共有ワークフローには有用ですが、MCPの高度な機能を最大限活用するにはさらなるドキュメント整備が求められます。

MCPスコア