StitchAI MCPサーバー

「StitchAI」MCPサーバーとは？

StitchAI MCPサーバーは、Stitch AIのメモリ管理システムを支えるモデルコンテキストプロトコル（MCP）サーバー実装です。AIの分散型ナレッジハブとして機能し、AIアシスタントと外部データソース・API・サービスのシームレスな接続を可能にします。このサーバーを通じて、AIエージェントは「メモリ」と呼ばれる構造化情報を効率的に作成・取得・管理でき、コンテキスト認識や推論能力を向上させます。メモリ操作用のツール群を提供することで、洞察の保存、コンテキストデータの追跡、関連情報の取得といったワークフローを簡素化。これにより、開発者はよりコンテキスト認識型・双方向的・高度な情報処理が可能なAIソリューションを構築できます。

プロンプト一覧

利用可能なドキュメントやコード内にプロンプトテンプレートは見つかりませんでした。

リソース一覧

利用可能なドキュメントやコード内に明示的なMCP「リソース」は見つかりませんでした。

ツール一覧

• createMemory: 指定した内容とメタデータで新しいメモリをAIエージェントが作成します。
• getMemory: 識別子で指定した特定のメモリを取得し、保存情報を呼び戻します。
• listMemories: すべての利用可能なメモリを一覧表示し、ナレッジベース全体の把握ができます。
• deleteMemory: 識別子で指定した特定のメモリを削除し、メモリストアの管理や整理を行います。

本MCPサーバーのユースケース

• 長期コンテキスト管理: 複数回のやり取りやセッションをまたいで情報を保存・呼び出すことで、AIエージェントの継続性やユーザー体験を向上。
• エージェントナレッジベースの構築: 開発者がAIエージェント用の永続的な知識ベースを構築でき、高度な推論やコンテキスト追跡をサポート。
• データアノテーションや保存: 会話中の重要データや注釈を捉えて保存し、後から取得・参照可能。
• マルチエージェント協調メモリ: 複数のエージェントが共通のメモリプールを共有・管理し、協調的な知能を実現。
• メモリの整理・管理: メモリの削除や一覧表示ツールにより、コンテキストデータの効率的な管理・整理が可能。

セットアップ方法

Windsurf

1. Node.jsがシステムにインストールされていることを確認します。
2. Windsurfの設定ファイルを開きます。
3. mcpServersセクションにコマンドと引数つきでStitchAI MCPサーバーを追加します。
4. 設定を保存しWindsurfを再起動します。
5. サーバーが稼働しアクセス可能であることを確認します。

例: JSON

{
  "mcpServers": {
    "stitchai-mcp": {
      "command": "npx",
      "args": ["@stitchai/mcp-server@latest"]
    }
  }
}

Claude

1. Node.jsがインストールされていることを確認します。
2. Claudeの設定ファイルを探します。
3. mcpServersの下にStitchAI MCPサーバー設定を追加します。
4. 変更を保存してClaudeを再起動します。
5. Claudeのツールリストにサーバーが表示されているか確認します。

例: JSON

{
  "mcpServers": {
    "stitchai-mcp": {
      "command": "npx",
      "args": ["@stitchai/mcp-server@latest"]
    }
  }
}

Cursor

1. Node.jsが未インストールの場合はインストールします。
2. Cursorの設定または設定ファイルを開きます。
3. mcpServersオブジェクトにStitchAI MCPサーバーを追加します。
4. 保存してCursorを再起動します。
5. Cursorのインターフェースでサーバー接続をテストします。

例: JSON

{
  "mcpServers": {
    "stitchai-mcp": {
      "command": "npx",
      "args": ["@stitchai/mcp-server@latest"]
    }
  }
}

Cline

1. Node.jsがインストールされていることを確認します。
2. Clineの設定ファイルを編集します。
3. mcpServersにStitchAI MCPサーバーを追加します。
4. ファイルを保存してClineを再起動します。
5. ClineからStitchAI MCPサーバーが利用できるか確認します。

例: JSON

{
  "mcpServers": {
    "stitchai-mcp": {
      "command": "npx",
      "args": ["@stitchai/mcp-server@latest"]
    }
  }
}

APIキーのセキュアな管理

環境変数を使ってAPIキーやシークレットを安全にMCPサーバー設定へ注入してください。

例:

{
  "mcpServers": {
    "stitchai-mcp": {
      "command": "npx",
      "args": ["@stitchai/mcp-server@latest"],
      "env": {
        "API_KEY": "${API_KEY}"
      },
      "inputs": {
        "api_key": "${API_KEY}"
      }
    }
  }
}

FlowHuntでMCPをフローに組み込む方法

FlowHuntでMCPサーバーを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ます。システムMCP設定セクションで、下記JSON形式でMCPサーバー情報を入力します。

{
  "stitchai-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPサーバーの機能・能力をツールとして利用できるようになります。“stitchai-mcp"はご自身のMCPサーバー名に、URLは実際のMCPサーバーURLに置き換えてください。

概要

総評

StitchAI MCPサーバーは、メモリ管理に特化したツール群を備え、各種プラットフォームで簡単にセットアップできます。ただし、リソースやプロンプトの明確な定義がなく、サンプリングやrootsなどの機能もないため、より幅広いMCPワークフローへの柔軟性は限定されます。プロジェクトは新しく、コミュニティの普及も現段階では少ない状況です。

0〜10点評価では、コア機能と明確さで4点ですが、成熟度・拡張性・普及度は不足しています。

MCPスコア