Whale Tracker MCPサーバー

「Whale Tracker」MCPサーバーとは？

whale-tracker-mcpサーバーは、Pythonで実装されたModel Context Protocol（MCP）サーバーで、AIアシスタントとWhale Alert APIを接続し、「クジラ」と呼ばれる大規模な暗号通貨取引のリアルタイム追跡と分析を可能にします。MCP対応クライアント向けにツールやリソース、プロンプトテンプレートを公開し、開発者・アナリスト・暗号通貨愛好家がLLMワークフロー内で主要なブロックチェーン送金を直接モニタリングできます。非同期API呼び出しやリソース公開、安全なAPIキー管理などの機能により、whale-tracker-mcpはAI駆動開発を支援し、最新のクジラ活動をコンテキスト情報や自動分析、ワークフロー自動化に活用できます。

プロンプト一覧

• query_whale_activity: クジラ取引パターン分析用の再利用可能なプロンプトテンプレート（ブロックチェーン指定も可能）。

リソース一覧

• whale://transactions/{blockchain}: 指定ブロックチェーンの最新クジラ取引をLLMやクライアント向けコンテキストデータとして公開。

ツール一覧

• get_recent_transactions: ブロックチェーンや最小取引額、取得件数でフィルタ可能な最新クジラ取引取得ツール。
• get_transaction_details: 取引ID指定で特定のクジラ取引の詳細を取得。

このMCPサーバーのユースケース

• リアルタイムクジラ監視: 開発者やアナリストが、複数ブロックチェーン上の大規模取引をリアルタイムに追跡し、市場センチメント分析や取引戦略に活用。
• クジラパターン分析: AIアシスタントが過去・現在の取引データを分析し、クジラ行動の傾向や異常を特定。
• 自動アラート＆レポーティング: ワークフローツールと連携し、重要なクジラの動きを検知した際にユーザーへ通知や自動アクションを実行。
• ブロックチェーン別追跡: BitcoinやEthereumなど特定チェーンに絞ったクジラ活動モニタリングでリサーチやリスク評価をサポート。
• LLM搭載アプリの強化: クジラ取引データをコンテキスト情報として供給し、トレーディング・コンプライアンス・分析系AIアプリの出力や推論精度を向上。

セットアップ方法

Windsurf

1. Node.jsとWindsurfをインストールしてください。
2. Windsurfの設定ファイル（例：windsurf.config.json）を見つけます。
3. 設定ファイルのmcpServersセクションにWhale Tracker MCPサーバーを追加します:

   {
     "mcpServers": {
       "whale-tracker": {
         "command": "python",
         "args": ["-m", "whale-tracker-mcp"]
       }
     }
   }
   

4. 設定を保存しWindsurfを再起動します。
5. サーバーがWindsurf内で動作・アクセス可能か確認してください。

APIキーのセキュリティ

Whale Alert APIキーは環境変数で設定します:

{
  "env": {
    "WHALE_ALERT_API_KEY": "<your_api_key_here>"
  }
}

Claude

1. Node.jsとClaude Desktopをインストールしてください。
2. Claude Desktopの設定（通常はclaude.config.json）を開きます。
3. 下記のようにWhale Tracker MCPサーバーを追加します:

   {
     "mcpServers": {
       "whale-tracker": {
         "command": "python",
         "args": ["-m", "whale-tracker-mcp"]
       }
     }
   }
   

4. 設定を保存しClaude Desktopを再起動します。
5. ツールリストにwhale-trackerが表示されているか確認してください。

APIキーのセキュリティ

環境変数エントリを利用します:

{
  "env": {
    "WHALE_ALERT_API_KEY": "<your_api_key_here>"
  }
}

Cursor

1. Node.jsとCursorをインストールします。
2. Cursorの設定ファイル（例：cursor.config.json）を開きます。
3. Whale Tracker MCPサーバーを登録します:

   {
     "mcpServers": {
       "whale-tracker": {
         "command": "python",
         "args": ["-m", "whale-tracker-mcp"]
       }
     }
   }
   

4. 設定を保存しCursorを再起動します。
5. Cursorインターフェースでサーバーが利用可能か確認してください。

APIキーのセキュリティ

APIキーを安全に追加:

{
  "env": {
    "WHALE_ALERT_API_KEY": "<your_api_key_here>"
  }
}

Cline

1. Node.jsとCline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（例：cline.config.json）を開きます。
3. mcpServersブロックにWhale Tracker MCPサーバーを追加します:

   {
     "mcpServers": {
       "whale-tracker": {
         "command": "python",
         "args": ["-m", "whale-tracker-mcp"]
       }
     }
   }
   

4. 保存してClineを再起動します。
5. サーバーが登録されていることを確認してください。

APIキーのセキュリティ

APIキーを環境変数で設定:

{
  "env": {
    "WHALE_ALERT_API_KEY": "<your_api_key_here>"
  }
}

フロー内でのMCPの使い方

FlowHuntでのMCP利用

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、システムMCP設定欄に以下のJSONフォーマットでMCPサーバー情報を入力します。

{
  "whale-tracker": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはこのMCPのすべての機能と能力をツールとして使えるようになります。 “whale-tracker"は実際のMCPサーバー名に、URLはご自身のMCPサーバーURLに置き換えてください。

概要

私見：Whale Tracker MCPは暗号クジラ追跡に特化し、ツール・プロンプト・リソース公開も明確でドキュメントもしっかりしています。セットアップやセキュリティ手順もMCP環境向けに丁寧です。rootsやsamplingの記載はありません。プロジェクトはメンテナンスされており、スターやフォークもありMITライセンスです。評価は7/10：目的・ドキュメント面は強いが、高度なMCP機能は未記載。

MCPスコア