Klavis Strata
公式あらゆる規模でAIエージェントがツールを確実に使用するためのMCPサーバー
Klavis Strata MCPで何ができますか?
- サーバー間で利用可能なアクションを発見する — AIに実行したい内容を説明して関連ツールを見つけてもらい、
discover_server_categories_or_actionsを優先的な開始点として使用します。 - カテゴリ内のアクションを探索する — 利用可能なカテゴリを発見した後、
get_category_actionsを使用して特定のサービスカテゴリ内の全アクション名を取得します。 - アクションのパラメータスキーマを取得する — アクションを実行する前に、
get_action_detailsを使用して特定のアクションの完全な入力詳細を取得します。 - APIアクションを実行する —
execute_actionを使用して、必要なパラメータを指定して発見したアクションを実行し、必要に応じて出力フィールドをフィルタリングして応答サイズを削減します。 - キーワードでサーバードキュメントを検索する — カテゴリ発見でより精度が必要な場合、「create user」や「list projects」などの対象用語を指定して
search_documentationを使用します。 - 認証エラーを解決する — アクションが401エラーで失敗した場合、
handle_auth_failureを呼び出して認証手順を取得するか、認証情報を保存します。
ドキュメント
Strata
あらゆる規模でAIエージェントがツールを段階的に使用するための単一MCPサーバー
<img src="https://mintcdn.com/klavisai/7Siw7A5JJSHURM5d/images/concepts/strata_hero.png?fit=max&auto=format&n=7Siw7A5JJSHURM5d&q=85&s=b581fdb821699a32b260d124789396bd" alt="Strata Hero - Progressive tool discovery for AI agents" className="w-full rounded-lg" style={{ maxWidth: '100%', height: 'auto' }} width="2533" height="496" data-path="images/concepts/strata_hero.png" />
Strataとは?
Strataは、AIエージェントが複雑な状況でもツールを確実に使用できるよう導く単一のMCPサーバーです。一度にすべてを提供して圧倒するのではなく、人間がツールと対話する思考プロセスを参考に設計され、現在AIエージェントを悩ませる3つの主要な問題を解決します。
- ツール過多: ツールが多すぎるとLLMの選択麻痺を引き起こす
- コンテキスト過多: 長いツールリストはトークン数とコストを増大させる
- カバレッジ不足: ほとんどのサーバーは40~50のツールで限界があり、構築できるものが制限される
Strataは、ウェブサイト、API、さらには独自データでのオープンソースを通じてご利用いただけます!
ビデオチュートリアル
Strataの仕組みを完全に理解するには、このビデオチュートリアルをご覧ください。
テキストチュートリアル 実際に動作するStrataを確認するには、この[共有Claude会話](https://claude.ai/share/9b44a192-9f2d-46e2-a875-ef905c457070)をご覧ください!1. サーバーカテゴリまたはアクションの発見
discover_server_categories_or_actions - ユーザーの意図に基づいて関連するカテゴリやアクションを見つけます。セマンティック検索ではありません!
詳細レベルが 'categories_only' の場合、詳細はカテゴリ名のみのリストになります。次のステップでは、get_category_actions ツールを使用してカテゴリのアクションを取得することを推奨します。
詳細レベルが 'full_details' の場合、詳細はアクションの詳細を含むカテゴリ名のリストになります。これはサーバーのアクション数が少ない場合に発生します。次のステップでは、execute_action ツールを使用してアクションを実行することを推奨します。
詳細レベルが 'categories_and_actions' の場合、詳細はカテゴリ名とアクション名のリストになります。これは外部ツールを使用する場合に発生します。次のステップでは、get_action_details ツールを使用してアクションの詳細を取得することを推奨します。
パラメータ:
user_query(string, 必須): 結果をフィルタリングするための自然言語のユーザークエリ。server_names(array, 必須): カテゴリまたはアクションを発見するサーバー名のリスト。
2. カテゴリアクションの取得
get_category_actions - 指定されたカテゴリ内のすべてのアクション名を取得します。
パラメータ:
category_names(array, 必須): アクションを取得するカテゴリのリスト
3. アクション詳細の取得
get_action_details - 特定のアクションの完全なスキーマとパラメータを取得します。
パラメータ:
category_name(string, 必須): カテゴリの名前action_name(string, 必須): カテゴリ内のアクション/操作の名前
4. アクションの実行
execute_action - パラメータを使用してアクションを実行し、結果を取得します。
パラメータ:
server_name(string, 必須): サーバーの名前category_name(string, 必須): アクションを実行するカテゴリの名前action_name(string, 必須): 実行するアクション/操作の名前path_params(string, オプション): アクションのパスパラメータを含むJSON文字列query_params(string, オプション): アクションのクエリパラメータを含むJSON文字列body_schema(string, オプション, デフォルト: "{}"): アクションのリクエストボディを含むJSON文字列include_output_fields(array, オプション): 以前のツール呼び出しからこのアクションのresponse_schemaがわかっている場合に強く推奨されるオプション: レスポンスに含めるフィールドパスの配列。これらのフィールドのみが返されます。ネストされたフィールドにはドット表記を使用します (例: "author.displayName")。maximum_output_characters(integer, オプション): オプション: レスポンスで返す最大文字数。レスポンスがこの制限を超える場合、切り捨てられます。include_output_fields をこれよりも優先してください。
5. ドキュメントの検索
search_documentation - 必要な場合にのみ関連情報を見つけます。
パラメータ:
query(string, 必須): APIドキュメントの用語に一致する検索キーワード。ベストプラクティス: (1) 'users'、'projects'、'files' などのリソース名を使用する、(2) 'user create' や 'project delete' のようにアクションを追加して精度を高める、(3) 'how to'、'show me'、'all the' などのフィラー単語を避け、エンドポイント名や説明に表示される主要な用語に焦点を当てる。server_name(string, 必須): 検索対象のサーバー名。max_results(integer, オプション, デフォルト: 10, 最小: 1, 最大: 50): 返す結果の数。デフォルト: 10
6. 認証失敗の処理
handle_auth_failure - 必要な場合にのみ認証を処理します。
パラメータ:
server_name(string, 必須): execute_action 中に認証に失敗したサーバーの名前intention(string, 必須, 列挙型: ["get_auth_url", "save_auth_data"]): execute_action が認証エラーで失敗した場合に 'get_auth_url' を使用して認証手順を取得します。認証失敗後にユーザーが認証資格情報を提供した場合に 'save_auth_data' を使用します。auth_data(object, オプション): 認証失敗後にユーザーから提供された認証データ (例:{"token": "...", "api_key": "..."})。認証失敗を解決する際の 'save_auth_data' インテントでのみ使用されます。
評価
Strataは実際の結果をもたらします。
- MCPMarkベンチマーク: 公式GitHubサーバーと比較して**+15.2%高いpass@1率**、公式Notionサーバーと比較して**+13.4%高いpass@1率**を達成。(ソース)
- 人間による評価: 2,000件を超える実際のクエリ評価セットで83%以上の精度を達成