コンテンツにスキップ

MCP ツールリファレンス

Koharu は次の MCP ツール群を公開しています。

http://127.0.0.1:<PORT>/mcp

これらのツールは、GUI や HTTP API と同じランタイム状態に対して動作します。

全般的な挙動

実装上、重要な点は次の通りです。

  • 画像を扱うツールは、テキストとインライン画像コンテンツの両方を返せる
  • open_documents は現在のドキュメント集合を追加ではなく置き換える
  • process はフルパイプラインを開始するが、自身では進捗をストリームしない
  • llm_load と process は現在ローカルモデル寄りの引数を受け付けており、HTTP API の全フィールドは公開していない

確認系ツール

Tool 役割 主な引数
app_version アプリバージョンを取得する なし
device ML デバイスや GPU 関連情報を取得する なし
get_documents 読み込み済みドキュメント数を取得する なし
get_document 1 件のドキュメント情報と text block を取得する index
list_font_families 利用可能な render font を一覧する なし
llm_list 翻訳モデル一覧を取得する なし
llm_ready LLM が現在読み込まれているか確認する なし

画像とブロックのプレビュー系ツール

Tool 役割 主な引数
view_image ドキュメント全体のレイヤーをプレビューする index, layer, 任意で max_size
view_text_block 1 つの切り出し text block をプレビューする index, text_block_index, 任意で layer

view_image で使える layer:

  • original
  • segment
  • inpainted
  • rendered

view_text_block で使える layer:

  • original
  • rendered

ドキュメント読み込みと export 系ツール

Tool 役割 主な引数
open_documents ディスク上の画像ファイルを読み込み、現在の集合を置き換える paths
export_document rendered document をディスクへ書き出す index, output_path

open_documents はアップロード済みファイル blob ではなく、ファイルシステムパスを受け取ります。

export_document が現在書き出せるのは rendered image だけです。PSD export は HTTP API では使えますが、専用の MCP ツールはまだありません。

パイプライン系ツール

Tool 役割 主な引数
detect テキスト検出とフォント推定を実行する index
ocr 検出済みブロックに OCR をかける index
inpaint 現在の mask を使って文字を除去する index
render 翻訳済みテキストをページに描き戻す index, 任意で text_block_index, shader_effect, font_family
process detect -> OCR -> inpaint -> translate -> render をまとめて開始する 任意で index, llm_model_id, language, shader_effect, font_family

process は粗粒度の convenience tool です。より細かな制御や切り分けが必要なら、各段階ツールを個別に使ってください。

LLM 系ツール

Tool 役割 主な引数
llm_load 翻訳モデルを読み込む id, 任意で temperature, max_tokens, custom_system_prompt
llm_offload 現在のモデルをアンロードする なし
llm_generate 1 ブロックまたは全ブロックを翻訳する index, 任意で text_block_index, language

llm_generate を使うには、事前に LLM が読み込まれている必要があります。

Text-block 編集系ツール

Tool 役割 主な引数
update_text_block テキスト、翻訳、box geometry、style を patch する index, text_block_index, 任意で text / style フィールド
add_text_block 空の text block を追加する index, x, y, width, height
remove_text_block 1 つの text block を削除する index, text_block_index

現在の update ツールで変更できるのは次です。

  • translation
  • x
  • y
  • width
  • height
  • font_families
  • font_size
  • color
  • shader_effect

Mask とクリーンアップ系ツール

Tool 役割 主な引数
dilate_mask 現在の text mask を膨張させる index, radius
erode_mask 現在の text mask を縮小する index, radius
inpaint_region 特定矩形だけ再 inpaint する index, x, y, width, height

これらは、自動生成された segmentation mask が惜しいところまで来ているが、手動調整がまだ必要な場合に便利です。

推奨されるプロンプトフロー

エージェントを安定して動かすには、次の順番が扱いやすいです。

  1. open_documents
  2. get_documents
  3. detect
  4. ocr
  5. get_document
  6. llm_load
  7. llm_generate
  8. inpaint
  9. render
  10. view_image
  11. export_document

問題のある block を確認したい場合は、エージェントにレイアウトや翻訳を直させる前に view_text_block を使ってください。

関連ページ