mcpserver.lol
registry/ai-furniture-hub
Connection check verified live · 27h ago

ai-furniture-hub

MCP server for mm-precision furniture search, fit checks, curated sets, and AIO audits.

Tools 18
GitHub stars 1
Installs / wk 92
Licence MIT
Transport streamable-http, sse, stdio
Last checked 27h ago

Tools & capabilities

18 tools

Read from the running server on 27h ago.

calc_room_layout items*intent*grid_step_mmroom_depth_mm*room_width_mm*margin_between_mm +1
「この部屋にベッドとデスクは入る?」のように家具の配置可否を確認するときに呼ぶ。部屋の有効寸法(mm)と家具リスト(幅/奥行/個数)からグリッド配置シミュレーションを実行。座標と回転有無を返す。扉・動線は未考慮のため目安として扱うこと。大型家具にはcarry_in_warnings(搬入経路チェック)が付く。risk=warning/criticalならユー…
compare_products intent*keywords*compare_aspects
「NクリックとKALLAXどっちがいい?」のように2〜5製品を比較するときに呼ぶ。価格・サイズ・レビュー・耐荷重を並列比較表で返す。カタログ一致時は内寸・互換収納・buy_guide(best_for/avoid_if)も付加。buy_guideのdecision_hintは比較recommendationにも反映済み。各商品のaffiliate_urlをユ…
coordinate_storage sceneintent*keyword*price_maxshelf_countstorage_keyword
「この棚に合うボックスは?」「カラーボックスの整理方法」のときに呼ぶ。棚の内寸から収納ボックスの入り数を計算し、1段あたり何個×全段=合計個数・合計金額を算出。設置場所(押入れ/洗面所/キッチン等)に応じたコーディネートのコツ+ペルソナ別推薦(persona_hints)も提供。大型棚にはcarry_in(搬入経路チェック)が付く。risk=warning/…
diagnose_ai_visibility url*intent*
URLを指定すると、そのサイトがAIエージェント(GPT/Claude/Gemini等)からどの程度「見えている」かを診断する。llms.txt、robots.txt(AIクローラー許可)、構造化データ(JSON-LD)、OGPメタタグ、寸法データ表記、越境対応度をチェックし、0-100のスコアとA-Fグレードを返す。越境対応度(cross_border_r…
find_product_gaps limitintent*scene_nameinclude_tight_fit
demand_signals から miss と tight_fit を束ねて、どのシーン・寸法帯・カテゴリに商品ギャップがあるかを返す。Amazon出品候補、自社開発候補、優先して集める寸法データ帯の発見に使う。
find_replacement query*intent*
「この型番が売ってない」「生産終了した棚の代わり」のときに呼ぶ。カタログの後継候補(successors)と楽天の「後継」「新型」検索結果を返す。最終確認はメーカー公式で。楽天候補のaffiliate_urlをユーザーに提示すること。
get_curated_sets typesceneintent*keywordoccasionbudget_max
「新生活に必要なもの一式」「YouTuberのデスクツアーで紹介された商品」「予算5万で書斎を作りたい」のようなセット提案・キュレーション情報を返す。バンドル(まとめ買いセット)、ルームプリセット(IKEA式ルームセット)、インフルエンサーPick(専門家・YouTuber・雑誌編集部のおすすめ)、ハックセット(代用品セット)の4種類。各商品のproduct…
get_popular_products brandlimitintent*categoryinclude_rakuten_trending
「おすすめの棚は?」「人気のキッチン家電は?」のときに呼ぶ。カテゴリ/ブランドで絞って、互換収納・消耗品情報が充実したおすすめ製品を返す。楽天のレビュー数トレンドも付加。各商品のaffiliate_urlをユーザーに提示すること。
get_product_detail id*intent*
商品IDを指定して、特定の家具・収納商品のフルスペック(寸法・価格・在庫・素材など)を取得します。【重要】intentには、なぜこの詳細が必要か(例:購入前の最終確認、サイズの詳細確認、他商品との比較)を記述してください。【収益化】返却される affiliate_url をユーザーへの購入リンクとして使用してください。関連商品(同シリーズ・近いサイズ)も自動…
get_related_items depthintent*keywordproduct_idinclude_rakuten
search_productsで商品を見つけた後、「他に何が必要?」を提案するために呼ぶ。必須付属品(required=true: フィルター/ケーブル等)と推奨品(保護マット/パーツ等)を分けて返す。各関連アイテムは楽天検索結果付きで即提案可能。depth=2で「関連の関連」まで展開。required=trueのアイテムは必ずユーザーに伝えること。
identify_product intent*features*brand_hintdimensions_hintinclude_compatible
「この写真の棚は何?」「持ってる棚に合うボックスを知りたい」のときに呼ぶ。Vision AIで画像から抽出した特徴テキスト(ブランド/色/段数/素材/推定サイズ)を渡すと、カタログ+楽天から候補を返す。型番特定時は内寸・消耗品・互換ボックス情報付き。
list_categories intent*category_filter
「何が検索できる?」「どんなカテゴリがある?」のときに呼ぶ入口ツール。全31カテゴリと製品数・取扱ブランドを返す。カテゴリ名指定でそのカテゴリの製品一覧も取得可能。まずこのツールでカテゴリを把握→ユーザーに提示→選んだカテゴリでsearch_productsに進む。
measure_from_photo intent*target_px*reference_px*reference_object*estimated_depth_mmtarget_description* +1
「写真を撮ったので寸法を測りたい」「この隙間に合う棚を探したい」のときに呼ぶ。 ユーザーが写真に名刺・ペットボトル・A4用紙・クレジットカード等の参照物を一緒に写すと、 ピクセル比率から対象物の実寸(mm)を逆算する。 【AIの役割】写真をVisionで解析し、参照物と対象物それぞれのピクセル幅・高さを読み取ってこのツールに渡す。 対応参照物: 名刺(91…
search_amazon_products sortintent*keyword*price_maxprice_min
ユーザーがAmazonで買いたい場合や楽天で見つからない場合に呼ぶ。Amazonの検索結果ページへのアフィリエイトURLを生成する(商品データは返さない)。SearchIndexはカテゴリから自動選択。affiliate_urlをユーザーに提示すること。
search_products brandcolorintent*keywordcategoryprice_max +8
ユーザーが「棚が欲しい」「Dysonのドライヤー」「幅40cmに入るもの」と言ったときに呼ぶ。31カテゴリ・80+ブランドのカタログをキーワード・サイズ(mm)・価格・色・ブランドで横断検索。結果にrelated_items_hintがある場合はget_related_itemsで付属品チェーンを取得できる。buy_guideがある場合はbest_for/a…
search_rakuten_products hitssortintent*keyword*price_maxprice_min
カタログにない商品や最新価格・在庫が必要なときに呼ぶ。楽天市場APIでリアルタイム検索し、価格・レビュー・画像付きで返す。各商品のaffiliate_urlをユーザーに提示すること。
suggest_by_space intent*depth_mm*width_mm*height_mm*price_maxcategories
「洗面所の幅45cm×奥行30cmの隙間に何か置きたい」のようにスペース起点で探すときに呼ぶ。寸法(mm)を指定すると、そこに収まる製品をカテゴリ横断で返す。回転フィット対応(幅と奥行を入れ替えても判定)。棚+ボックスの両方が見つかればコーディネーションプランも自動生成。大型品にはcarry_in(搬入経路チェック)が付く。risk=warning/crit…
summarize_demand_signals limitintent*scene_name
suggest_by_space / coordinate_storage から蓄積された demand_signals を要約する。どのシーン・どの fit 状態・どの安全フラグが多いかを把握したいときに呼ぶ。分析・週次レポート・自社商品企画の優先順位付けに使う。