サンプル

examples/ 配下に2つの実行可能なサンプルがあります — どちらもDataCore内部のコードではなく、 下流の利用者です: 外部システムが使うのと同じREST API (Llamaの例ではMCPサーバーも) しか使いません。

GitHubポートフォリオ (Gemini併用)

ライブデモ · English · ソースコード: examples/github-portfolio

GitHubプロフィールを GITHUB_REPO リソースとして登録し、実際の github-profile-scanner プラグインに スキャンさせます (リポジトリのメタデータ、README の内容、そして上位リポジトリについては実際の package.json/pom.xml/Dockerfile の内容まで — プラグインの作り方 を参照)。その上で:

• その実データをGeminiに渡し、ポートフォリオの文章 (タグライン、経歴、スキル、プロジェクトごとの ハイライト) を作成させます — 実際にスキャンされた内容のみに基づいており、何も創作しません。
• 上位リポジトリのREADMEをそれぞれ独自の MARKDOWN リソースとしても登録するため、DataCoreの markdown-summarizer → vector-embedder → qdrant-register パイプラインが実際の SUMMARY/VECTOR 成果物を生成します — プラグインとしてのストレージ を参照。
• そのデータからセマンティック検索インデックスを構築し、**「私の仕事について質問する」**検索ボックスを 提供します — 学習データから即興で答えるチャットボットではなく、実際のDataCore処理済みデータに対する 本物の検索拡張生成 (RAG) です。
• 2タブのミニサイトを生成します: ポートフォリオ (生成されたページ) と DataCoreリソース (このスキャンで実際に扱われたすべてのリソース/成果物を、Core APIが報告する通りに表示 — モックの デモではなく、実際に何が実行されたかへの完全な透明性)。
• 1回の実行で英語版と日本語版の両方を生成します。

これは完全に任意で後付けされたレイヤーです — DataCore自体にAI依存はありません。これは下流の利用者が Geminiを追加することを選んだ一例に過ぎません。ローカルでの実行方法 (npm start)、配信方法 (npm run serve)、そして検索機能付きで公開する前に読むべき「コスト・悪用対策」については、 サンプル自身のREADMEを参照してください。

Llama + Ollama MCPクライアント

ソースコード: examples/llama-mcp-client

DataCoreのMCPサーバーがClaudeだけでなくあらゆるツール呼び出し対応 クライアントで動作することを証明する小さなデモです — OllamaのOpenAIスタイル tools/tool_calls APIを通じてローカルのLlamaモデルを動かし、実際に稼働しているDataCoreインスタンスに 対してMCPサーバーのツール (list_resources、search_resources、get_resource、 get_artifact_content) を呼び出させて質問に答えさせます。LLM Accessトグルの動作も実際に示します: あるリソースのトグルをオフにして名前で質問すると、モデルはそのリソースの内容ではなく拒否結果を 受け取ります — このゲートが単なるドキュメント上の説明ではなく実際に機能している証拠です。

セットアップ (Ollamaとツール呼び出し対応モデル) と使い方は、サンプル自身のREADMEを参照してください。