# AI Furniture & Home Product Hub MCP server

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

## Links
- Registry page: https://www.getdrio.com/mcp/io-github-one8943-ai-furniture-hub
- Repository: https://github.com/ONE8943/ai-furniture-hub

## Install
- Endpoint: https://ai-furniture-hub.onrender.com/mcp
- Auth: Not captured

## Setup notes
- Remote endpoint: https://ai-furniture-hub.onrender.com/mcp
- Remote endpoint: https://ai-furniture-hub.onrender.com/sse

## Tools
- search_products (家具・家電・ガジェット商品を検索) - 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/avoid_ifをユーザーに伝えて購入判断を助けること。seasonal_hints/active_salesがある場合はセール情報を伝えること。色はエイリアス対応（白→ホワイト/アイボリー等）。各商品のaffiliate_urlをユーザーに提示すること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- get_product_detail (家具・収納商品の詳細情報を取得) - 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）も自動で提案されます。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- search_rakuten_products (楽天市場から家具・収納商品を検索) - 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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- search_amazon_products (Amazonで家具・収納商品を検索（URL生成）) - 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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- coordinate_storage (棚＋収納ボックスのコーディネート提案（個数計算付き）) - 「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/criticalならユーザーに搬入注意を伝えること。各商品のaffiliate_urlをユーザーに提示すること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- suggest_by_space (空きスペースに入る製品をカテゴリ横断で提案) - 「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/criticalならユーザーに搬入注意を伝えること。各商品のaffiliate_urlをユーザーに提示すること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- measure_from_photo (写真＋参照物から家具・スペースの寸法を推定) - 「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(91×55mm)、クレジットカード(85.6×54mm)、ペットボトル500ml(65×205mm)、A4用紙(210×297mm)、500円玉(∅26.5mm)、1円玉(∅20mm)、スマホ(71.5×147mm)、ティッシュ箱(240×115mm)、30cm定規、ボールペン(140mm)

結果のsearch_dimensionsをそのままsuggest_by_spaceやcoordinate_storageに渡せば、写真→寸法→商品マッチングが完結する。
信頼度が低い場合は「メジャーで実測を」と伝えること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- identify_product (写真・特徴テキストから製品を特定（型番・内寸・消耗品情報付き）) - 「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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- compare_products (製品比較（価格・サイズ・レビュー・耐荷重を並列比較）) - 「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をユーザーに提示すること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- find_replacement (廃番・旧型の後継・代替品を探す) - 「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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- calc_room_layout (部屋の床面に家具が収まるか簡易シミュレーション) - 「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ならユーザーに搬入注意を伝えること。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- list_categories (製品カテゴリ一覧) - 「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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- get_popular_products (人気・おすすめ製品（カテゴリ/ブランド別）) - 「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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- summarize_demand_signals (寸法需要ログの要約) - 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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- find_product_gaps (未充足需要・きつい寸法帯の抽出) - 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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- get_related_items (関連アイテムチェーン（一緒に買うべき付属品・保護材・パーツ）) - 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。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- diagnose_ai_visibility (AI可視性診断（AIO診断）) - 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_readiness)は海外AIエージェントへの可視性を評価。AIOエージェンシーのデモとして「御社の商品、AIからこう見えています」と提示できる。 Endpoint: https://ai-furniture-hub.onrender.com/mcp
- get_curated_sets (キュレーション済みセット提案（バンドル/ルームプリセット/インフルエンサーPick/ハックセット）) - 「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_idsでget_product_detailやsearch_rakuten_productsを呼べば詳細と購入リンクが得られる。 Endpoint: https://ai-furniture-hub.onrender.com/mcp

## Resources
- furniture-hub://llms.txt
- furniture-hub://llms-full.txt

## Prompts
- photo_to_furniture - Arguments: target, reference
- room_coordinator - Arguments: room, width_mm, depth_mm, height_mm, budget
- moving_checklist - Arguments: room_type, priority
- product_showdown - Arguments: product_a, product_b, use_case

## Metadata
- Owner: io.github.ONE8943
- Version: 6.3.0
- Runtime: Sse, Streamable Http
- Transports: HTTP
- License: Not captured
- Language: Not captured
- Stars: Not captured
- Updated: Apr 14, 2026
- Source: https://registry.modelcontextprotocol.io