Graftcode Impact Program: このプロジェクトは、Graftcode Impact Programへの参加を承認します。 Pythonサービス(記事検索とドラフトパイプライン)が直接から呼び出される TypeScript ダッシュボードと Graftcode による Node スクリプト ** REST レイヤーなし**: FastAPI ルートなし、Pydantic DTO なし、手書きのフェッチクライアントなし。

HTTP アダプターはありません。ブラウザは生成されたグラフをインポートし、ゲートウェイに話します。 直接。 MCPは、ゲートウェイのビルトインエンドポイントで、別のブリッジではありません。

Wayzyyのコンテンツエンジン用に構築されました。 必要はありません このリポジトリを実行するパイプライン: それなしで、受信機は demo モード でバンドルされたサンプルデータを実行します。

ピースが一緒に合う方法

実装ビデオMCPUSE

リポジトリには1つのPythonサービスと複数の使い方があります。 ダッシュボードとノード クライアントは、WebSocket 上で生成された Graft を使用します。MCP 互換のクライアントは Gateway を利用します。 組み込み HTTP エンドポイント。 それらはすべて同じ公開Pythonメソッドに到達します。

重要な境界は Python サービスです。 UI、スクリプト、AIアシスタントはクライアントです。 コンテンツロジックの別のコピーではなく、同じサービスの。

コンテンツワークフロー

Python ↔ TypeScript with Graftcode: a content-pipeline demo

Graftcode Impact Programme: this project is approved for participation in the Graftcode Impact Programme. A Python service (an article-research-and-drafting pipeline) called directly from a TypeScript dashboard and a Node script through Graftcode, with no REST layer: no FastAPI routes, no Pydantic DTOs, no hand-written fetch client.

 Browser (React) ── generated Graft ── WebSocket ─┐
 Node test script ─ generated Graft ──────────────┤
                                                  ▼
 Claude / Cursor ── MCP over HTTP ──────►  Graftcode Gateway ─► ArticlePipelineService (Python)
                                           :8080 ws · :8081 /mcp   plain public methods

There is no HTTP adapter: the browser imports the generated Graft and talks to the Gateway directly. MCP is the Gateway’s built-in endpoint, not a separate bridge.

It was built for Wayzyy’s content engine. You do not need that pipeline to run this repo: without it the receiver runs in demo mode on bundled sample data.

How the pieces fit together

Implementation video MCPUSE

The repository has one Python service and several ways to use it. The dashboard and Node client use the generated Graft over WebSocket; MCP-compatible clients use the Gateway’s built-in HTTP endpoint. They all reach the same public Python methods.

flowchart LR
    A[React dashboard] -->|generated GraftWebSocket :8080| G[Graftcode Gateway]
    B[Node.js client] -->|generated GraftWebSocket :8080| G
    C[Claude / Cursor] -->|MCP over HTTP/mcp :8081| G
    G --> S[ArticlePipelineServiceplain Python methods]
    S --> D[(Topics and drafts)]
    S --> P[Optional real pipelineresearch, writing, publishing]

The important boundary is the Python service. The UI, scripts, and AI assistants are clients of the same service rather than separate copies of the content logic.

The content workflow

The demo models an editorial workflow from an idea to a reviewable change. Sources and rules inform the draft, while the human review step remains the publishing gate.

flowchart LR
    I[Topic queue] --> R[RSS and web research]
    I --> K[Keyword research]
    R --> O[Outline]
    K --> O
    B[Existing blog] --> L[Style and rulebook]
    L --> O
    O --> W[Write draft]
    W --> E[SEO and style checks]
    E --> H{Human review}
    H -->|needs changes| W
    H -->|approved| PR[Stage GitHub PR]
    H -->|approved| X[Optional publisher]

The bundled receiver runs this flow in demo mode with sample data. Attaching the real article pipeline replaces the sample sources and placeholder writer with the project’s live research, LLM, and publishing integrations.

For the expanded diagrams and demo notes, see docs/architecture.md.