AIコーディングツールやエージェントにAPI、サービス、ライブラリなどのドキュメントへのアクセスを提供するModelContextProtocolサーバーです。これはエージェントにドキュメントの最新情報を迅速かつトークン効率よく管理するためのワンストップショップです。

詳細は ref.tools をご覧ください。

まさに正しい文脈を求めるエージェント・サーチ

Refのツールは、できるだけ少ないコンテキストを使ったモデルの検索に合わせるよう設計されており、コンテキストの腐敗を減らすことができます。目標は、最小限のトークンを使いながら、コーディングエージェントが成功するために必要な正確なコンテキストを見つけることです。

プロンプトの複雑さによっては、Claude CodeのようなLLMコーディングエージェントは通常、1回以上の検索を行い、その後いくつかのリソースを選んでより深く読みます。

FigmaのComment REST APIに関する簡単なクエリでは、必要な情報を正確に得るために数回の呼び出しを行います。

より複雑な状況では、LLMは結果を読みながらプロンプトを洗練させようとします。例えば:

RefはMCPセッションを利用して検索の軌跡を追跡し、コンテキストの使用を最小限に抑えます。他にも多くのアイデアが生まれていますが、これまでに実装したものは以下の通りです。

1.検索結果のフィルタリング

Ref MCP

A ModelContextProtocol server that gives your AI coding tool or agent access to documentation for APIs, services, libraries etc. It’s your one-stop-shop to keep your agent up-to-date on documentation in a fast and token-efficient way.

For more see info ref.tools

Agentic search for exactly the right context

Ref’s tools are designed to match how models search while using as little context as possible to reduce context rot. The goal is to find exactly the context your coding agent needs to be successful while using minimum tokens.

Depending on the complexity of the prompt, LLM coding agents like Claude Code will typically do one or more searches and then choose a few resources to read in more depth.

For a simple query about Figma’s Comment REST API it will make a couple calls to get exactly what it needs:

SEARCH 'Figma API post comment endpoint documentation' (54 tokens)
READ https://www.figma.com/developers/api#post-comments-endpoint (385 tokens)

For more complex situations, the LLM will try to refine it’s prompt as it reads results. For example:

SEARCH 'n8n merge node vs Code node multiple inputs best practices' (126)
READ https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.merge/#merge (4961)
READ https://docs.n8n.io/flow-logic/merging/#merge-data-from-multiple-node-executions (138)
SEARCH 'n8n Code node multiple inputs best practices when to use' (107)
READ https://docs.n8n.io/code/code-node/#usage (80)
SEARCH 'n8n Code node access multiple inputs from different nodes' (370)
SEARCH 'n8n Code node $input access multiple node inputs' (372)
READ https://docs.n8n.io/code/builtin/output-other-nodes/#output-of-other-nodes (2310)

Ref takes advantage of MCP sessions to track search trajectory and minimize context usage. There’s a lot more ideas cooking but here’s what we’ve implemented so far.

1. Filtering search results

For repeated similar searches in a session, Ref will never return repeated results. Traditionally, you dig farther in to search results by paging to the next result but this approach allows the agent to page AND adjust the prompt at the same time.

2. Fetching the part of the page that matters