②：手札を１枚墓地へ送って発動できる。デッキから「ホルス」モンスター１体を墓地へ送る。

②：このカードが効果で墓地へ送られた場合に発動できる。(中略) 融合召喚する。

from google.cloud import bigquery

(中略)
self.client = bigquery.Client(project=project_id)
(中略)
errors = self.client.insert_rows_json(
 self.table_ref,
 batch,
 row_ids=[str(row['card_id']) for row in batch]
)
...

uvx create-mcp-server

# server.py
(中略)
from .bigquery_client import BigqueryClient

server = Server("card_server")

project_id = "xxx"
dataset_id = "yugioh_dataset"
embedding_table = "card_embeddings"
location = "us-central1"


os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/path/to/credential.json"
inquirer = BigqueryClient(
 project_id=project_id,
 dataset_id=dataset_id,
 location=location
)

(中略)

# ↓はボイラーテンプレートで作成される部分をname:get-cards, word:検索文字列で受けられるようにしている
@server.call_tool()
async def handle_call_tool(
 name: str, arguments: dict | None
) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
 if name != "get-cards":
 raise ValueError(f"Unknown tool: {name}")

 if not arguments:
 raise ValueError("Missing arguments")

 word = arguments.get("word")
 if not word:
 raise ValueError("Missing word")

 data = await fetch_relative_cards(word)

 return [
 types.TextContent(
 type="text",
 text=json.dumps(data, indent=2),
 )
 ]

@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
 """
 List available tools.
 Each tool specifies its arguments using JSON Schema validation.
 """
 return [
 types.Tool(
 name="get-cards",
 description="Get relative cards",
 inputSchema={
 "type": "object",
 "properties": {
 "word": {"type": "string"},
 },
 "required": ["word"],
 },
 )
 ]

# 新規追加
async def fetch_relative_cards(word: str) -> dict[str, any]:
 # inquirerを使ってカード情報を取得
 similar_cards = inquirer.get_similar_cards(word, embedding_table)

 # レスポンス形式に変換
 res = {"cards": []}
 for card in similar_cards:
 res["cards"].append({
 "name": f"card_{card.card_id}",
 "content": card.card_info,
 "similarity": card.similarity
 })

 return res

from dataclasses import dataclass
from typing import List
import os
from pathlib import Path
from langchain_google_vertexai import ChatVertexAI
from google.cloud import bigquery

@dataclass
class CardInfo:
 card_id: int
 card_info: str
 similarity: float

class BigqueryClient:
 def __init__(self, project_id: str, dataset_id: str, location: str = "us-central1"):
 """
 GeminiRAGInquirer初期化
 Args:
 project_id: GCPプロジェクトID
 dataset_id: BigQueryデータセットID
 location: VertexAI APIのロケーション
 """
 self.project_id = project_id
 self.dataset_id = dataset_id
 self.client = bigquery.Client(project=project_id)
 self.embedding_model = "embedding_model"

 def escape_string_for_sql(self, s: str) -> str:
 """SQLクエリ用に文字列をエスケープする"""
 # 文字列内の改行を空白に置換
 s = s.replace('\n', ' ')
 # バックスラッシュをエスケープ
 s = s.replace('\\', '\\\\')
 # シングルクォートをエスケープ
 s = s.replace("'", "\\'")
 # ダブルクォートをエスケープ
 s = s.replace('"', '\\"')
 return s

 def get_similar_cards(self, question: str, embedding_table: str, top_k: int = 10) -> List[CardInfo]:
 escaped_question = self.escape_string_for_sql(question)

 job_config = bigquery.QueryJobConfig(
 query_parameters=[
 bigquery.ScalarQueryParameter("question", "STRING", escaped_question),
 ]
 )

 query = f"""
 WITH 
 -- 質問文をベクトル化
 question_embedding AS (
 SELECT *
 FROM ML.GENERATE_TEXT_EMBEDDING(
 MODEL `{self.project_id}.{self.dataset_id}.{self.embedding_model}`,
 (SELECT @question AS content),
 STRUCT(TRUE AS flatten_json_output)
 )
 ),
 -- カード情報との類似度計算
 similarity AS (
 SELECT 
 card_id,
 card_info,
 ML.DISTANCE(q.text_embedding, c.embedding, 'COSINE') as vector_distance
 FROM question_embedding q
 CROSS JOIN `{self.project_id}.{self.dataset_id}.{embedding_table}` c
 )
 SELECT 
 card_id,
 card_info,
 ROUND(1 - vector_distance, 4) as similarity_score
 FROM similarity
 WHERE vector_distance < 1
 ORDER BY vector_distance
 LIMIT {top_k}
 """

 similar_cards = [
 CardInfo(
 card_id=row.card_id,
 card_info=row.card_info,
 similarity=row.similarity_score
 )
 for row in self.client.query(query, job_config=job_config)
 ]

 return similar_cards

{
 "mcpServers": {
 "brave-search": {
 "command": "/Users/username/.anyenv/envs/nodenv/shims/npx",
 "args": [
 "-y",
 "@modelcontextprotocol/server-brave-search"
 ],
 "env": {
 "BRAVE_API_KEY": "xxx"
 }
 },
 "card_server": {
 "command": "uv",
 "args": [
 "--directory",
 "/Users/username/projects/mcp-playground/mcp-server-python",
 "run",
 "card-server"
 ]
 }
 }
}

遊戯王デュエルモンスターズというカードゲームのルールに関する以下の質問に回答してください。
質問の中にはカード名が含まれる可能性が高いです。
カード名だと思われる言葉があれば、関連度の高いカード情報を取得してください。
その情報はカードの詳細情報が含まれているので参考にしてください。

また、日本語の文脈と異なる遊戯王独自の文脈があることに注意してください。
braveで遊戯王wikiの間違えやすいルールを検索して、ルールを詳細に把握してください。

また、回答する情報については根拠と理由を示してください。

質問: 『王の棺』の以下の効果
②：手札を１枚墓地へ送って発動できる。デッキから「ホルス」モンスター１体を墓地へ送る。
で手札の『ティアラメンツ・シェイレーン』を墓地に送った場合に、『ティアラメンツ・シェイレーン』の以下の効果
②：このカードが効果で墓地へ送られた場合に発動できる。(中略) 融合召喚する。
が発動するか?

カードテキストとルール検索の結果から、この質問に対する回答を整理します。
重要な点は以下の通りです：

『王の棺』の効果


手札を1枚墓地へ送るのはコストとして発動する効果です
デッキから「ホルス」モンスターを墓地へ送るのが効果の処理です


『ティアラメンツ・シェイレーン』の効果


「このカードが効果で墓地へ送られた場合に発動できる」というのが発動条件です


遊戯王における「コスト」と「効果」の区別


コストは効果の発動のために必要な代価であり、効果処理の一部ではありません
コストで墓地へ送られた場合は「効果で墓地へ送られた」とはみなされません

結論：
『王の棺』の②の効果で手札の『ティアラメンツ・シェイレーン』を墓地へ送った場合、これはコストとして送られているため、『シェイレーン』の②の効果は発動できません。
理由：

『王の棺』の効果文で「手札を1枚墓地へ送って発動できる」という部分はコストを示しています
コストで墓地へ送られたカードは「効果で墓地へ送られた」とはみなされないというのが遊戯王のルールです
『シェイレーン』の発動条件である「効果で墓地へ送られた場合」を満たしていないため、効果を発動することはできません

このような判断は、遊戯王OCGにおける「コスト」と「効果」の区別に関する基本的なルールに基づいています。カードを墓地へ送る処理が効果なのかコストなのかを正確に判断することは、適切なカードプレイのために重要です。