AI Furniture & Home Product Hub

REMOTE · AI-FURNITURE-HUB.ONRENDER.COM · 2 COMPONENTS · SCANNED AUG 3

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

Available components

remote · ai-furniture-hub.onrender.com 58 remote · ai-furniture-hub.onrender.com 52

+10 this week 52 52 Trust /100

Trust breakdown (6 categories)

How this component scores in each security and reliability category. Every signal is checked automatically against the live server, and we only credit what we can confirm. How we score →

Endpoint Security57

The endpoint's TLS certificate is valid, in date, and uses a strong key. View diagnostics → Pass
Authorisation not fully verified: no authorisation is required to call this server, and 18 tool(s) never declared a destructiveHint. The MCP spec treats an absent hint as destructive by default, so we cannot call this surface safe. See how to fix → View diagnostics → Unverified
HTTPS is enforced; there's no plaintext access path. View diagnostics → Pass
HSTS check failed: the Strict-Transport-Security header is absent. See how to fix → View diagnostics → Fail
DNSSEC check failed: this domain isn't protected by DNSSEC. See how to fix → View diagnostics → Fail

Transport & Reachability40

Verified sse transport via a live MCP handshake. View diagnostics → Pass

Schema Quality & AI Usability29

0% of prompts and resources have a non-trivial description (not blank, and not just the item's name).Fail
AI-judged instruction clarity (fair).Partial
Context-footprint check failed: tool/resource definitions use about 4036 tokens (~201/item across 20 items; 18 tools + 2 resources), over budget; trim descriptions and params. See how to fix → Fail
Usage-examples check failed: none of the tools include examples. See how to fix → Fail

Stability & Change Management27

Stability observed for 8 of 30 days with no destabilising changes; credit accrues until the full window elapses.Partial

Tool Coverage99

100% of tools have a non-trivial description (not blank, and not just the tool's name).Pass
96% of tool parameters carry a description.Partial

Capabilities100

Implements a supported MCP spec version (2025-11-25); the latest is 2026-07-28.Pass

Install

Add this component to your MCP client. Where a client-specific snippet is available, pick your client below and copy it straight into your config; otherwise use the connection detail shown.

remote · ai-furniture-hub.onrender.com

Claude Codex opencode OpenClaw Hermes Other

# add to Claude Code

claude mcp add --transport http one8943-ai-furniture-hub https://ai-furniture-hub.onrender.com/sse

# ~/.codex/config.toml

[mcp_servers.one8943-ai-furniture-hub]
url = "https://ai-furniture-hub.onrender.com/sse"

// opencode.json

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "one8943-ai-furniture-hub": {
      "type": "remote",
      "url": "https://ai-furniture-hub.onrender.com/sse",
      "enabled": true
    }
  }
}

# add to OpenClaw

openclaw mcp add one8943-ai-furniture-hub --url https://ai-furniture-hub.onrender.com/sse --transport streamable-http

# ~/.hermes/config.yaml

mcp_servers:
  one8943-ai-furniture-hub:
    url: "https://ai-furniture-hub.onrender.com/sse"

// mcp.json

{
  "mcpServers": {
    "one8943-ai-furniture-hub": {
      "type": "http",
      "url": "https://ai-furniture-hub.onrender.com/sse"
    }
  }
}

The mcpServers block is a cross-client convention. Remote transports vary, so check your client's docs.

Changelog

Every change we have recorded for this component, newest first. Security-relevant changes are always shown. ▲ marks a change for the better, ▼ a change for the worse; unmarked changes are neutral.

3 Aug 26 +1

No change was recorded against any check on this day. Stability & Change Management went from 23 to 27. That category is still filling its 30-day observation window: 7 days of observed history at the previous scan, 8 at this one. The score rises as the window fills, whether or not the server changes.
1 Aug 26 +1

No change was recorded against any check on this day. Stability & Change Management went from 17 to 20. That category is still filling its 30-day observation window: 5 days of observed history at the previous scan, 6 at this one. The score rises as the window fills, whether or not the server changes.
31 Jul 26 +2
- We updated how we score, so this day's move reflects our rubric, not a change to the server See what changed → functional
30 Jul 26 −1
- We updated how we score, so this day's move reflects our rubric, not a change to the server See what changed → functional
28 Jul 26 +7
- HSTS header: unverified → fail ▼ security
- Transport: fail → pass ▲ security
- Authorization: Authorisation not fully verified: no authorisation is required to call this server, and 18 tool(s) never declared a destructiveHint. The MCP spec treats an absent hint as destructive by default, so we cannot call this surface safe. security
- Schema quality: poor → fair functional
27 Jul 26 −6
- We updated how we score, so this day's move reflects our rubric, not a change to the server See what changed → functional
26 Jul 26 48

First indexed and scored.

Show 5 earlier entries Hide earlier entries

Diagnostics

Diagnostic detail from the automated scan of this channel: what the scanner observed at each step, so you can see exactly where a check passed or failed. It is informational only and never changes the trust score.

Captured 3 Aug 2026 · Probed https://ai-furniture-hub.onrender.com/sse

TLS valid

Negotiated TLS 1.3 with TLS_AES_128_GCM_SHA256 .

Subject	Issuer	Valid from	Valid until	Key	Signature	Serial
CN=onrender.com	CN=WE1,O=Google Trust Services,C=US	24 Jul 2026	22 Oct 2026	ECDSA 256	ECDSA-SHA256	756bcb97dcf1455f0ebf70e5dbe07256
SANs: onrender.com, *.onrender.com
CN=WE1,O=Google Trust Services,C=US (CA)	CN=GTS Root R4,O=Google Trust Services LLC,C=US	13 Dec 2023	20 Feb 2029	ECDSA 256	ECDSA-SHA384	7ff31977972c224a76155d13b6d685e3
CN=GTS Root R4,O=Google Trust Services LLC,C=US (CA)	CN=GlobalSign Root CA,OU=Root CA,O=GlobalSign nv-sa,C=BE	15 Nov 2023	28 Jan 2028	ECDSA 384	SHA256-RSA	7fe530bf331343bedd821610493d8a1b

DNSSEC insecure

Validation of ai-furniture-hub.onrender.com. — Not signed

Zone	DS	Keys	Algorithms	Outcome
.	trust_anchor	20326, 38696	8, 8	Verified
com.	present	19718	13	Verified
onrender.com.	absent			Unsigned (proven) parent-signed NSEC/NSEC3 proves an unsigned delegation

Authentication No authorisation required

The endpoint answered without asking for a token. Anyone who knows the URL can reach it.

Result	No authorisation required
HTTP status	404

Transports 2 probes

Transport	URL	Outcome	Status	Location
sse	https://ai-furniture-hub.onrender.com/sse	Verified	200
http (plaintext)	http://ai-furniture-hub.onrender.com/sse	HTTPS enforced	301	https://ai-furniture-hub.onrender.com/sse

MCP tools — 18 exposed · ~4,021 tokens

The tools this component advertises to a client, with an estimated token cost for each. Expand a tool to see its parameters and schema. The per-tool counts are indicative and are not scored directly; the schema's total context footprint is one signal in Schema Quality & AI Usability.

Tool Tokens

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 ~229

「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。

Input Output Examples

Name	Type	Req	Description
grid_step_mm	integer	—	—
intent	string	yes	【必須】部屋の用途・制約
items	array	yes	—
margin_between_mm	integer	—	—
room_depth_mm	number	yes	部屋の有効奥行き（mm）
room_width_mm	number	yes	部屋の有効幅（mm）
wall_clearance_mm	integer	—	—

No output schema declared.

No examples provided.

compare_products 製品比較（価格・サイズ・レビュー・耐荷重を並列比較） ~174

「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。

Input Output Examples

Name	Type	Req	Description
compare_aspects	array	—	比較したい観点（省略時はデフォルト全項目）
intent	string	yes	【必須】なぜ比較したいか
keywords	array	yes	比較したい製品の検索キーワード（2〜5件）

No output schema declared.

No examples provided.

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） ~299

「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。

Input Output Examples

Name	Type	Req	Description
intent	string	yes	【必須】設置場所・用途・状況を詳細に
keyword	string	yes	棚の検索キーワード（例: 'カラーボックス 3段'）
price_max	integer	—	棚の予算上限（円）
scene	string	—	設置場所ヒント（'押入れ','洗面所','キッチン'等）
shelf_count	integer	—	提案する棚の件数（1〜5）
storage_keyword	string	—	収納ボックスの検索キーワード（省略時は自動推定）

No output schema declared.

No examples provided.

diagnose_ai_visibility AI可視性診断（AIO診断） ~189

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。

Input Output Examples

Name	Type	Req	Description
intent	string	yes	【必須】なぜ診断が必要か
url	string	yes	診断対象のURL

No output schema declared.

No examples provided.

find_product_gaps 未充足需要・きつい寸法帯の抽出 ~164

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。

Input Output Examples

Name	Type	Req	Description
include_tight_fit	boolean	—	tight_fit も改善候補として含めるか
intent	string	yes	【必須】なぜギャップ候補を抽出したいか
limit	integer	—	返す候補数
scene_name	string	—	特定シーンに絞る（例: '押入れ・クローゼット'）

No output schema declared.

No examples provided.

find_replacement 廃番・旧型の後継・代替品を探す ~121

「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。

Input Output Examples

Name	Type	Req	Description
intent	string	yes	【必須】なぜ代替が必要か
query	string	yes	型番または商品名・特徴テキスト

No output schema declared.

No examples provided.

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） ~257

「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。

Input Output Examples

Name	Type	Req	Description
budget_max	number	—	予算上限（円）
intent	string	yes	【必須】なぜこの提案が必要か
keyword	string	—	フリーワード検索
occasion	string	—	オケージョン（新生活、引越し、出産準備等）
scene	string	—	シーン（書斎、キッチン、リビング等）
type	string	—	絞り込み: bundle / room_preset / influencer_pick / hack_set

No output schema declared.

No examples provided.

get_popular_products 人気・おすすめ製品（カテゴリ/ブランド別） ~183

「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。

Input Output Examples

Name	Type	Req	Description
brand	string	—	ブランドで絞り込み（例: 'ニトリ', 'IKEA'）
category	string	—	カテゴリで絞り込み（例: 'デスク', 'キッチン収納'）
include_rakuten_trending	boolean	—	楽天人気ランキングも含めるか
intent	string	yes	【必須】おすすめを見る目的
limit	integer	—	取得件数

No output schema declared.

No examples provided.

get_product_detail 家具・収納商品の詳細情報を取得 ~141

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。

Input Output Examples

Name	Type	Req	Description
id	string	yes	商品ID
intent	string	yes	【必須】詳細を見る理由

No output schema declared.

No examples provided.

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） ~228

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。

Input Output Examples

Name	Type	Req	Description
depth	integer	—	チェーン深度（1=直接関連、2=関連の関連も含む）
include_rakuten	boolean	—	楽天で関連アイテムを検索するか
intent	string	yes	【必須】関連アイテムを探す理由
keyword	string	—	製品名やキーワード（IDが不明な場合）
product_id	string	—	既知製品のID（get_product_detailで取得）

No output schema declared.

No examples provided.

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） ~224

「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。

Input Output Examples

Name	Type	Req	Description
brand_hint	string	—	ブランド名ヒント（ロゴが見えた場合）
dimensions_hint	object	—	推定寸法（mm）分かる範囲で
features	string	yes	画像から読み取った特徴テキスト（ブランド、色、段数、素材、推定サイズ、形状特徴等）
include_compatible	boolean	—	互換収納・消耗品情報も含めるか（デフォルト: true）
intent	string	yes	【必須】なぜ特定したいか

No output schema declared.

No examples provided.

list_categories 製品カテゴリ一覧 ~129

「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。

Input Output Examples

Name	Type	Req	Description
category_filter	string	—	特定カテゴリに絞る（例: 'キッチン収納', 'デスク'）
intent	string	yes	【必須】カテゴリを見る目的

No output schema declared.

No examples provided.

measure_from_photo 写真＋参照物から家具・スペースの寸法を推定 ~543

「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。

Input Output Examples

Name	Type	Req	Description
estimated_depth_mm	number	—	AIが推定した奥行き（mm）。写真から奥行きが読めない場合にVision LLMの推定値を入れる
intent	string	yes	【必須】写真から何を測りたいか
manual_dimensions_mm	object	—	ユーザーがメジャー/AR等で実測した値があれば上書き（最高精度）
reference_object	string	yes	写真に写っている参照物の名前（名刺/ペットボトル/A4用紙/クレジットカード/500円玉/1円玉/スマホ/ティッシュ箱/30cm定規/ボールペン）
reference_px	object	yes	参照物のピクセル寸法（AIがVisionで画像から読み取る）
target_description	string	yes	測定対象の説明（例: '白い3段カラーボックス', '洗面台横の隙間'）
target_px	object	yes	対象物のピクセル寸法（AIがVisionで画像から読み取る）

No output schema declared.

No examples provided.

search_amazon_products Amazonで家具・収納商品を検索（URL生成） ~137

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。

Input Output Examples

Name	Type	Req	Description
intent	string	yes	【必須】検索目的
keyword	string	yes	Amazon検索キーワード
price_max	integer	—	最高価格（円）
price_min	integer	—	最低価格（円）
sort	string	—	並び順

No output schema declared.

No examples provided.

search_products 家具・家電・ガジェット商品を検索 ~443

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。

Input Output Examples

Name	Type	Req	Description
brand	string	—	ブランド（例：ニトリ、IKEA、Dyson、Panasonic）
category	string	—	カテゴリ（例：デスク、美容家電、スマートホーム）
color	string	—	色（例：ホワイト、白、ブラウン、木目）。エイリアス対応：白→ホワイト/アイボリー等
depth_mm_max	number	—	奥行きの最大値（mm）
depth_mm_min	number	—	奥行きの最小値（mm）
height_mm_max	number	—	高さの最大値（mm）
height_mm_min	number	—	高さの最小値（mm）
in_stock_only	boolean	—	在庫ありのみ（デフォルト：true）
intent	string	yes	【必須】検索目的
keyword	string	—	キーワード（商品名・ブランド・タグで部分一致、スペース区切りでAND検索）
price_max	integer	—	価格の上限（円）
price_min	integer	—	価格の下限（円）
width_mm_max	number	—	幅の最大値（mm）
width_mm_min	number	—	幅の最小値（mm）

No output schema declared.

No examples provided.

search_rakuten_products 楽天市場から家具・収納商品を検索 ~143

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。

Input Output Examples

Name	Type	Req	Description
hits	integer	—	取得件数（1〜30）
intent	string	yes	【必須】検索目的
keyword	string	yes	楽天検索キーワード
price_max	integer	—	最高価格（円）
price_min	integer	—	最低価格（円）
sort	string	—	並び順

No output schema declared.

No examples provided.

suggest_by_space 空きスペースに入る製品をカテゴリ横断で提案 ~268

「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。

Input Output Examples

Name	Type	Req	Description
categories	array	—	探したいカテゴリ（省略時は自動推定）
depth_mm	number	yes	空きスペースの奥行き（mm）
height_mm	number	yes	空きスペースの高さ（mm）
intent	string	yes	【必須】設置場所・用途・状況を詳細に
price_max	integer	—	予算上限（円）
width_mm	number	yes	空きスペースの幅（mm）

No output schema declared.

No examples provided.

summarize_demand_signals 寸法需要ログの要約 ~149

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。

Input Output Examples

Name	Type	Req	Description
intent	string	yes	【必須】なぜ需要サマリーを見たいか
limit	integer	—	上位何件まで見るか
scene_name	string	—	特定シーンに絞る（例: '洗面所・脱衣所'）

No output schema declared.

No examples provided.

On this page

Handy links

Scoring key

80+ high trust
60–79 medium
below 60 low

How we score

Score history · last 30 days

26 Jul 3 Aug

Day	Score
26 Jul	48
27 Jul	42
28 Jul	49
29 Jul	49
30 Jul	48
31 Jul	50
1 Aug	51
2 Aug	51
3 Aug	52