Model Context Protocol（MCP） - Shinichi0713/LLM-fundamental-study GitHub Wiki

MCP とは

スマートフォン時代になり、特に USB-C の普及により、現在ではほとんどのデバイスが同じケーブル一本で充電できるようになりました。
Model Context Protocol（MCP）は、まさに AI 界の USB-C

MCP を「AI 用の USB-C ポート」と表現していますが、これは単なる比喩ではありません。
USB-C が様々なデバイスを標準化されたインターフェースで接続できるように、MCP は生成 AI モデルと様々なデータソースやツールを標準化された方法で接続します。

素晴らしいと感じる例:
例えば、あなたが開発している AI アシスタントに、カレンダー、メール、天気予報、株価情報など 10 種類のサービスと連携させたいとします。
従来の方法では、10 種類の API それぞれに対して個別の連携コードを書く必要がありました。
しかし、MCP を使えば、一度 MCP クライアントを実装するだけで、MCP に対応した全てのサービスと簡単に連携できるようになります。

要するに、MCP対応のAIアシスタントに好きな“周辺機器”を後付けできるようになるんです。例えば「ファイルシステム読み書き」「データベース問い合わせ」「外部API利用」「ブラウザ操作」など、欲しい機能ごとに小さなMCPサーバー（≒ツールの詰まった箱）を用意し、それをAIにポンと繋げるイメージです。これまではAIに新機能を持たせるにはカスタムコードを書いて統合する必要がありましたが、MCPのおかげでプラグ＆プレイに近い感覚で機能追加が可能になりました。

MCPが出来た背景

AIと外部サービスの連携には以下のような課題が存在した。

連繋の複雑さ
各AIモデルと各サービスの組合せごとに個別の連携開発が必要だった。
最新データへのアクセス
AIは学習済みデータに依存し、最新情報にアクセスできなかった。
セキュリティリスク
起業の機密データをAIに直接渡す必要があった。
上記の課題に対するソリューション。

課題	MCPによる解決策
連携の複雑さ	標準プロトコルによる接続の簡素化
最新データへのアクセス	リアルタイムで外部データソースに接続
セキュリティリスク	データは社内に保持したまま必要な情報だけをAIと共有

MCPのアーキテクチャ

MCP は基本的にクライアント・サーバモデル

MCP ホスト

MCP ホストは、生成 AI モデルを搭載したアプリケーションです。例えば、Claude Desktop、Zed、Cursor などの開発環境が該当します。これらのアプリケーションは、MCP クライアントを通じて外部データやツールにアクセスします。

MCP クライアント

MCP クライアントは、MCP ホスト内に組み込まれたコンポーネントで、MCP サーバとの通信を担当します。クライアントはサーバとの接続を確立し、リソース、ツール、プロンプトなどの機能を利用するためのリクエストを送信します。

MCP サーバ

MCP サーバは、特定のデータソースやツールへのアクセスを提供する軽量サーバです。例えば、ファイルシステム、データベース、API などへのアクセスを提供するサーバがあります。サーバはクライアントからのリクエストを処理し、必要なデータや機能を提供します。

memo
クライアントはサーバー作成者側が責任持つ感じだろうか。
使う側が、MCPに則って活用するのみといいうように認識した。

通信プロトコル

MCP の通信は、JSON-RPC 2.0 プロトコルに基づいています1(https://zenn.dev/cloud_ace/articles/model-context-protocol#fn-1b73-1)。クライアントとサーバ間の通信は、標準入出力（stdio）または HTTP with Server-Sent Events（SSE）トランスポートを通じて行われます

この標準化された通信プロトコルにより、異なるシステム間でもシームレスな連携が可能になります。

sequenceDiagram
    participant Client
    participant Server

    Client->>Server: 初期化メッセージを送信
    Server->>Client: プロトコルバージョンなどの情報を返信
    Client->>Server: サーバの機能（リソース、ツール、プロンプト）を問い合わせ
    Server->>Client: 利用可能な機能のリストを返信
    Client->>Server: 特定の機能を利用するためのリクエストを送信
    Server->>Client: リクエストを処理し、結果を返信

MCPを使える製品の例

2025年4月時点では、AIチャットやプログラミング支援ツール、クラウドサービスのマネージド機能として提供されています。例えば、次のような製品となります。

Amazon Bedrock Agents (Inline Agent SDK)
Azure AI Agent Service(プレビュー利用)
Claude Desktop
Cline

MCPのユースケース

公式のドキュメントを見ると、例えばこのようなユースケースが示されています。

ファイルシステムからファイルを安全に呼び出し、操作する
PostgreSQLから読み取り専用でアクセスする
Google Driveのファイルアクセスと検索
GitHubのAPIを使ったファイルの操作や検索
Slackチャンネルの管理とメッセージング
テキストベースの基盤モデルからAI画像生成の実行

MCPを利用したソリューション・製品

マルチエージェントコンタクトセンタ顧客対応を行うAIエージェントは軽量なモデルを利用し、ナレッジベースやCRMを利用した回答と、会話ごとにCRMに登録するエージェントに渡す。CRM登録されるとスーパーバイザのAIエージェントが応対履歴の要約をリアルタイムで行い、顧客へのレコメンドを作成し、顧客対応のAIエージェントが気づいていない示唆をコンテキストとしてMCPで提供し、顧客対応の品質をニアリアルタイムで向上させていく。
社内データベースのMCP対応社内のデータベースをMCP対応にして、AIが利用しやすい環境を作成、AIチャットボットに必要な時に必要なデータベースを追加することで、社内のデータアクセスの速度を向上

MCPを利用することでAIとサービスとの連携がかなりしやすくなる。AI同士の情報のやり取りが出来るようになる

トライアル

VScodeにMCPサーバー組込

参考URL: https://zenn.dev/jetblog/articles/original-mcp-server

UVコマンドインストール

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

仮想環境でプロジェクト作成

# プロジェクトの新規作成
uv init echo_hello
cd echo_hello

# Python仮想環境を使用
uv venv
.venv\Scripts\activate

# 依存関係をインストールする
uv add mcp[cli] httpx

# MCPサーバーのソースコード作成
new-item echo_hello.py

MCPサーバーをPythonで作成

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# FastMCPサーバーの初期化
mcp = FastMCP("echo_hello")

# FastMCPサーバーが呼び出された時の処理
@mcp.tool()
async def echo_hello(name: str) -> str:
    # 「コンニチハ、{プロンプトから渡された値}！！！！」と返すだけ
    return f"コンニチハ, {name}！！！！"

if __name__ == "__main__":
    # 初期化とサーバー実行
    mcp.run(transport='stdio')

MCPの今後の展望

AIとサービスとの連携がシームレスに出来るようになることによる展望を考える。

開発ツールとの統合拡大 IDEや、プロジェクト管理ツール、コード管理プラットホームとの連携が進んでいくと開発ワークフローの効率化が期待できる。
例. 「この PR のコードレビューをして」と指示するだけで、AI がリポジトリの内容を分析し、適切なフィードバックを提供する。
「このバグの原因を特定して」と言えば、エラーログとコードベースを参照して問題箇所を指摘する。
相互運用性の向上
MCP が広く採用されれば、異なる AI モデルやツール間の相互運用性が向上し、開発者はより柔軟にシステムを構築できるようになります。
例.
特定のタスクには Claude が優れており、別のタスクには GPT-4 が適している場合、両方のモデルを同じ MCP インターフェースで利用できれば、最適な AI を選択しやすくなります。