Model Context Protocol (MCP)

Description:

AIモデルと外部データソース・ツールを安全かつ簡単に連携させるためのオープン標準プロトコル

URL: https://modelcontextprotocol.io/

GitHub:

https://github.com/modelcontextprotocol

Tags:

AI LLM Protocol MCP

Explore:

Qiita Zenn note Hatena

概要

Model Context Protocol (MCP) は、Anthropicによって導入された、AIアプリケーションが外部のデータソースやツールと連携するためのオープン標準です。

従来の各AIツールが個別に実装していたコネクタ（接続機能）を、MCPという共通の規格で標準化することで、一度サーバーを実装すれば、Cursor, Claude Desktop, Windsurf, Codyといった様々なMCP対応クライアントから同じデータや機能を即座に利用できるようになります。

---

3つのコア・コンポーネント

MCPは、以下の3つの役割に分かれた疎結合なアーキテクチャを採用しています。

1. MCPクライアント (Clients)

   • Cursor, Claude Desktop, Windsurf, VS Codeなどのユーザーが直接操作するインターフェース。
   • サーバーとの接続を確立し、リソースの取得やツールの実行を依頼します。

2. MCPサーバー (Servers)

   • 特定のデータソース（GitHub, Slack, ローカルファイルなど）や機能を提供する軽量なプログラム。
   • クライアントからの要求に応じて、データの読み取りやアクションの実行を行います。

3. ローカル/リモート環境

   • 実際にデータが格納されている場所。MCPサーバーはこの環境とAIを安全に橋渡しします。

---

主な特徴とメリット

特徴	詳細
標準化された規格	ツールごとに異なるAPIの実装を意識する必要がなくなり、開発効率が劇的に向上します。
クライアントを問わない再利用	一度作った自作ツールは、CursorでもClaude Desktopでも、どの対応アプリでもそのまま動きます。
高度なセキュリティ	データの制御権はユーザー側にあり、どのデータにアクセスを許可するかを細かく制御可能です。
リアルタイムな知識補完	最新のドキュメント、ローカルの最新コード、リアルタイムのログなどをAIのコンテキストに含めることができます。

---

主要なMCPサーバーの例

現在、コミュニティによって急速にエコシステムが拡大しています。

• GitHub Server: リポジトリの検索、ファイルの読み込み、Issueの確認、プルリクエストのレビュー支援。
• PostgreSQL / SQLite Server: データベースのスキーマ確認やデータの検索、クエリの実行。
• Google Maps Server: 場所の検索やルート案内情報の取得。
• Slack Server: チャンネルやメッセージの取得、AIによる代理投稿。
• Filesystem Server: 指定したローカルディレクトリ内のファイルの読み書き（※強力な権限）。
• Docker Server: コンテナの状態確認やログの取得。

---

活用シナリオ：AIエージェントの進化

MCPによって、AIは単なる「回答者」から、主体的に「行動するエージェント」へと進化します。

1. 開発ワークフローの完全自動化

「Issueの内容を読み取って、ローカルのGitリポジトリを修正し、テストを実行してからプルリクエストを作成して」といった複雑な一連の作業が、MCPを通じたツール連携により可能になります。

2. 社内ナレッジベースとのシームレスな対話

NotionやSlack、社内ドキュメントサーバーに接続されたMCPサーバーを利用することで、AIは常に会社独自の最新コンテキストを把握した状態で回答できます。

---

導入と利用方法

クライアントへの設定

多くのクライアント（例: Claude Desktop）では、設定ファイル（claude_desktop_config.jsonなど）に、利用したいMCPサーバーの起動コマンドを記述するだけで導入が完了します。

{
  "mcpServers": {
    "my-custom-tool": {
      "command": "node",
      "args": ["/path/to/server.js"]
    }
  }
}

独自サーバーの開発

MCPサーバーは、SDKを利用して TypeScript または Python で簡単に実装できます。基本的には「リソース（データ）」と「ツール（アクション）」を定義するだけで、AIから呼び出し可能な形式に変換されます。