MCP実践ガイド2025 - AI開発の新標準Model Context Protocol完全解説

Model Context Protocol (MCP)は、ai アプリケーションがデータソースやツールと 標準化された方法で通信するためのオープンプロトコルです。 USB-C がデバイスと PC の接続を標準化したように、MCP は ai とデータの接続を標準化します。

MCPとは何か

Model Context Protocol（MCP）は、2024 年 11 月に Anthropic がオープンソースで公開した、 LLM アプリケーションのための標準化されたプロトコルです。

なぜMCPが必要なのか

MCPの主要コンポーネント

1. MCPホスト

Ai アプリケーションやツール（Claude Desktop、IDE、カスタムアプリ）

2. MCPクライアント

ホスト内で MCP プロトコルを実装し、サーバーと通信する部分

3. MCPサーバー

特定の機能やデータソースへのアクセスを提供する軽量プログラム

4. データソース

ローカルファイル、データベース、外部 api 等のリソース

実践：初めてのMCPサーバー開発

開発環境のセットアップ

# TypeScript SDKのインストール
npm init -y
npm install @modelcontextprotocol/sdk

# プロジェクト構造
mkdir my-mcp-server
cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk typescript @types/node
npx tsc --init

import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import {
  CallToolRequestSchema,
  ListResourcesRequestSchema,
  ListToolsRequestSchema,
  ReadResourceRequestSchema,
} from '@modelcontextprotocol/sdk/types.js';

// サーバーの作成
const server = new Server(
  {
    name: 'my-mcp-server',
    version: '1.0.0',
  },
  {
    capabilities: {
      resources: {},
      tools: {},
    },
  }
);

// リソースの定義
server.setRequestHandler(ListResourcesRequestSchema, async () => {
  return {
    resources: [
      {
        uri: 'file:///data/users.json',
        name: 'User Database',
        description: 'ユーザー情報のJSONデータベース',
        mimeType: 'application/json',
      },
    ],
  };
});

// リソースの読み込み
server.setRequestHandler(ReadResourceRequestSchema, async (request) => {
  const { uri } = request.params;
  
  if (uri === 'file:///data/users.json') {
    const userData = await fs.readFile('./data/users.json', 'utf-8');
    return {
      contents: [
        {
          uri,
          mimeType: 'application/json',
          text: userData,
        },
      ],
    };
  }
  
  throw new Error('Resource not found');
});

// ツールの定義
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: 'search_users',
        description: 'ユーザーを検索する',
        inputSchema: {
          type: 'object',
          properties: {
            query: {
              type: 'string',
              description: '検索クエリ',
            },
          },
          required: ['query'],
        },
      },
    ],
  };
});

// ツールの実行
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;
  
  if (name === 'search_users') {
    const users = JSON.parse(await fs.readFile('./data/users.json', 'utf-8'));
    const results = users.filter(user => 
      user.name.toLowerCase().includes(args.query.toLowerCase())
    );
    
    return {
      content: [
        {
          type: 'text',
          text: JSON.stringify(results, null, 2),
        },
      ],
    };
  }
  
  throw new Error('Tool not found');
});

// サーバーの起動
const transport = new StdioServerTransport();
await server.connect(transport);

# Python SDKのインストール
pip install mcp

# プロジェクト構造
mkdir my-mcp-server
cd my-mcp-server
touch server.py

from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationOptions
from mcp.server.stdio import stdio_server
import mcp.types as types
import json

# サーバーの作成
server = Server("my-mcp-server")

# リソースの定義
@server.list_resources()
async def handle_list_resources() -> list[types.Resource]:
    return [
        types.Resource(
            uri="file:///data/users.json",
            name="User Database",
            description="ユーザー情報のJSONデータベース",
            mimeType="application/json",
        )
    ]

# リソースの読み込み
@server.read_resource()
async def handle_read_resource(uri: str) -> str:
    if uri == "file:///data/users.json":
        with open("./data/users.json", "r") as f:
            return f.read()
    raise ValueError(f"Unknown resource: {uri}")

# ツールの定義
@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="search_users",
            description="ユーザーを検索する",
            inputSchema={
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "検索クエリ",
                    }
                },
                "required": ["query"],
            },
        )
    ]

# ツールの実行
@server.call_tool()
async def handle_call_tool(
    name: str, arguments: dict | None
) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
    if name == "search_users":
        with open("./data/users.json", "r") as f:
            users = json.load(f)
        
        query = arguments.get("query", "").lower()
        results = [
            user for user in users 
            if query in user.get("name", "").lower()
        ]
        
        return [
            types.TextContent(
                type="text",
                text=json.dumps(results, indent=2),
            )
        ]
    
    raise ValueError(f"Unknown tool: {name}")

# サーバーの起動
async def run():
    async with stdio_server() as (read_stream, write_stream):
        await server.run(
            read_stream,
            write_stream,
            InitializationOptions(
                server_name="my-mcp-server",
                server_version="1.0.0",
                capabilities=server.get_capabilities(
                    notification_options=NotificationOptions(),
                    experimental_capabilities={},
                ),
            ),
        )

if __name__ == "__main__":
    import asyncio
    asyncio.run(run())

# Ruby SDKのインストール
gem install mcp-ruby

# プロジェクト構造
mkdir my-mcp-server
cd my-mcp-server
touch server.rb

require 'mcp/server'
require 'json'

class MyMCPServer < MCP::Server
  def initialize
    super(
      name: 'my-mcp-server',
      version: '1.0.0'
    )
  end

  # リソースの定義
  def list_resources
    [
      {
        uri: 'file:///data/users.json',
        name: 'User Database',
        description: 'ユーザー情報のJSONデータベース',
        mimeType: 'application/json'
      }
    ]
  end

  # リソースの読み込み
  def read_resource(uri)
    case uri
    when 'file:///data/users.json'
      File.read('./data/users.json')
    else
      raise "Unknown resource: #{uri}"
    end
  end

  # ツールの定義
  def list_tools
    [
      {
        name: 'search_users',
        description: 'ユーザーを検索する',
        inputSchema: {
          type: 'object',
          properties: {
            query: {
              type: 'string',
              description: '検索クエリ'
            }
          },
          required: ['query']
        }
      }
    ]
  end

  # ツールの実行
  def call_tool(name, arguments)
    case name
    when 'search_users'
      users = JSON.parse(File.read('./data/users.json'))
      query = arguments['query'].downcase
      
      results = users.select do |user|
        user['name'].downcase.include?(query)
      end
      
      JSON.pretty_generate(results)
    else
      raise "Unknown tool: #{name}"
    end
  end
end

# サーバーの起動
server = MyMCPServer.new
server.run_stdio

Claude DesktopでのMCP活用

1. 設定ファイルの準備

{
  "mcpServers": {
    "my-server": {
      "command": "node",
      "args": ["/path/to/my-mcp-server/dist/index.js"]
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/username/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token-here"
      }
    }
  }
}

2. 実践的な活用例

実用的なMCPサーバー例

1. データベース連携サーバー

// PostgreSQL連携MCPサーバーの例
import { Pool } from 'pg';
import { Server } from '@modelcontextprotocol/sdk/server/index.js';

const pool = new Pool({
  connectionString: process.env.DATABASE_URL,
});

// SQLクエリ実行ツール
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === 'execute_query') {
    const { query } = request.params.arguments;
    
    // 読み取り専用クエリのみ許可
    if (!query.toLowerCase().startsWith('select')) {
      throw new Error('Only SELECT queries are allowed');
    }
    
    const result = await pool.query(query);
    
    return {
      content: [{
        type: 'text',
        text: JSON.stringify(result.rows, null, 2),
      }],
    };
  }
});

2. ファイルシステム管理サーバー

import os
import mimetypes
from pathlib import Path

@server.list_resources()
async def handle_list_resources() -> list[types.Resource]:
    """指定ディレクトリ内のファイルをリソースとして公開"""
    base_path = Path(os.environ.get('MCP_FS_BASE', './'))
    resources = []
    
    for file_path in base_path.rglob('*'):
        if file_path.is_file():
            mime_type, _ = mimetypes.guess_type(str(file_path))
            resources.append(
                types.Resource(
                    uri=f"file://{file_path.absolute()}",
                    name=file_path.name,
                    description=f"File: {file_path.relative_to(base_path)}",
                    mimeType=mime_type or "application/octet-stream",
                )
            )
    
    return resources

3. Web API統合サーバー

// 外部API統合の例（天気情報）
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === 'get_weather') {
    const { city } = request.params.arguments;
    
    const response = await fetch(
      `https://api.openweathermap.org/data/2.5/weather?q=${city}&appid=${process.env.OPENWEATHER_API_KEY}&units=metric`
    );
    
    const data = await response.json();
    
    return {
      content: [{
        type: 'text',
        text: `${city}の天気:\n` +
              `気温: ${data.main.temp}°C\n` +
              `天気: ${data.weather[0].description}\n` +
              `湿度: ${data.main.humidity}%`,
      }],
    };
  }
});

MCPサーバーのベストプラクティス

1. セキュリティ設計

2. エラーハンドリング

// 適切なエラーハンドリングの例
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  try {
    // バリデーション
    if (!request.params.arguments?.query) {
      return {
        content: [{
          type: 'text',
          text: 'Error: query parameter is required',
        }],
        isError: true,
      };
    }
    
    // タイムアウト付き処理
    const result = await Promise.race([
      performOperation(request.params.arguments),
      new Promise((_, reject) => 
        setTimeout(() => reject(new Error('Operation timeout')), 30000)
      ),
    ]);
    
    return {
      content: [{
        type: 'text',
        text: JSON.stringify(result),
      }],
    };
  } catch (error) {
    // エラーログ
    console.error(`Error in ${request.params.name}:`, error);
    
    // ユーザーフレンドリーなエラーメッセージ
    return {
      content: [{
        type: 'text',
        text: `エラーが発生しました: ${error.message}`,
      }],
      isError: true,
    };
  }
});

3. パフォーマンス最適化

企業での活用事例

1. カスタマーサポート効率化

MCP を導入してから、カスタマーサポートチームの生産性が 3 倍になりました。 Claude が顧客データベース、過去のチケット、製品ドキュメントに直接アクセスできるようになり、 的確な回答を瞬時に生成できるようになったのです。

2. 開発チームの情報共有

# 開発チーム向けMCPサーバー構成例
mcp-servers:
  - name: code-repository
    description: GitHubリポジトリへのアクセス
    capabilities:
      - コード検索
      - Issue/PR情報取得
      - コミット履歴分析
  
  - name: documentation
    description: 内部ドキュメントシステム
    capabilities:
      - API仕様書検索
      - 設計書閲覧
      - ナレッジベース検索
  
  - name: monitoring
    description: システム監視ダッシュボード
    capabilities:
      - メトリクス取得
      - アラート履歴
      - パフォーマンス分析

MCPの将来展望

今後の発展予測

1. 標準化の進展

   • より多くの ai ツールが MCP を採用
   • 業界標準プロトコルとしての地位確立

2. エコシステムの拡大

   • 商用 MCP サーバーのマーケットプレイス
   • エンタープライズ向け管理ツール

3. 機能の拡張

   • リアルタイムストリーミング対応
   • マルチモーダルデータのサポート

まとめ

Model Context Protocol (MCP)は、ai アプリケーション開発に革命をもたらす 画期的なプロトコルです。標準化されたインターフェースにより、 開発効率の向上とセキュアなデータアクセスを実現します。

MCP はまだ発展途上ですが、ai アプリケーション開発の未来を形作る 重要な技術です。今すぐ MCP を学び、次世代の ai アプリケーション開発に 備えましょう！