AIアシスタントがファイルを読み書きし、データベースを検索し、外部APIを呼び出す。2026年、こうした「AIとツールの連携」はもはや当たり前になりました。しかし、各ツールごとにバラバラなインテグレーションを書くのは非効率です。

そこで登場したのが MCP（Model Context Protocol）。Anthropicが提唱したオープン標準で、AIモデルと外部ツール・データソースを統一的なプロトコルで接続します。

この記事では、MCPのアーキテクチャから実装まで、実践的に解説します。

MCPとは何か

MCP（Model Context Protocol） は、LLM（大規模言語モデル）と外部ツール・データソースを接続するためのオープンプロトコルです。Anthropicが2024年11月に発表し、2025〜2026年にかけてエコシステムが急速に拡大しました。

なぜMCPが必要なのか

従来のLLMツール連携には、いくつかの課題がありました。

【従来のアプローチ】
┌─────────┐    独自API    ┌──────────┐
│  Claude  │──────────────│ ツールA   │
│          │    独自API    ├──────────┤
│          │──────────────│ ツールB   │
│          │    独自API    ├──────────┤
│          │──────────────│ ツールC   │
└─────────┘              └──────────┘
→ ツールごとに個別のインテグレーションが必要
→ 再利用性が低い、メンテナンスコスト大

【MCPアプローチ】
┌─────────┐              ┌──────────────┐
│  Claude  │    MCP       │ MCPサーバーA  │ → ファイルシステム
│  Cursor  │◄────────────►│ MCPサーバーB  │ → データベース
│  VSCode  │  統一プロトコル │ MCPサーバーC  │ → 外部API
└─────────┘              └──────────────┘
→ 統一プロトコルで接続
→ サーバーは任意のクライアントから再利用可能

MCPは、USBが周辺機器の接続を標準化したように、AIとツールの接続を標準化します。

MCPの基本概念

MCPのアーキテクチャは、3つのコア概念で構成されます。

概念	役割	例
Host（ホスト）	MCPクライアントを内蔵するアプリケーション	Claude Desktop, Cursor, VSCode
Client（クライアント）	MCPサーバーとの接続を管理	Host内部のMCPクライアントモジュール
Server（サーバー）	ツール・データ・プロンプトを提供	filesystem-server, git-server, etc.

MCPサーバーは、3種類の機能を公開できます。

• Tools（ツール）: AIが実行できるアクション（ファイル読み書き、API呼び出し等）
• Resources（リソース）: AIが参照できるデータ（ファイル内容、DB行等）
• Prompts（プロンプト）: 定義済みのプロンプトテンプレート

MCPの通信方式

MCPはJSON-RPC 2.0ベースのプロトコルで、2つのトランスポートをサポートします。

stdio（標準入出力）

ローカル環境で最も一般的な方式です。Hostがサーバープロセスを起動し、stdin/stdoutで通信します。

// クライアント → サーバー（ツール呼び出し）
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "read_file",
    "arguments": {
      "path": "/Users/dev/project/src/index.ts"
    }
  }
}

// サーバー → クライアント（結果）
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      {
        "type": "text",
        "text": "import express from 'express';\n..."
      }
    ]
  }
}

Streamable HTTP

リモートサーバーとの通信に使用します。HTTP POST + Server-Sent Events（SSE）で双方向通信を実現します。

POST /mcp HTTP/1.1
Content-Type: application/json

{"jsonrpc":"2.0","id":1,"method":"tools/list"}

用途に応じて使い分けましょう。

トランスポート	用途	特徴
stdio	ローカルツール	低レイテンシ、セットアップ簡単
Streamable HTTP	リモートサービス	ネットワーク経由、認証対応

MCPサーバーの使い方（クライアント設定）

まずは既存のMCPサーバーを使ってみましょう。Claude DesktopやCursorなど、主要なAIツールはMCPをサポートしています。

Claude Desktopでの設定

Claude Desktopの設定ファイル（claude_desktop_config.json）にMCPサーバーを追加します。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/dev/projects"
      ]
    },
    "git": {
      "command": "uvx",
      "args": [
        "mcp-server-git",
        "--repository", "/Users/dev/projects/my-app"
      ]
    }
  }
}

設定ファイルの場所は以下のとおりです。

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

Claude Code（CLI）での設定

Claude Codeでは、プロジェクトの .claude/settings.json でMCPサーバーを設定します。

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@anthropic/mcp-playwright"]
    },
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    }
  }
}

Cursor / VS Codeでの設定

プロジェクトルートに .cursor/mcp.json を作成します。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "."
      ]
    }
  }
}

人気のMCPサーバー

2026年2月現在、エコシステムには数百のMCPサーバーが公開されています。特に利用頻度の高いものを紹介します。

公式サーバー（Anthropic / ModelContextProtocol提供）

サーバー	機能	インストール
filesystem	ファイル読み書き、ディレクトリ操作	npx @modelcontextprotocol/server-filesystem
git	Gitリポジトリ操作	uvx mcp-server-git
fetch	Web取得（URL→テキスト変換）	uvx mcp-server-fetch
postgres	PostgreSQL操作	npx @modelcontextprotocol/server-postgres
sqlite	SQLiteデータベース	uvx mcp-server-sqlite
puppeteer	ブラウザ自動操作	npx @modelcontextprotocol/server-puppeteer

コミュニティサーバー

サーバー	機能	用途
playwright	E2Eブラウザ操作	テスト自動化、スクレイピング
github	GitHub API操作	Issue/PR管理、コードレビュー
slack	Slack連携	メッセージ送受信
notion	Notion API	ドキュメント管理
figma	Figmaデザイン読み取り	デザイン→コード変換
sentry	エラー監視	バグ調査・修正

TypeScriptでMCPサーバーを作る

ここからが本番です。自分だけのMCPサーバーを作ってみましょう。

プロジェクトセットアップ

mkdir my-mcp-server && cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk zod
npm install -D typescript @types/node

tsconfig.json を作成します。

{
  "compilerOptions": {
    "target": "ES2022",
    "module": "Node16",
    "moduleResolution": "Node16",
    "outDir": "./dist",
    "rootDir": "./src",
    "strict": true,
    "esModuleInterop": true,
    "declaration": true
  },
  "include": ["src/**/*"]
}

基本的なMCPサーバー

天気情報を返すシンプルなMCPサーバーを作ります。

// src/index.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "weather-server",
  version: "1.0.0",
});

// ツールを定義
server.tool(
  "get_weather",
  "指定した都市の天気情報を取得します",
  {
    city: z.string().describe("都市名（例: Tokyo, Osaka）"),
    unit: z.enum(["celsius", "fahrenheit"]).default("celsius")
      .describe("温度の単位"),
  },
  async ({ city, unit }) => {
    // 実際のAPIコールをここに実装
    const weatherData = await fetchWeather(city, unit);

    return {
      content: [
        {
          type: "text",
          text: `${city}の天気: ${weatherData.condition}, ${weatherData.temp}°${unit === "celsius" ? "C" : "F"}`,
        },
      ],
    };
  }
);

// リソースを定義
server.resource(
  "weather://forecast/{city}",
  "都市の週間天気予報",
  async (uri) => {
    const city = uri.pathname.split("/").pop() ?? "Tokyo";
    const forecast = await fetchForecast(city);

    return {
      contents: [
        {
          uri: uri.href,
          mimeType: "application/json",
          text: JSON.stringify(forecast, null, 2),
        },
      ],
    };
  }
);

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

// --- ヘルパー関数（デモ用） ---
async function fetchWeather(city: string, unit: string) {
  // 実際にはOpenWeather API等を呼び出す
  return { condition: "晴れ", temp: unit === "celsius" ? 22 : 72 };
}

async function fetchForecast(city: string) {
  return [
    { date: "2026-02-25", condition: "晴れ", high: 18, low: 8 },
    { date: "2026-02-26", condition: "曇り", high: 15, low: 7 },
    { date: "2026-02-27", condition: "雨", high: 12, low: 6 },
  ];
}

ビルドと実行

npx tsc
node dist/index.js

Claude Desktopから使うには、設定ファイルに追加します。

{
  "mcpServers": {
    "weather": {
      "command": "node",
      "args": ["/path/to/my-mcp-server/dist/index.js"]
    }
  }
}

PythonでMCPサーバーを作る

Python版のSDKも充実しています。

セットアップ

pip install mcp
# または
uv add mcp

実装例：データベース検索サーバー

# server.py
from mcp.server.fastmcp import FastMCP
import sqlite3

mcp = FastMCP("database-search")

DB_PATH = "data/products.db"

@mcp.tool()
def search_products(query: str, limit: int = 10) -> str:
    """商品名やカテゴリで商品を検索します。

    Args:
        query: 検索キーワード
        limit: 最大取得件数（デフォルト: 10）
    """
    conn = sqlite3.connect(DB_PATH)
    cursor = conn.cursor()
    cursor.execute(
        """
        SELECT name, price, category
        FROM products
        WHERE name LIKE ? OR category LIKE ?
        ORDER BY price ASC
        LIMIT ?
        """,
        (f"%{query}%", f"%{query}%", limit),
    )
    rows = cursor.fetchall()
    conn.close()

    if not rows:
        return f"'{query}' に一致する商品は見つかりませんでした。"

    results = []
    for name, price, category in rows:
        results.append(f"- {name} ({category}): ¥{price:,}")
    return "\n".join(results)


@mcp.tool()
def get_product_stats() -> str:
    """商品データベースの統計情報を取得します。"""
    conn = sqlite3.connect(DB_PATH)
    cursor = conn.cursor()
    cursor.execute(
        "SELECT category, COUNT(*), AVG(price) FROM products GROUP BY category"
    )
    rows = cursor.fetchall()
    conn.close()

    results = ["カテゴリ | 商品数 | 平均価格"]
    results.append("---|---|---")
    for category, count, avg_price in rows:
        results.append(f"{category} | {count} | ¥{avg_price:,.0f}")
    return "\n".join(results)


@mcp.resource("db://schema")
def get_schema() -> str:
    """データベースのスキーマ情報を返します。"""
    conn = sqlite3.connect(DB_PATH)
    cursor = conn.cursor()
    cursor.execute(
        "SELECT sql FROM sqlite_master WHERE type='table'"
    )
    schemas = [row[0] for row in cursor.fetchall()]
    conn.close()
    return "\n\n".join(schemas)


if __name__ == "__main__":
    mcp.run(transport="stdio")

設定

{
  "mcpServers": {
    "database-search": {
      "command": "python",
      "args": ["server.py"],
      "cwd": "/path/to/project"
    }
  }
}

実践的なユースケース

MCPが特に力を発揮するシナリオを紹介します。

1. 社内ナレッジベース検索

社内のConfluence、Notion、Google Driveなどのドキュメントを横断検索するMCPサーバーを作れば、AIアシスタントが社内知識にアクセスできます。

server.tool(
  "search_knowledge",
  "社内ドキュメントを検索します",
  {
    query: z.string(),
    sources: z.array(z.enum(["confluence", "notion", "gdrive"])).optional(),
  },
  async ({ query, sources }) => {
    const results = await Promise.all([
      sources?.includes("confluence") !== false && searchConfluence(query),
      sources?.includes("notion") !== false && searchNotion(query),
      sources?.includes("gdrive") !== false && searchGDrive(query),
    ]);

    return {
      content: [{ type: "text", text: formatResults(results) }],
    };
  }
);

2. CI/CDパイプライン操作

GitHub ActionsやCircleCIのワークフローを操作するMCPサーバーを作れば、「最新のCIが失敗している原因を調べて」とAIに依頼できます。

3. モニタリング・アラート連携

DatadogやGrafanaのメトリクスを取得するMCPサーバーを作れば、「直近1時間のエラーレートが上昇している原因を分析して」といった調査をAIに依頼できます。

4. コードレビュー自動化

GitHubのPR情報を取得し、コード品質をチェックするMCPサーバーを組み合わせれば、AIベースのコードレビューパイプラインを構築できます。

セキュリティのベストプラクティス

MCPサーバーは強力ですが、セキュリティには十分な注意が必要です。

最小権限の原則

ファイルシステムサーバーには、必要なディレクトリのみアクセスを許可しましょう。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "@modelcontextprotocol/server-filesystem",
        "/Users/dev/projects/my-app/src",
        "/Users/dev/projects/my-app/docs"
      ]
    }
  }
}

/ や ~ のようなルートパスを指定するのは避けてください。

入力のバリデーション

MCPサーバー内でも、入力値は必ずバリデーションしましょう。

server.tool(
  "query_database",
  "データベースにクエリを実行します",
  {
    table: z.enum(["users", "products", "orders"]),  // 許可するテーブルを限定
    conditions: z.record(z.string()),
  },
  async ({ table, conditions }) => {
    // プレースホルダを使用（SQLインジェクション防止）
    const where = Object.keys(conditions)
      .map((key) => `${sanitizeColumn(key)} = ?`)
      .join(" AND ");
    const values = Object.values(conditions);

    const result = await db.query(
      `SELECT * FROM ${table} WHERE ${where} LIMIT 100`,
      values
    );
    return { content: [{ type: "text", text: JSON.stringify(result) }] };
  }
);

認証情報の管理

APIキーやトークンは環境変数で渡しましょう。

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}

MCPサーバーのテスト

MCPサーバーは @modelcontextprotocol/inspector で対話的にテストできます。

npx @modelcontextprotocol/inspector node dist/index.js

ブラウザが開き、ツール一覧の確認、引数を指定した実行、レスポンスの検証が可能です。

プログラマティックなテストには、SDK のクライアントを使います。

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const transport = new StdioClientTransport({
  command: "node",
  args: ["dist/index.js"],
});

const client = new Client({ name: "test-client", version: "1.0.0" });
await client.connect(transport);

// ツール一覧を取得
const tools = await client.listTools();
console.log("利用可能なツール:", tools);

// ツールを呼び出し
const result = await client.callTool({
  name: "get_weather",
  arguments: { city: "Tokyo" },
});
console.log("結果:", result);

await client.close();

MCPサーバーの公開

作成したMCPサーバーをnpmパッケージとして公開すれば、他の開発者も利用できます。

package.json に以下を追加します。

{
  "name": "@your-org/mcp-server-weather",
  "version": "1.0.0",
  "type": "module",
  "bin": {
    "mcp-server-weather": "dist/index.js"
  },
  "files": ["dist"],
  "keywords": ["mcp", "model-context-protocol", "ai"]
}

npm publish --access public

ユーザーは npx @your-org/mcp-server-weather で即座に利用開始できます。

まとめ

MCP（Model Context Protocol）は、AIとツールの連携を標準化する画期的なプロトコルです。

MCPの利点をまとめると以下のとおりです。

• 統一プロトコル: 一度作ったサーバーがClaude、Cursor、VSCodeなど複数のクライアントで再利用可能
• エコシステム: 公式・コミュニティサーバーが充実し、すぐに使い始められる
• 型安全: Zod（TypeScript）やPydantic（Python）による堅牢なスキーマ定義
• セキュリティ: 権限制御、入力バリデーション、認証情報管理のベストプラクティスが確立

始め方は簡単です。

1. まずはClaude Desktopに filesystem サーバーを設定して体験する
2. 自分のワークフローに合わせたカスタムサーバーを作る
3. npmで公開してコミュニティに貢献する

AIエージェントの時代において、MCPはツール連携のデファクトスタンダードになりつつあります。今から習得しておけば、AIを活用した開発ワークフローで大きなアドバンテージを得られるでしょう。

参考リンク

• MCP公式ドキュメント
• MCP GitHub リポジトリ
• MCP TypeScript SDK
• MCP Python SDK
• MCP サーバー一覧

---

関連記事

• プログラミングスクール比較2026年版【現役エンジニアが選ぶ厳選8校】
• Coloso評判・口コミ2026｜利用者の本音と徹底レビュー
• エンジニア転職完全ガイド2026【未経験・経験者別ロードマップ】