株式会社BinaryTech | 日本品質 × ベトナム開発、最高のバランスを。

MCPとエージェントAI：自律型AIを構築する | 第1章：エージェントAI入門

Posted at 2025-04-16

はじめに

AI技術は急速に進化していますが、従来の大規模言語モデル（LLM）は主にテキスト生成に特化していました。しかし、現代のニーズは、単なる回答を超えて、タスクを自動化し、外部ツールと連携するAIを求めています。ここで登場するのがエージェントAIです。エージェントAIは、ユーザーの指示に基づき、データにアクセスし、アクションを実行する自律型AIです。

**Model Context Protocol（MCP）**は、このエージェントAIの構築を容易にするオープンなプロトコルです。MCPを使えば、AIがGoogle Calendar、Slack、データベースなどの外部リソースにアクセスし、複雑なワークフローを自動化できます。このシリーズでは、MCPを活用してエージェントAIをゼロから構築する方法を学びます。

第1章では、エージェントAIの基本とMCPの役割を紹介します。簡単なMCPサーバーを構築し、エージェントAIの可能性を体感してみましょう！

エージェントAIとは？

エージェントAIは、以下の特徴を持つAIです：

自律性：ユーザーの指示を解釈し、適切なアクションを自ら選択。
コンテキスト認識：外部データ（カレンダー、メール、データベース）を参照して正確な判断。
アクション実行：ツールやAPIを通じてタスクを実行（例：メール送信、タスク作成）。

LLMとの違い

従来のLLM（例：ChatGPT、Claude）は、ユーザーの質問に答えるだけでした。たとえば、「明日の予定を教えて」と聞くと、LLMは「カレンダーを見ていないのでわからない」と答えます。一方、エージェントAIは以下のように動作します：

Google Calendarにアクセス（MCP経由）。
予定を解析し、ユーザーに要約を提示。
必要なら新しい予定を追加。

この違いは、MCPが外部データやツールとの標準化された接続を提供することで実現します。

MCPがエージェントAIをどう強化するか？

MCPは、エージェントAIの「神経システム」のような役割を果たします。主な機能は以下の通り：

リソース提供：データ（ファイル、データベース）をAIに提供。
ツール統合：APIやスクリプトをAIが実行可能に。
標準化：異なるツールやAI間で一貫した接続を確保。

実際のシナリオ

あなたが「来週のミーティングを準備して」とエージェントAIに依頼したとします。MCPを介して、以下が実行されます：

Google Calendarからミーティング予定を取得。
Slackで関連する議論を検索。
Notionに議事録テンプレートを作成。
必要な参加者にメール通知を送信。

このようなワークフローは、MCPの標準化がなければ、個別のカスタムインテグレーションが必要で、開発が複雑でした。

なぜMCPでエージェントAIを構築するのか？

MCPを活用する利点は以下の通り：

柔軟性：Google CalendarからQdrantまで、どんなツールとも統合可能。
スケーラビリティ：単一のMCPサーバーで複数のエージェントをサポート。
コミュニティの力：オープンソースのMCPサーバーを利用・拡張可能。
セキュリティ：OAuth 2.1やユーザー同意で安全性を確保。

環境の準備

エージェントAIを試すために、以下の環境を準備します：

Python 3.8以降：MCPサーバー構築用。
mcpライブラリ：JSON-RPC通信を処理（仮定のライブラリ、実際は公式ドキュメントを確認）。
Claude Desktop：MCP対応のAIクライアント。
テキストエディタ：VS Code推奨。

インストールコマンド：

pip install mcp jsonrpcserver

コード例：メールデータを取得するMCPサーバー

エージェントAIの第一歩として、メールデータをリソースとして提供するシンプルなMCPサーバーを構築します。この例では、ダミーのメールデータを返します（実際にはGmail APIなどを使用）。

from mcp import MCPServer

class EmailServer(MCPServer):
    def __init__(self, host, port):
        super().__init__(host, port)
        self.register_resource("get_emails", self.get_emails)

    def get_emails(self, params):
        try:
            # ダミーデータ（実際はGmail APIなどを利用）
            emails = [
                {"from": "alice@example.com", "subject": "ミーティングの提案", "date": "2025-04-15"},
                {"from": "bob@example.com", "subject": "プロジェクト進捗", "date": "2025-04-14"}
            ]
            return {"status": "success", "emails": emails}
        except Exception as e:
            return {"status": "error", "message": str(e)}

if __name__ == "__main__":
    server = EmailServer(host="localhost", port=8087)
    print("メールMCPサーバーを起動中: http://localhost:8087")
    server.start()

コードの説明

MCPServer：JSON-RPC通信を処理するベースクラス。
get_emails：ダミーのメールリストを返すリソース（実際はAPI統合）。
register_resource：リソースを登録し、AIがアクセス可能に。
start()：サーバーを起動。

テスト方法

サーバーを起動：
```
python email_server.py
```

Claude Desktopで設定：

{
  "mcp_servers": [
    {
      "name": "EmailServer",
      "url": "http://localhost:8087",
      "auth": "none"
    }
  ]
}

Claudeにプロンプト：

最近のメールを教えてください。

レスポンス例：

以下のメールが見つかりました：
- 送信者: alice@example.com, 件名: ミーティングの提案, 日付: 2025-04-15
- 送信者: bob@example.com, 件名: プロジェクト進捗, 日付: 2025-04-14

次のステップ

このサーバーは、エージェントAIの基礎です。次の章では、Google Calendarを統合して、実際にスケジュール管理を行うエージェントを構築します。以下のような質問をAIが処理できるようになります：

「来週の空き時間を教えて」
「新しいミーティングを追加して」

まとめ

この第1章では、エージェントAIの概念と、MCPがその構築をどのように支援するかを学びました。MCPは、AIを自律的で実用的なアシスタントに変える鍵です。簡単なメールサーバーを構築することで、MCPの可能性を少しだけ体験できました。

次の第2章では、Google CalendarとMCPを統合し、スケジュール管理エージェントの第一歩を踏み出します。エージェントAIの構築にワクワクしている方は、ぜひお楽しみに！

役に立ったと思ったら、「いいね」や「ストック」をしていただけると嬉しいです！次の章でまたお会いしましょう！

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up