LoginSignup
2
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

AIエージェントの知見を共有しよう！
@DayuanJiang(大原 姜)

LLMエージェントの新常識「MCP」とは？開発者必見の徹底解説！

Posted at

TL;DL

  • MCP (Model Context Protocol) は、LLMエージェントが様々なデータソース (コンテンツ、ツールなど) に接続するためのプロトコルです。
  • 目的: 接続の標準化と、AIシステムの管理の簡素化。
  • ツールとの違い: MCP はプロトコルであり、ツールは MCP を通じて公開される機能の一つ。
  • 従来の問題: LLM と異なるデータソースを繋ぐには、カスタム実装が必要だった。
  • MCP の利点: 標準化されたプロトコルのため、カスタム実装なしで様々なデータソースに接続可能 (REST API に類似)。
  • 構成:
    • MCP クライアント: LLMエージェントやアプリケーション (例: Claude Desktop、IDE)。
    • MCP サーバー: 特定のデータソースやツールに接続し、機能を公開する軽量プログラム。
  • MCP サーバーでできること:
    • ツール: 実行可能な機能をクライアントに公開 (例: 計算、検索)。
    • リソース: データやコンテンツを公開。
    • プロンプト、サンプリング、ルート (現状ではツールとリソースが主に利用)。
  • 現状: 2024年11月発表の新しい技術で、発展途上。ツールとリソースアクセスが主な用途。
  • 将来性: エージェントの流行に伴い、飛躍的に発展するになる可能性が高い。

MCPとは？

MCP（Model Context Protocol）とは、LLMエージェントがコンテンツ、ツールなど、様々なデータソースに接続できるようにするためのプロトコルです。 単一のプロトコルで接続を標準化することで、AIシステムの管理を容易にすることを目指しています。2024年11月にAnthropicが発表して以来、MCPはCursorなどのLLMベースのアプリケーションで利用されており、LLMエージェントの発展において重要な役割を果たしています。

MCPが解決する問題（ツールとの違い）

筆者はCline（オープンソース版Cursor）でMCPのことを知りました。当初は、「わざわざ難しい名前を付けているが、これは単純にツールではないか？」と感じました。しかし、詳細に調べていくうちに、MCPはプロトコルであり、ツールとは異なることがわかりました。

例として、二つのシナリオを考えてみましょう。

  1. AさんはLlamaIndexでLLMエージェントアプリケーションを開発しています。LangChainにあるツールを利用したいのですが、それが可能かどうか不明なため、調査が必要です。

  2. BさんはTypeScriptでLLMエージェントアプリケーションを開発しています。エージェント用の検索ツールが必要ですが、LangChainのPythonライブラリにはduckduckgoの検索ツールがあるものの、言語が異なるため利用できません。

従来、このようにLLMと異なるデータソースに接続するには、それぞれカスタム実装が必要でした。しかし、MCPという標準化されたプロトコルがあれば、カスタム実装なしで、様々なデータソースに容易に接続できます（REST APIとよく似ています）。

MCPの構成

MCPはクライアント-サーバーアーキテクチャを採用しています：

  • MCPクライアント: LLMエージェントやアプリケーションで、データにアクセスするためにMCPを使用します（例: Claude Desktop、IDE、AIツール）。

  • MCPサーバー: 特定のデータソースやツールに接続し、その機能をMCPを通じて公開する軽量プログラムです（例: ファイルシステム、データベース、Webサービス）。

General-architecture

ホストは複数のサーバーに接続でき、各サーバーが異なるデータソースへのアクセスを提供します。この設計により、AIはカスタム統合なしで多様なデータにアクセスできます。プロトコルはJSON-RPCに基づいており、多くのプログラミング言語と互換性があります。

MCPサーバーを実際に作ってみる

MCPはあくまでもプロトコルなので、プログラミング言語に関わらずサーバーを構築/アクセスすることができます。ただし、まだ発展途上であり、現在サポートされている(SDKが提供されている)言語はPython, TypeScript, Java, Kotlinです。今回はPythonで実装してみます。

環境準備

Pythonでサーバーを構築する際にはuvというパッケージ管理ツールを利用しているので、まずそれをインストールします。

curl -LsSf https://astral.sh/uv/install.sh | sh

次に再起動し、Python環境をインストールします。

# 新しいプロジェクトディレクトリを作成
uv init calculator
cd calculator

# 仮想環境を作成し、アクティベート
uv venv
source .venv/bin/activate

# 依存関係をインストール
uv add "mcp[cli]"

# サーバーファイルを作成
touch calculator.py

サーバーロジックの実装

以下のスクリプトをcalculator.pyに記述すれば完了です。これにより、入力された数式を計算し、結果を返すツールを持つMCPサーバーが作成されます。

from typing import Any

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("calculator")


@mcp.tool()
def calculator(expression: str) -> Any:
    """Calculate a mathematical expression.

    Args:
        expression: Mathematical expression to evaluate
    """
    result = eval(expression)
    return result


if __name__ == "__main__":
    # サーバーを初期化し、実行
    mcp.run(transport="stdio")

いかがでしょうか。PythonのLangchainでツールを作理、FastAPIでサービングすることとよく似ていませんか。

MCPサーバーにアクセスする

接続

次に以下のコードを実行すれば、サーバーに接続できます。環境は任意なので、Jupyterで接続してみました。

from contextlib import AsyncExitStack

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

exit_stack = AsyncExitStack()

command = "python" # 今回はPythonでサーバーコードを記述したため
server_script_path = "calculator.py" # サーバーコードのパス
server_params = StdioServerParameters(
    command=command, args=[server_script_path], env=None
)
stdio, write = await exit_stack.enter_async_context(stdio_client(server_params))
session = await exit_stack.enter_async_context(ClientSession(stdio, write))
await session.initialize()

上記のコードにはStdioServerParametersなどの見慣れない要素がありますが、利用する上で特に理解する必要はないので、そのまま書けば良いです。

ちなみに、接続情報としてスクリプトの言語とserver_script_pathが必要なのは、現時点ではネットワークを介したMCPサーバーへの接続がまだ開発中であり、MCPサーバーがまだローカルでしか動作しないためです。ローカルでサーバーを動作させるために、内部で言語によってサーバースクリプトを実行する方法を変えています。Pythonの場合はuvx、TypeScriptの場合はnpxでサーバースクリプトを実行しています。

リクエスト

次にリクエストを実行してみましょう。まず、サーバー側でどのようなツールが利用可能かを確認します。

response = await session.list_tools()
tools = response.tools
print(tools[0].model_dump_json(indent=4))

{
    "name": "calculator",
    "description": "Calculate a mathematical expression.\n\n    Args:\n        expression: Mathematical expression to evaluate\n    ",
    "inputSchema": {
        "properties": {
            "expression": {
                "title": "Expression",
                "type": "string"
            }
        },
        "required": [
            "expression"
        ],
        "title": "calculatorArguments",
        "type": "object"
    }
}

先ほど定義したcalculatorツールの詳細が表示されました。

ツールの情報をLLMに送信すれば、LLMはユーザーのリクエストに応じてツールを呼び出し、利用することができます。例えば、LLMがユーザーから4**2の結果は？という質問を受け、それをツールで計算するとしましょう（今回は説明を簡潔にするためLLMの部分は省略します）。その場合、以下のようにMCPサーバーへリクエストし、結果を得ることができます。

tool_name = "calculator"
tool_args = {"expression": "4**2"}
result = await session.call_tool(tool_name, tool_args)
result

CallToolResult(meta=None, content=[TextContent(type='text', text='16', annotations=None)], isError=False)

このように、利用したいツールとパラメータをサーバーに渡せば、結果が返ってきます。LLMはその結果を用いてユーザーに応答することができます。

ツール以外の機能

ツールを利用する以外に、MCPサーバーでできることを以下にまとめました。

  • リソース (Resources): リソースは、Model Context Protocol (MCP) の中核となるプリミティブ（基本要素）であり、サーバーがデータやコンテンツを公開することを可能にします。クライアントはそれらを読み取り、LLM との対話のコンテキストとして使用できます。

  • プロンプト (Prompts): プロンプトにより、サーバーは再利用可能なプロンプトテンプレートとワークフローを定義できます。クライアントはこれらをユーザーや LLM に容易に提示できます。プロンプトは、一般的な LLM との対話を標準化し、共有するための強力な手段を提供します。

  • ツール (Tools): ツールは MCP の強力なプリミティブであり、サーバーが実行可能な機能をクライアントに公開できるようにします。ツールを通じて、LLM は外部システムと対話し、計算を実行し、現実世界でアクションを起こすことができます。

  • サンプリング (Sampling): サンプリングは強力な MCP 機能であり、サーバーがクライアントを通じて LLM の補完を要求できるようにします。これにより、セキュリティとプライバシーを維持しながら、高度なエージェント的動作が可能になります。

  • ルート (Roots): ルートは MCP の概念であり、サーバーが動作できる境界を定義します。クライアントがサーバーに関連リソースとその場所を通知するための手段を提供します。

5つの機能がありますが、残念ながら、現時点ではツール使用とリソースアクセスとしての利用がほとんどです。以下は各クライアントがサポートする機能をまとめたものです。

Client Resources Prompts Tools Sampling Roots Notes
Claude Desktop App ✅ ✅ ✅ ❌ ❌ Full support for all MCP features
5ire ❌ ❌ ✅ ❌ ❌ Supports tools.
BeeAI Framework ❌ ❌ ✅ ❌ ❌ Supports tools in agentic workflows.
Cline ✅ ❌ ✅ ❌ ❌ Supports tools and resources.
Continue ✅ ✅ ✅ ❌ ❌ Full support for all MCP features
Cursor ❌ ❌ ✅ ❌ ❌ Supports tools.
Emacs Mcp ❌ ❌ ✅ ❌ ❌ Supports tools in Emacs.
Firebase Genkit ⚠️ ✅ ✅ ❌ ❌ Supports resource list and lookup through tools.
GenAIScript ❌ ❌ ✅ ❌ ❌ Supports tools.
Goose ❌ ❌ ✅ ❌ ❌ Supports tools.
LibreChat ❌ ❌ ✅ ❌ ❌ Supports tools for Agents
mcp-agent ❌ ❌ ✅ ⚠️ ❌ Supports tools, server connection management, and agent workflows.
Roo Code ✅ ❌ ✅ ❌ ❌ Supports tools and resources.
Sourcegraph Cody ✅ ❌ ❌ ❌ ❌ Supports resources through OpenCTX
Superinterface ❌ ❌ ✅ ❌ ❌ Supports tools
TheiaAI/TheiaIDE ❌ ❌ ✅ ❌ ❌ Supports tools for Agents in Theia AI and the AI-powered Theia IDE
Windsurf Editor ❌ ❌ ✅ ❌ ❌ Supports tools with AI Flow for collaborative development.
Zed ❌ ✅ ❌ ❌ ❌ Prompts appear as slash commands
[OpenSumi][OpenSumi] ❌ ❌ ✅ ❌ ❌ Supports tools in OpenSumi

まとめ

改めて、MCP(Model Context Protocol)はLLMとリソースのコミュニケーションを円滑にするためのプロトコルです。SNS等で言及されているMCPは、実際にはMCPサーバーを指していることが多いです。2024年の11月に提唱され、まだ4ヶ月しか経っていない、生まれたばかりの技術です。ツール、リソースなどの機能がありますが、まだ発展途上のため、十分に活用されていません。しかし、エージェントが注目され始めている現在の状況から見ると、今できているツールの部分が全部MCPサーバーに代替されるでしょう。

もっと知りたい方へ

この記事は個人ブログから転載したものです。よろしければそちらもご覧ください。

2
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
2
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?