はじめに
少し遅めですが、MCP を理解したいと思い、公式ドキュメントのチュートリアルを試してみました。
手順自体はすでに多くの方が紹介しているので、ここでは私自身が疑問に思った点を調べて解決した内容を、備忘録としてまとめておきます。
疑問に思ったこと
私が疑問に思ったことは、LLM はどのようにしてこれらの関数を理解しているのか、という点でした。
最初は、仕様書のように関数の説明文を書いたり、特別な設定をしないといけないのではと思っていたので、これだけでできるのかと少し驚きました。
裏側で動いている仕組み
調べてみると、このあたりは FastMCP がうまく処理してくれているようです。
mcp = FastMCP("weather")
@mcp.tool()
def get_alerts(state: str):
...
@mcp.tool()
def get_forecast(lat: float, lon: float):
...
このコードによって、関数が MCP サーバーに登録されています。
そして MCP インスペクターを使うと、どのように登録されているのかを確認できました。
npx @modelcontextprotocol/inspector
このコマンドを実行すると、次のようなブラウザ画面が立ち上がります。
Transport Type は STDIO、Command と Arguments には MCP 設定時に使用した JSON ファイルの内容を入力します。
左下の Connect をクリックし、上部タブの Tools を開いて List Tools をクリックすると、History に tools/list が出てきます。
それを展開して Response を確認すると、ツール情報がどのように登録されているのかを見ることができます。
Response の中身は以下のようになっていました。
チュートリアル内で関数にコメント文として説明が書かれていたので、単なる補足だと思っていましたが、実際にはこのコメント文が description として LLM に関数の意味を伝える役割を果たしていました。
get_alertsのコメント文の部分
@mcp.tool()
async def get_alerts(state: str) -> str:
"""Get weather alerts for a US state.
Args:
state: Two-letter US state code (e.g. CA, NY)
"""
...
Responseの中身
descriptionにコメント文の内容がそのまま含まれていました。
{
"tools": [
{
"name": "get_alerts",
"description": "Get weather alerts for a US state.\n\nArgs:\n state: Two-letter US state code (e.g. CA, NY)\n",
"inputSchema": {
"type": "object",
"properties": {
"state": {
"title": "State",
"type": "string"
}
},
"required": [
"state"
],
"title": "get_alertsArguments"
},
"outputSchema": {
"type": "object",
"properties": {
"result": {
"title": "Result",
"type": "string"
}
},
"required": [
"result"
],
"title": "get_alertsOutput"
}
},
{
"name": "get_forecast",
"description": "Get weather forecast for a location.\n\nArgs:\n latitude: Latitude of the location\n longitude: Longitude of the location\n",
"inputSchema": {
"type": "object",
"properties": {
"latitude": {
"title": "Latitude",
"type": "number"
},
"longitude": {
"title": "Longitude",
"type": "number"
}
},
"required": [
"latitude",
"longitude"
],
"title": "get_forecastArguments"
},
"outputSchema": {
"type": "object",
"properties": {
"result": {
"title": "Result",
"type": "string"
}
},
"required": [
"result"
],
"title": "get_forecastOutput"
}
}
]
}
感想
インスペクターで中身を確認して、こうして関数情報が LLM に伝わっているという仕組みを理解できました。
実際に動かしてみると一気に解像度が上がるので、まだ試していない方はやってみるのをおすすめします。