LoginSignup
2
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@RepKuririn(Daiki Kuribayashi)

DockerがMCP対応ツールでAI開発エコシステムの拡張へ

Posted at

以下dockerブログより

目次

Part 1: Dockerの新MCP戦略とは

MCPイニシアチブの概要

2025年4月22日、Dockerは同社のAIイニシアチブを大幅に拡大する新サービス「Docker MCP Catalog」と「Docker MCP Toolkit」を発表しました。これらの新製品は新興標準である Model Context Protocol (MCP) を中心に構築され、急速に進化するAIエコシステムにDockerの特徴的な開発者体験をもたらします。

基礎知識: Dockerとは、アプリケーションをコンテナと呼ばれる軽量な実行環境にパッケージ化して、どこでも同じように実行できるプラットフォームです。コンテナ技術のデファクトスタンダードとして知られています。

この新イニシアチブは、以下の2つの主要製品で構成されています：

  1. Docker MCP Catalog: Docker Hubに統合された、検証済みで厳選されたMCPツールを一元的に発見できるプラットフォーム
  2. Docker MCP Toolkit: 開発者がMCPツールを実行、認証、管理できるようにするツールセット

Docker社のPresident兼COOであるMark Cavage氏は次のように述べています：「AI機能を持つアプリケーションの構築は、他のアプリ開発と根本的に異なるべきではありません。開発者は既存のワークフローにAIを統合したいと考えています—ローカルでビルドし、テストし、自信を持って本番環境にシップする。エージェント型ツールが本格的なソフトウェアシステムのように振る舞い始めると、パッケージング、バージョン管理、認証などの従来の課題がすぐに戻ってきます。Docker MCP Catalogはこれらすべてを一か所にまとめ、Docker Hub内の信頼できる開発者フレンドリーな体験を提供し、ツールは検証され、安全で簡単に実行できます。」

AI開発における課題とDockerのアプローチ

現在のAI開発には、Dockerが解決しようとしている複数の課題があります：

  1. 断片化した発見プロセス: AIツールやモデルは様々なプラットフォームに散在しており、開発者が信頼できるツールを見つけることが困難
  2. 複雑なセットアップ: AI環境の構築には複雑な依存関係や設定の管理が必要
  3. セキュリティ懸念: AIエージェントがシステムとの対話能力を高めるにつれ、セキュリティはますます重要に
  4. クレデンシャル管理: 様々なAIサービスのアクセストークンや認証情報が一貫性なく管理されている
  5. 非一貫性のあるデプロイ: AI開発環境から本番環境への移行に標準化が欠けている

Docker社の幹部によると、「MCPは標準化の初期段階にあります。単純で、モジュラーでウェブネイティブな原則に基づいています。コンテナがアプリケーションのデプロイメントに革命をもたらしたように、MCPはAIエージェントの相互作用に革命をもたらす可能性があります」とし、標準化を通じた簡素化の重要性を強調しています。

Model Context Protocol (MCPとは)

Model Context Protocol (MCP)を理解することは、Dockerの新ツールをより深く理解するための鍵となります：

MCPとは？
Model Context Protocol (MCP)は、AIエージェントをツールに接続するための新興標準です。これにより、AIシステムが外部ツールやサービスと標準的な方法でやり取りできるようになります。REST APIがWebサービスの相互作用を標準化したように、MCPはAIシステムの外部ツール連携を標準化します。

MCPが重要な理由:

  • AIエージェントがテキスト生成を超えて実際のソフトウェアシステムでアクションを実行できるようになる
  • AIモデルとは独立してツールを開発できるモジュラーアプローチを提供する
  • Webネイティブな原則に基づいて構築されているため、アクセスしやすく相互運用性がある

しかし、現在のMCPエコシステムでは、Dockerが解決しようとしている以下の課題があります：

  • MCPツールを発見するための中央メカニズムの欠如
  • 標準化されたセキュリティプラクティスの不足
  • 一貫性のないクレデンシャル管理
  • 複雑なセットアップ要件

Dockerは、コンテナがアプリケーションデプロイメントに革命をもたらしたように、MCPエコシステムにも明確さ、信頼性、スケーラビリティをもたらそうとしています。

Part 2: Docker MCPの新ツール詳細

Docker MCP Catalogの機能

Docker MCP Catalogは、Docker Hubに直接統合された、MCPツールを発見しアクセスするための中央ハブとして機能します。主な特徴は以下の通りです：

  1. 検証済みツール: カタログには、Stripe、Elastic、Neo4j、New Relicなど信頼できるパートナーから提供される100以上の検証済みツールが含まれます。

  2. パブリッシャー検証: カタログ内のツールには、正当なソースからのものであることを確認するパブリッシャー検証が付いています。

  3. バージョン管理システム: コンテナイメージと同様に、カタログ内のMCPツールは安定性と再現性のためにバージョン付きリリースをサポートしています。

  4. 厳選されたコレクション: ツールはコレクションに整理され、開発者が必要なものを素早く見つけられるようになっています。

  5. Docker Hubとの統合: カタログはDocker Hubの実績あるインフラストラクチャを活用し、月間数十億のダウンロードを既に処理しています。

Docker MCP Catalogは、開発者が必要なツールを見つけるために様々なソース（DiscordのスレッドやTwitterの返信など）を検索する必要性を排除し、信頼できる一元化されたリポジトリを提供します。

Docker MCP Toolkitの特徴

Docker MCP Toolkitは、MCPサーバーのランタイム環境と管理ツールを提供することでカタログを補完します。主な特徴は以下の通りです：

  1. ワンクリック起動: 開発者はDocker Desktopから直接MCPサーバーを数秒で起動できます。

  2. クライアント互換性: ツールキットはDocker AI Agent、Claude、Cursor、VS Code、Windsurf、continue.dev、Gooseなど様々なMCPクライアントとシームレスに連携します。

  3. 組み込みのクレデンシャル管理: ツールキットには、Docker HubアカウントにリンクされたクレデンシャルとOAuthの統合管理が含まれています。

  4. Gateway MCPサーバー: 有効化されたツールを互換性のあるクライアントに動的に公開するサーバー。

  5. Docker MCP CLI: 開発者がMCPツールを簡単に構築、実行、管理できるコマンドラインインターフェース。

  6. デフォルトのセキュリティ: ツールキットには、MCPツールが安全に実行されることを保証するための組み込みのメモリ、ネットワーク、ディスク分離が含まれています。

このツールキットは基本的にMCPツールをコンテナ化し、従来のアプリケーションにコンテナ化がもたらしたのと同じメリット（分離、ポータビリティ、一貫した環境）をもたらします。

Docker Hubエコシステムとの統合

DockerのMCPツールは単独で存在するのではなく、Dockerの既存のエコシステムと深く統合されています：

  1. Docker Hub統合: MCP Catalogは、規模（1,400万以上のイメージ）と信頼性を活かしたDocker Hub上に構築されています。

  2. Docker Desktop拡張: 開発者はDocker Desktopから直接MCPサーバーを発見して実行できます。

  3. エンタープライズコントロール: 将来のリリースでは、チームがRegistry Access Management (RAM)やImage Access Management (IAM)などのエンタープライズコントロールで独自のMCPサーバーを公開および管理できるようになります。

  4. シークレットストレージ: Docker Desktopに統合されたシームレスなシークレットストレージがクレデンシャル管理を簡素化します。

  5. 補完的AIツール: MCPイニシアチブは、Docker AI Agent（コンテキスト対応アシスタント）やDocker Model Runner（AIモデルをローカルで実行するためのツール）などのDockerの他のAIツールにも基づいています。

この統合により、開発者は新しいAI機能を採用しながら、Dockerに関する既存の知識を活用できます。

Part 1・2のまとめ:
Docker MCPイニシアチブは、AI開発をコンテナ化された従来のアプリケーション開発と同じように簡単かつ安全にすることを目指しています。Docker MCP CatalogとToolkitの組み合わせにより、開発者は検証済みのMCPツールを発見し、これらを安全かつ簡単に実行できるようになります。これらのツールはDockerの既存のエコシステムと深く統合されており、AI開発の採用障壁を大幅に下げています。

Part 3: 業界へのインパクトとパートナーシップ

主要パートナー企業とエコシステム

DockerのMCPイニシアチブは、クラウド、開発者ツール、AIドメイン全体の主要企業とのパートナーシップによって支えられています。これらのパートナーシップは堅牢なエコシステムの構築に不可欠です。主要なパートナーには以下が含まれます：

  1. データ＆分析パートナー:

    • Elastic: ベクトルデータベース機能のためのElasticsearch MCPサーバーの提供
    • Neo4j: 接続データのためのグラフデータベース機能の提供
    • Grafana Labs: 20以上の可観測性ツールの提供

  2. クラウド＆インフラパートナー:

    • Heroku at Salesforce: アプリケーション管理機能の提供
    • Pulumi: Infrastructure-as-Code機能の有効化
    • Kong Inc.: API管理の提供

  3. 開発者ツールパートナー:

    • continue.dev: 開発ワークフローへのAIアシスタントの統合
    • New Relic: 可観測性ツールの提供
    • Stripe: 決済処理機能の提供
    • Webflow: ウェブデザインと開発ツールの提供

これらのパートナーシップにより、開発者は初日から幅広いツールとサービスにアクセスでき、DockerのMCPプラットフォームを中心に活発なエコシステムが構築されています。

パートナー企業の声

「MCPはエージェントビルダーにとって重要なイノベーションです。Elasticsearch MCPサーバーをDocker MCP Catalogに提供することで、より多くのチームが安全でスケーラブルなベクターデータベースとハイブリッド検索機能を持つElasticsearchをAIエージェントで活用できるようになります。」 - Shay Banon, Founder and CTO, Elastic

「Pulumi MCPサーバーはお気に入りのAIツールで指先からクラウドにアクセスできるようにします。インフラストラクチャーアズコードを活用し、初日から1000以上のクラウドおよびSaaSプロバイダーをサポートした最新のインフラストラクチャーをどこでもスピンアップできます。Docker MCP CatalogとToolkitのパートナーとして、AIアシストによるクラウド管理を強化されたセキュリティとエンタープライズ対応機能と共に共通のお客様に提供できることを嬉しく思います。」 - Joe Duffy, Founder and CEO, Pulumi

活用シナリオと応用例

DockerのMCPツールはソフトウェア開発ライフサイクル全体で様々なユースケースを可能にします：

  1. AI支援開発:

    • コード補完と生成
    • デバッグ支援
    • ドキュメント生成

    例: 開発者はcontinue.devのMCPサーバーをDocker MCP Toolkitで実行し、VS Codeから接続することで、コンテキストを理解したコード生成支援を利用できます。

  2. 運用の自動化:

    • PulumiのMCPサーバーによるインフラストラクチャー管理
    • GrafanaとNew Relicを使用したアプリケーション監視
    • インシデント対応の自動化

    例: DevOpsエンジニアはGrafana MCPサーバーをDockerで実行し、Claude AIに接続することで、「先週と比較して異常なメトリクスパターンを見つけて」といった自然言語クエリで監視データを分析できます。

  3. データ分析と処理:

    • ElasticとNeo4jを介したデータベース操作
    • Grafanaによるデータ可視化
    • システム間の複雑なデータクエリ

    例: データアナリストはNeo4j MCPサーバーを使用して、「顧客購入パターンとソーシャルメディア活動の相関関係を見つけて」といった複雑なグラフクエリを実行できます。

  4. ビジネスプロセス統合:

    • Stripeによる決済処理
    • Kong.ioによるAPI管理
    • Webflowによるウェブアプリケーション開発

    例: 製品マネージャーは、Stripe MCPサーバーを通じて「先月のサブスクリプション解約理由を分析して」といった業務タスクを実行できます。

  5. カスタムAIエージェント開発:

    • ドメイン固有タスク向けの専門エージェントの構築
    • 既存ツールと新しいAI機能の接続
    • AI実験用の安全で独立した環境の作成

    例: 企業は社内知識ベースをElastic MCPサーバーに接続し、カスタムAIアシスタントを構築して従業員が社内情報に簡単にアクセスできるようにすることができます。

業界アナリストのPaul Nashawaty氏は次のように述べています：「Dockerはコンテナ化とAIの交差点に位置しており、スピード、一貫性、セキュリティが不可欠です。」

今後のロードマップとビジョン

DockerのMCPエコシステムに対するビジョンは初期リリースを超えて拡張しています：

  1. エンタープライズ対応:
    将来のリリースはエンタープライズ機能に焦点を当て、以下が含まれます：

    • MCPサーバーのチーム管理
    • アクセスコントロールと権限
    • セキュリティとコンプライアンスのための監査機能

  2. カタログの拡張:
    利用可能なMCPツールの数と種類の拡大。

  3. 強化された統合:
    既存のCI/CDパイプラインや開発ワークフローとのより深い統合。

  4. 標準化の取り組み:
    パートナーとの協力によるMCP仕様のさらなる標準化。

  5. セキュリティ強化:
    セキュリティ機能への継続的な焦点：

    • サンドボックスの改善
    • 権限モデル
    • 監査機能

目標は、AIツールがコンテナイメージと同じように発見、使用、信頼しやすいエコシステムを作成することであり、Docker Hubは両方の中心的なハブとして機能します。

Part 3のまとめ:
DockerのMCPイニシアチブは、主要企業とのパートナーシップによって支えられ、幅広い業界ユースケースを可能にしています。初期リリースを超えたビジョンはエンタープライズ対応、カタログ拡張、深い統合、継続的な標準化とセキュリティ強化を含み、AIツールがコンテナイメージと同じように広く採用されるエコシステムの構築を目指しています。

Part 4: 実践的な実装ガイド

Docker MCP Toolsを始める方法

DockerのMCPツールの使用に興味のある開発者のために、実践的な開始ガイドを紹介します：

  1. 前提条件:

    • Docker Desktopがインストール済み
    • Docker Hubアカウント
    • 基本的なDockerの概念に精通していること

  2. MCP Catalogへのアクセス:

    • Docker Hub経由でカタログを閲覧
    • カテゴリ、パブリッシャー、または機能で検索
    • ドキュメントと互換性情報を確認
    # Docker MCPコマンドの例
docker mcp search "elastic"  # Elasticのツールを検索
docker mcp info elastic/elasticsearch-mcp  # 詳細情報を表示

  3. MCPサーバーの実行:

    • Docker Desktopからワンクリック起動を使用
    • 代わりに、docker mcp runなどのコマンドでDocker MCP CLIを使用
    • 必要に応じて認証を設定
    # Elasticsearch MCPサーバーを実行する例
docker mcp run elastic/elasticsearch-mcp:latest

# 認証情報を使用して実行
docker mcp run --auth-token=$ES_TOKEN elastic/elasticsearch-mcp:latest

  4. MCPクライアントへの接続:

    • 好みのMCPクライアント（Claude、VS Code、Docker AI Agentなど）を設定
    • クライアントを実行中のMCPサーバーに向ける
    • 簡単なコマンドで機能をテスト
    # VS Code設定例（settings.json）
{
  "mcp.serverUrl": "http://localhost:8080",
  "mcp.authentication.token": "${env:MCP_AUTH_TOKEN}"
}

  5. 開発ワークフロー:

    • コンテナ化されたMCPツールでローカルに構築
    • 分離された環境でテスト
    • 馴染みのあるDockerワークフローを使用して本番環境にプッシュ
    # 開発プロセスの例
# 1. MCPサーバーを開発モードで実行
docker mcp run --dev neo4j/neo4j-mcp:latest

# 2. アプリケーションをテスト

# 3. 本番用設定で実行
docker mcp run --production \
  --resource-limits="memory=2g,cpu=1.0" \
  --auth-required \
  neo4j/neo4j-mcp:latest

これらのツールは、Dockerに既に精通している開発者の学習曲線を最小限に抑えるように設計されており、AI開発をより身近なものにしています。

セキュリティ考慮事項

セキュリティはDockerのMCPツールの基本的な側面であり、AI開発における主要な懸念事項に対処しています：

  1. 分離:

    • MCPツールはメモリ、ネットワーク、ディスクが分離されたコンテナで実行
    • ツールがホストシステムや他のコンテナに影響を与えることを防止
    # セキュリティ強化コンテナ実行の例
docker mcp run --security-opt=no-new-privileges \
  --read-only \
  --network=isolated \
  stripe/stripe-mcp:latest

  2. クレデンシャル管理:

    • Docker Hubを通じた一元管理
    • 安全な認証のためのOAuth統合
    • 必要に応じてクレデンシャルを取り消す機能
    # 安全なクレデンシャル管理の例
docker mcp creds add stripe --oauth  # OAuthフローを開始
docker mcp creds list  # 保存されたクレデンシャルを一覧表示
docker mcp creds revoke stripe  # クレデンシャルを取り消し

  3. 検証:

    • パブリッシャー検証によりツールが信頼できるソースからのものであることを確認
    • バージョン管理により既知の安全なバージョンへのロールバックが可能
    # 検証済みイメージの確認
docker mcp verify elastic/elasticsearch-mcp:latest

  4. 権限:

    • ツールがアクセスできるものに対する細かい制御
    • デフォルトで最小権限アプローチ
    # 最小権限の例
docker mcp run --capability=drop-all \
  --allow-fs=/data/readonly:ro \
  --allow-net=api.example.com:443 \
  example/mcp-tool:latest

  5. 監査 (将来の機能):

    • ツールの使用状況とアクセスの追跡
    • コンプライアンスレポート
    # 将来の監査機能の例
docker mcp audit logs --tool=stripe-mcp --timeframe=7d
docker mcp audit report --compliance=soc2 --output=pdf

MCPエコシステムの基盤にセキュリティを組み込むことで、Dockerはデベロッパーエクスペリエンスを損なうことなくAI開発における主要な懸念事項に対処しています。

プロトタイプから本番環境へ

AI開発では、プロトタイプから本番環境への移行が課題となることがよくあります。DockerのMCPツールはこのプロセスを促進します：

  1. 一貫した環境:

    • 同じMCPツールが開発環境と本番環境で同じように動作
    • 「自分の環境では動作する」問題の排除
    # 開発と本番で同じイメージを使用する例
# 開発環境
docker mcp run --env=dev neo4j/neo4j-mcp:1.2.3

# 本番環境
docker mcp run --env=prod neo4j/neo4j-mcp:1.2.3

  2. スケーラビリティ:

    • コンテナ化されたMCPツールは水平方向にスケール可能
    • Kubernetesのようなオーケストレーションシステムとの統合
    # Kubernetes展開の例
apiVersion: apps/v1
kind: Deployment
metadata:
  name: elasticsearch-mcp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: elasticsearch-mcp
  template:
    metadata:
      labels:
        app: elasticsearch-mcp
    spec:
      containers:
      - name: elastic-mcp
        image: elastic/elasticsearch-mcp:1.2.3
        resources:
          limits:
            memory: "2Gi"
            cpu: "1000m"

  3. バージョン管理:

    • 本番環境では特定のバージョンのMCPツールにロック
    • 開発環境でアップグレードをテストしてから昇格
    # バージョン固定の例
# 本番環境の設定ファイル
cat > production.yaml << EOF
mcp_tools:
  - name: elastic/elasticsearch-mcp
    version: 1.2.3
    hash: sha256:a1b2c3d4...
  - name: stripe/stripe-mcp
    version: 2.0.1
    hash: sha256:e5f6g7h8...
EOF

# 設定ファイルによる起動
docker mcp run-config production.yaml

  4. CI/CD統合:

    • MCPツールを継続的統合パイプラインに含める
    • AIコンポーネントを使った自動テスト
    # GitHub Actions CI/CDの例
name: Test and Deploy MCP Application

on: [push]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Run MCP Tests
        run: |
          docker mcp run neo4j/neo4j-mcp:1.2.3
          npm test
  
  deploy:
    needs: test
    if: github.ref == 'refs/heads/main'
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Deploy to Production
        run: |
          docker mcp push-config production.yaml

  5. モニタリングと可観測性:

    • New RelicやGrafanaのようなツールとの統合
    • 本番環境でのAIツールパフォーマンスの理解
    # 監視統合の例
docker mcp run --monitor=newrelic \
  --apm-key=$NEWRELIC_KEY \
  elastic/elasticsearch-mcp:latest

  6. エンタープライズコントロール:

    • Registry Access Managementによるツールアクセスの制御
    • Image Access Managementによるセキュリティポリシー
    # エンタープライズ設定の例
docker mcp config set enterprise.ram.enabled true
docker mcp policy create --name=production-only \
  --allow-images="approved-registry.company.com/*"

この合理化された本番環境への道筋は、組織が実験的AIから本番対応AIアプリケーションに移行するのに役立ちます。

Part 4のまとめ:
DockerのMCPツールは、開発者がAIツールを簡単に発見、実行、管理できるようにすることで、AI開発の採用障壁を下げます。Docker MCPの実装は、コンテナ技術の既存の利点（分離、再現性、移植性）をAI開発に適用し、セキュリティを強化しながらスムーズな本番環境への移行を可能にします。

まとめ: AI開発の未来とDocker MCPの位置づけ

DockerのModel Context Protocol (MCP)イニシアチブは、AI開発がソフトウェア開発のメインストリームになるという重要な転換点を代表しています。Docker MCP CatalogとDocker MCP Toolkitを通じて、Dockerはコンテナがアプリケーションデプロイメントに革命をもたらしたのと同じように、AI開発で革命を起こそうとしています。

主要なポイント:

  1. 標準化の重要性: MCPはAIエージェントとツールの接続方法を標準化し、断片化された実装からより一貫したエコシステムへの移行を促進します。

  2. 信頼性の構築: Docker MCP Catalogは検証済みツールの中央リポジトリを提供し、AIツールに対する信頼性の基準を確立します。

  3. セキュリティファースト: DockerのMCPイニシアチブは、コンテナ化のセキュリティ利点をAI開発に適用し、分離、クレデンシャル管理、権限制御の強固な基盤を提供します。

  4. 開発者体験の向上: 馴染みのあるDockerパラダイムを活用することで、MCPツールはAI開発の学習曲線を大幅に低減します。

  5. エコシステムの力: Elastic、Stripe、Neo4j、Heroku at Salesforceなどの主要パートナーとの協力により、Dockerは初日から豊富なツールセットを提供できます。

  6. エンタープライズ対応: 将来のリリースでは、企業が本番環境でAIツールを安全に大規模に採用できる機能が含まれます。

DockerのMCPイニシアチブは、次のことを約束しています：

  • 開発者: AIツールのより簡単な発見と使用
  • ツール作成者: より広い開発者オーディエンスへのリーチ
  • 企業: AIツールの安全かつ管理された採用

AI開発の未来では、Docker MCP CatalogとToolkitが、コンテナイメージが今日のクラウドネイティブ開発でそうであるように、健全なエコシステムの基盤となることでしょう。

ステージ 0: 初期段階

  • AI開発: 単純な生成AIツールの利用が中心
  • Dockerの役割: アプリケーション実行環境としてのコンテナ標準化を推進

ステージ 1: 現在

  • AI開発: より高度なAIエージェントや関連ツールが登場
  • Dockerの役割: MCP（Model Containerization Platform や Multi-Cloud Platform など、AIモデルや複数クラウド環境を含むプラットフォーム）の標準化に貢献

ステージ 2: 近未来

  • AI開発: 企業におけるAI技術の本格的な採用（エンタープライズAI採用）が進む
  • Dockerの役割: AI開発を支援する統合的なプラットフォームへと進化

ステージ 3: 中期的な未来

  • AI開発: AI機能を核としたAIネイティブアプリケーションが開発される
  • Dockerの役割: AIアプリケーションの開発・実行に必要なインフラを統合的に提供

ステージ 4: 長期的な未来

  • AI開発: 自己学習・自己改善を行う自律的なAIシステムが実現
  • Dockerの役割: AIシステムの効率的かつ信頼性の高い運用を実現するための標準を確立

業界アナリストのPaul Nashawaty氏の言葉を借りれば: 「Dockerの新しいMCP Catalogはソフトウェア配信のセキュリティにおいて意義ある前進です。Registry Access Managementや組み込みのシークレット管理などの機能により、Dockerはサプライチェーンセキュリティに対する企業の需要の高まりに対応しています。その需要は2022年のわずか10%から2026年には70%の採用率に達すると予想されています。同時に、Docker Model RunnerやDocker AI Agentなどのそのツールは、開発者がモデルをローカルで構築および実行する方法を簡素化します。これは、世界のAIソフトウェア支出が2026年までに3000億ドルを超えると予測される市場において重要です。」

Docker MCP Catalogは2025年5月から利用開始となります。より詳細な情報、またはMCP Toolkitのベータ版へのアクセスやDockerのDevRelチームとのセッションスケジュールについては、Dockerの公式サイトをご覧ください。

Docker MCP CatalogとToolkitは、AI開発の将来において重要な一歩を表しています。それらは開発者がAIの複雑さに直面することなく、AIの力を活用できるようにするための架け橋となるでしょう。

Docker社の創業者であるSolomon Hykes氏が以前に述べた有名なフレーズ「Build, Ship, and Run Any App, Anywhere」は、今やAIの世界にも拡張され、「Build, Ship, and Run Any AI App, Anywhere」となりました。

2
0
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
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?