はじめに：AIに「自社データ」を触らせる最も簡単な方法
「CursorなどのAIツールに、ローカルにある特定のSQLiteデータベースの中身を直接クエリさせて、データ分析やデバッグをさせたい」
これを実現するための新しい世界標準がMCP（Model Context Protocol）です。
今回は、Node.js/TypeScriptを使って、「ローカルのSQLiteデータベースからデータを取得するツール」を持つMCPサーバーをスクラッチで自作してみます。
これさえできれば、自社の独自APIやローカルファイルをAIに自由自在に操作させることができるようになります。
ステップ1：プロジェクトのセットアップ
まずは適当なディレクトリを作成し、必要なライブラリをインストールします。MCP公式が提供しているSDK（@modelcontextprotocol/sdk）を使用します。
mkdir my-mcp-server
cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk sqlite3
npm install --save-dev typescript @types/node @types/sqlite3 ts-node
npx tsc --init
ステップ2：MCPサーバーの実装
index.ts を作成し、以下のコードを記述します。
このサーバーは、query_db という「SQLを実行してSQLiteからデータを取得するツール」をAIに提供します。
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
CallToolRequestSchema,
ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";
import sqlite3 from "sqlite3";
import { open } from "sqlite";
// テスト用のSQLiteデータベースを開く
const db = await open({
filename: "./database.db",
driver: sqlite3.Database,
});
// 初期テーブルとデモデータの作成
await db.exec(`
CREATE TABLE IF NOT EXISTS users (id INTEGER PRIMARY KEY, name TEXT, email TEXT);
INSERT OR IGNORE INTO users (id, name, email) VALUES
(1, 'Alice', 'alice@example.com'),
(2, 'Bob', 'bob@example.com');
`);
// MCPサーバーの初期化
const server = new Server(
{ name: "sqlite-mcp-server", version: "1.0.0" },
{ capabilities: { tools: {} } }
);
// 1. AIに対して「提供できるツールの一覧」を教える
server.setRequestHandler(ListToolsRequestSchema, async () => {
return {
tools: [
{
name: "query_db",
description: "SQLiteデータベースに対してSQLクエリを実行します。",
inputSchema: {
type: "object",
properties: {
sql: { type: "string", description: "実行するSQLクエリ" },
},
required: ["sql"],
},
},
],
};
});
// 2. AIが「ツールを実行した時」の実際の処理を定義する
server.setRequestHandler(CallToolRequestSchema, async (request) => {
if (request.params.name === "query_db") {
const sql = request.params.arguments?.sql as string;
try {
const results = await db.all(sql);
return {
content: [{ type: "text", text: JSON.stringify(results, null, 2) }],
};
} catch (error: any) {
return {
content: [{ type: "text", text: `Error: ${error.message}` }],
isError: true,
};
}
}
throw new Error("Unknown tool");
});
// 標準入出力（stdio）経由でクライアント（Cursorなど）と通信する設定で起動
const transport = new StdioServerTransport();
await server.connect(transport);
console.error("SQLite MCP server running!");
ビルドの設定をしてコンパイルしておきます。
package.json に以下を追記して npm run build を実行します。
"scripts": {
"build": "tsc"
}
ステップ3：Cursor（クライアント）への登録
ビルドしたMCPサーバーを、CursorなどのAIツールに登録します。
-
Cursorの設定を開く (
Settings->Features->MCP) -
+ Add New MCP Serverをクリック - 以下の情報を入力します：
-
Name:
sqlite-mcp -
Type:
command -
Command:
node /absolute/path/to/my-mcp-server/dist/index.js（ビルドされたJSファイルの絶対パス）
-
Name:
ステップ4：AIに直接クエリさせてみる
Cursorのチャット（またはComposer）を開き、AIに以下のように指示してみます。
「query_db ツールを使って、usersテーブルからIDが1のユーザーのメールアドレスを調べて教えて」
すると、AIはあなたが書いたMCPサーバーの query_db ツールを自動で認識し、裏で SELECT email FROM users WHERE id = 1 というSQLを生成してサーバーに送信します。サーバーが返したJSON結果をAIが読み取り、「ID 1のAliceさんのメールアドレスは alice@example.com です」と自然な日本語で答えてくれます。
まとめ：MCPがもたらす「無限の拡張性」
今回はローカルのSQLiteデータベースを繋ぎましたが、同じ要領で：
- 社内システムの社外秘APIを叩くツール
- ローカルにある独自のログ解析スクリプトの実行ツール
などをMCP経由でAIに提供できます。AIに「目と手（ツール）」を与えることで、開発効率は文字通り別次元になります。ぜひ独自のMCPサーバーを作って、自分だけのAIアシスタントを育ててみてください。