Claude Codeは賢い──だが、社内のデータに触れないClaude Codeは『目隠しされた天才』に過ぎない。

この記事では、MCP（Model Context Protocol）サーバーを自作して、Claude Codeから社内PostgreSQL・Slack・Datadogに接続する3つの実践レシピを紹介します。読み終わる頃には「Claude Codeに社内の文脈を渡す設計パターン」が手元に揃っているはずです。

環境・前提条件

項目	バージョン / 条件
Claude Code	最新版（CLI）
Node.js	v20 以上
MCP SDK	`@modelcontextprotocol/sdk` v1.x
PostgreSQL	14 以上
Slack API	Bot Token（`xoxb-`）
Datadog API	API Key + Application Key
OS	macOS / Linux（WSL2可）

MCPサーバーはすべて TypeScript + stdio トランスポート で実装します。

MCPサーバーの仕組み30秒解説

MCPは、LLMが外部ツールを安全に・統一的に呼び出すためのオープンプロトコルです。Claude Codeがツールを呼ぶまでの流れを整理します。

ポイントは3つです。

Claude Code自身がツール選択を行う ── プロンプトに応じて最適なMCPサーバーを自動で選びます
JSON-RPCベースの標準プロトコル ── サーバーさえ書けばどんな外部サービスにも繋がります
stdio / SSE の2種類のトランスポート ── ローカル開発にはstdioが最も手軽です

全体構成図

今回構築する3つのMCPサーバーの全体像です。

各MCPサーバーは独立したプロセスとして動作し、Claude Codeが必要に応じて呼び分けます。

レシピ1：PostgreSQL MCPサーバー ── 自然言語で社内DBをクエリさせる

ゴール

「先月の売上トップ10の顧客を教えて」とClaude Codeに頼むと、適切なSQLを生成→実行→結果を返してくれる状態を作ります。

実装

// src/postgres-mcp.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import pg from "pg";

const pool = new pg.Pool({
  connectionString: process.env.DATABASE_URL,
});

const server = new McpServer({
  name: "postgres-mcp",
  version: "1.0.0",
});

// ツール1: スキーマ情報を取得
server.tool(
  "get_schema",
  "データベースのテーブル一覧とカラム情報を返します",
  {
    table_name: z.string().optional().describe("特定テーブル名（省略で全テーブル）"),
  },
  async ({ table_name }) => {
    const query = table_name
      ? `SELECT column_name, data_type, is_nullable 
         FROM information_schema.columns 
         WHERE table_schema = 'public' AND table_name = $1
         ORDER BY ordinal_position`
      : `SELECT table_name FROM information_schema.tables 
         WHERE table_schema = 'public' ORDER BY table_name`;

    const params = table_name ? [table_name] : [];
    const result = await pool.query(query, params);

    return {
      content: [{ type: "text", text: JSON.stringify(result.rows, null, 2) }],
    };
  }
);

// ツール2: SELECT文のみ実行可能なクエリツール
server.tool(
  "execute_query",
  "SELECT文のみ実行できる読み取り専用クエリツール",
  {
    sql: z.string().describe("実行するSELECT文"),
  },
  async ({ sql }) => {
    // セキュリティ: SELECT以外は拒否
    const normalized = sql.trim().toUpperCase();
    if (!normalized.startsWith("SELECT")) {
      return {
        content: [{ type: "text", text: "エラー: SELECT文のみ実行可能です" }],
        isError: true,
      };
    }

    // 行数制限
    const limitedSql = sql.includes("LIMIT") ? sql : `${sql} LIMIT 100`;

    const result = await pool.query(limitedSql);
    return {
      content: [
        {
          type: "text",
          text: `${result.rowCount}件取得:\n${JSON.stringify(result.rows, null, 2)}`,
        },
      ],
    };
  }
);

const transport = new StdioServerTransport();
await server.connect(transport);

Claude Code への登録

claude mcp add postgres-mcp -- npx tsx /path/to/src/postgres-mcp.ts

環境変数は .claude/ の設定か、起動スクリプトで渡します。

使い方の例

> 先月の売上トップ10の顧客名と売上額を教えて

Claude Code の動作:
1. get_schema を呼んでテーブル構造を確認
2. execute_query で適切なSELECTを生成・実行
3. 結果を日本語で整形して回答

設計のコツ: get_schema と execute_query を分離することで、Claude Codeが「まずスキーマを見る → SQLを組み立てる」という人間と同じ思考ステップを踏みます。これにより正確なSQL生成率が大幅に向上します。

レシピ2：Slack MCP ── チャンネルの議論をコンテキストとして渡す

ゴール

「#backend-design チャンネルで議論されている認証方式の結論をまとめて」といった指示に対応させます。

実装

// src/slack-mcp.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import { WebClient } from "@anthropic-ai/slack";

const slack = new WebClient(process.env.SLACK_BOT_TOKEN);

const server = new McpServer({
  name: "slack-mcp",
  version: "1.0.0",
});

// ツール1: チャンネルのメッセージを取得
server.tool(
  "get_channel_messages",
  "指定チャンネルの最新メッセージを取得します",
  {
    channel_name: z.string().describe("チャンネル名（#なし）"),
    count: z.number().default(20).describe("取得件数（最大50）"),
  },
  async ({ channel_name, count }) => {
    const safeCount = Math.min(count, 50);

    // チャンネル名からIDを解決
    const channels = await slack.conversations.list({ limit: 200 });
    const channel = channels.channels?.find((c) => c.name === channel_name);
    if (!channel?.id) {
      return {
        content: [{ type: "text", text: `チャンネル #${channel_name} が見つかりません` }],
        isError: true,
      };
    }

    const history = await slack.conversations.history({
      channel: channel.id,
      limit: safeCount,
    });

    const messages = (history.messages ?? []).map((m) => ({
      user: m.user,
      text: m.text,
      ts: m.ts,
      thread_ts: m.thread_ts,
    }));

    return {
      content: [{ type: "text", text: JSON.stringify(messages, null, 2) }],
    };
  }
);

// ツール2: スレッドの返信を取得
server.tool(
  "get_thread_replies",
  "スレッドの返信一覧を取得します",
  {
    channel_name: z.string(),
    thread_ts: z.string().describe("スレッドのタイムスタンプ"),
  },
  async ({ channel_name, thread_ts }) => {
    const channels = await slack.conversations.list({ limit: 200 });
    const channel = channels.channels?.find((c) => c.name === channel_name);
    if (!channel?.id) {
      return { content: [{ type: "text", text: "チャンネルが見つかりません" }], isError: true };
    }

    const replies = await slack.conversations.replies({
      channel: channel.id,
      ts: thread_ts,
    });

    return {
      content: [{ type: "text", text: JSON.stringify(replies.messages, null, 2) }],
    };
  }
);

const transport = new StdioServerTransport();
await server.connect(transport);

登録

claude mcp add slack-mcp \
  -e SLACK_BOT_TOKEN=xoxb-xxxx \
  -- npx tsx /path/to/src/slack-mcp.ts

実運用Tips: Bot Tokenのスコープは channels:history, channels:read の最小権限に絞ります。書き込み権限（chat:write）はセキュリティリスクが高いため、最初のうちは付与しないことを推奨します。

レシピ3：Datadog MCP ── アラート情報を読み取って障害対応コードを生成させる

ゴール

「現在発生中のアラートを確認して、対応に必要な修正コードを提案して」という障害対応フローをClaude Codeで実現します。

実装

// src/datadog-mcp.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import { client, v1 } from "@datadog/datadog-api-client";

const config = client.createConfiguration({
  authMethods: {
    apiKeyAuth: process.env.DD_API_KEY!,
    appKeyAuth: process.env.DD_APP_KEY!,
  },
});
const monitorsApi = new v1.MonitorsApi(config);
const eventsApi = new v1.EventsApi(config);

const server = new McpServer({
  name: "datadog-mcp",
  version: "1.0.0",
});

// ツール1: アクティブなアラートを取得
server.tool(
  "get_active_alerts",
  "現在トリガー中のDatadogモニターアラートを取得します",
  {
    service: z.string().optional().describe("サービス名でフィルタ"),
  },
  async ({ service }) => {
    const monitors = await monitorsApi.listMonitors({
      monitorTags: service ? `service:${service}` : undefined,
    });

    const triggered = monitors.filter(
      (m) => m.overallState === "Alert" || m.overallState === "Warn"
    );

    const summary = triggered.map((m) => ({
      id: m.id,
      name: m.name,
      state: m.overallState,
      message: m.message,
      tags: m.tags,
      lastTriggered: m.modified,
    }));

    return {
      content: [
        {
          type: "text",
          text: `${summary.length}件のアクティブアラート:\n${JSON.stringify(summary, null, 2)}`,
        },
      ],
    };
  }
);

// ツール2: 最近のイベントログを取得
server.tool(
  "get_recent_events",
  "直近のDatadogイベントを取得します",
  {
    hours: z.number().default(1).describe("遡る時間数"),
    priority: z.enum(["normal", "low"]).default("normal"),
  },
  async ({ hours, priority }) => {
    const now = Math.floor(Date.now() / 1000);
    const start = now - hours * 3600;

    const events = await eventsApi.listEvents({
      start,
      end: now,
      priority,
    });

    return {
      content: [{ type: "text", text: JSON.stringify(events.events?.slice(0, 20), null, 2) }],
    };
  }
);

const transport = new StdioServerTransport();
await server.connect(transport);

実際の障害対応フロー

ユーザー: 「payment-serviceでアラートが出てる。原因を調べて修正案を出して」

Claude Code の動作:
1. get_active_alerts(service: "payment-service") でアラート内容を取得
2. get_recent_events(hours: 2) で直近イベントを取得
3. プロジェクト内のソースコードを読み取り
4. アラート内容 × ソースコードを照合し、修正コードを生成

この「外部コンテキスト × コードベース」の掛け合わせこそ、MCPでClaude Codeを拡張する最大の価値です。

セキュリティ設計：MCPサーバーに渡してよい情報の境界線

MCPサーバーは便利ですが、社内データをLLMに渡す行為であることを忘れてはいけません。

アクセス制御パターン

パターン	実装方法	推奨度
リードオンリー制約	SQLの`SELECT`のみ許可、Slackは`read`スコープのみ	★★★
行数制限	クエリ結果を最大100行に制限	★★★
リードレプリカ接続	本番DBではなくレプリカに接続	★★★
カラムマスキング	PII列（email, phone等）をハッシュ化して返す	★★☆
監査ログ	MCPサーバーで全リクエストをログ出力	★★★
許可リスト	接続可能なテーブル・チャンネルを明示的に列挙	★★☆

// 監査ログの実装例（各ツールハンドラの先頭に追加）
function auditLog(tool: string, params: Record<string, unknown>) {
  const entry = {
    timestamp: new Date().toISOString(),
    tool,
    params,
    pid: process.pid,
  };
  // 標準エラー出力に出す（stdoutはJSON-RPCで使用中のため）
  console.error(JSON.stringify(entry));
}

3つのMCPを同時接続した際のパフォーマンス計測と最適化Tips

3つのMCPサーバーを同時に claude mcp add で登録し、実際の応答時間を計測しました。

計測環境

MacBook Pro M3, メモリ36GB
PostgreSQL: ローカルDocker
Slack / Datadog: 本番API

計測結果

指標	MCPなし	1つ接続	3つ同時接続
Claude Code起動時間	約1.2秒	約1.8秒	約2.5秒
ツール呼び出し（初回）	-	約300ms	約350ms
ツール呼び出し（2回目以降）	-	約150ms	約180ms
メモリ使用量（合計）	約120MB	約180MB	約290MB

最適化Tips

1. 遅延起動（Lazy Initialization）

DB接続プールやAPIクライアントは、ツールが初回呼び出しされたタイミングで初期化します。

let pool: pg.Pool | null = null;

function getPool(): pg.Pool {
  if (!pool) {
    pool = new pg.Pool({ connectionString: process.env.DATABASE_URL });
  }
  return pool;
}

2. 結果のサイズを制御する

LLMに渡すコンテキストが大きすぎると処理速度もトークンコストも悪化します。MCPサーバー側で積極的に要約・フィルタしましょう。

// 悪い例: 全カラムを返す
const result = await pool.query("SELECT * FROM orders LIMIT 100");

// 良い例: 必要なカラムだけ返す
const result = await pool.query(
  "SELECT id, customer_name, total_amount FROM orders LIMIT 100"
);

3. MCPサーバーのグルーピング

関連性の低いMCPサーバーが多すぎると、Claude Codeのツール選択精度が下がることがあります。プロジェクトごとに必要なMCPだけを有効化するのがベストです。

# プロジェクトスコープで登録（.claude/settings.local.json に保存）
claude mcp add postgres-mcp --scope project -- npx tsx ./mcp/postgres-mcp.ts

4. タイムアウト設定

外部APIの応答が遅い場合に備え、MCPサーバー内でタイムアウトを設定します。

const controller = new AbortController();
const timeout = setTimeout(() => controller.abort(), 10_000); // 10秒

try {
  const result = await fetch(url, { signal: controller.signal });
  // ...
} finally {
  clearTimeout(timeout);
}

まとめ

**MCPサーバーは「Claude Codeの目と手」**── 社内DB・Slack・監視ツールに接続することで、コードベースだけでは得られない文脈をAIに渡せます
セキュリティは「リードオンリー + 行数制限 + 監査ログ」の3点セットから始めるのが現実的です。最初から完璧を目指さず、段階的に制御を強化しましょう
3つ同時接続してもオーバーヘッドは軽微── 起動時間+1.3秒、メモリ+170MB程度。遅延初期化と結果サイズの制御を入れれば実用上問題ありません

参考リンク