MCP（Model Context Protocol）2026完全ガイド ─ AIとツールをつなぐ標準プロトコル実践入門

MCPが変えるAI開発

2024年11月、Anthropicが発表したMCP（Model Context Protocol）は、AIソフトウェア開発の風景を変えました。2026年現在、MCPはAI-ツール統合の標準的なアプローチになっています。

MCPとは何か？USB比喩で理解する

MCPを理解するなら、USBの比喩が分かりやすいです：

物理世界の例：

• USB標準の前：デバイスごとに専用ケーブル
• USB標準の後：1つのUSBケーブルで全デバイス対応

AIの世界のMCP：

• MCP前：Claude用、ChatGPT用、Gemini用に異なるAPI設計
• MCP後：1つのMCPサーバーで全てのAIに対応可能

MCPは言語モデルと外部ツール・データソースを接続するための標準化インターフェースです。

MCPの3コンポーネント・アーキテクチャ

┌─────────────────────────────────────────┐
│           Host（ホスト）                        │
│  Claude / ChatGPT / Claude Code など           │
└──────────────┬──────────────────────────────┘
               │ (MCP通信)
┌──────────────▼──────────────────────────────┐
│           Client（クライアント）                │
│  MCPクライアントライブラリ                      │
│  リクエスト送信・レスポンス処理                │
└──────────────┬──────────────────────────────┘
               │ (標準化された通信)
┌──────────────▼──────────────────────────────┐
│           Server（サーバー）                    │
│  └─ ツール実装 (Tool Definition)               │
│  └─ リソース実装 (Resource Definition)         │
│  └─ プロンプト実装 (Prompt Definition)         │
└─────────────────────────────────────────┘

MCP の3つの主要機能

1. Tools：AIが実行できるアクション

# MCP Tool Example: Webから情報を取得

@mcp.tool()
def fetch_weather(city: str, date: str = "today") -> dict:
    """
    指定された都市の天気情報を取得します。

    Args:
        city: 都市名（例：東京）
        date: 日付（デフォルト：今日）

    Returns:
        天気情報の辞書
    """
    # 実装
    return {
        "city": city,
        "date": date,
        "temperature": 22,
        "condition": "晴れ",
        "humidity": 65
    }

# Claude が自動的に以下を実行可能：
# user: 「東京の今日の天気を教えて」
# → Claude が自動的に fetch_weather("東京", "today") を呼び出し
# → Claude が結果を解釈して回答

2. Resources：AIがアクセスできるデータ

# MCP Resource Example: 社内ナレッジベースへのアクセス

@mcp.resource()
def get_company_policies() -> str:
    """
    企業ポリシードキュメント全体をリソースとして提供
    """
    return """
    ===== 企業ポリシー 2026 =====

    1. 報告体制
       - バグは即座に報告
       - セキュリティ問題は24時間以内

    2. 開発スタンダード
       - テストカバレッジ80%以上
       - コードレビュー必須

    3. デプロイプロセス
       - ステージング環境で検証
       - 本番デプロイは金曜除外
    """

@mcp.resource(uri_template="/knowledge-base/{category}/{article_id}")
def get_knowledge_article(category: str, article_id: str) -> str:
    """
    カテゴリ別に知識ベース記事を取得（パラメータ付きリソース）
    """
    # データベースから記事を取得
    return db.query(f"SELECT content FROM articles WHERE category = {category}")

# Claude が以下を実行可能：
# user: 「デプロイの注意点を教えて」
# → Claude が自動的に get_company_policies() リソースにアクセス
# → ドキュメント内の「デプロイプロセス」セクションを参照して回答

3. Prompts：AIへの指示テンプレート

# MCP Prompt Example: 定型化された指示

@mcp.prompt(name="code_review")
def code_review_prompt(code: str, language: str = "python") -> str:
    """
    コードレビュー用の標準化されたプロンプト

    Args:
        code: レビュー対象のコード
        language: プログラミング言語
    """
    return f"""
    You are an expert {language} code reviewer.

    Review the following code for:
    1. Security vulnerabilities
    2. Performance issues
    3. Code style compliance
    4. Type safety
    5. Test coverage

    Code to review:
    ```{language}
    {code}
    ```

    Provide specific, actionable feedback.
    """

@mcp.prompt(name="bug_analysis")
def bug_analysis_prompt(error_message: str, stack_trace: str, context: str) -> str:
    """
    バグ分析用の標準化されたプロンプト
    """
    return f"""
    分析対象エラー：
    {error_message}

    スタックトレース：
    {stack_trace}

    コンテキスト：
    {context}

    以下を分析してください：
    1. エラーの根本原因
    2. なぜこのエラーが発生したのか
    3. 解決方法（実装例付き）
    4. 今後の予防策
    """

# Claude が以下を実行可能：
# user: 「このエラーを分析して」+ エラーメッセージ
# → Claude が自動的に bug_analysis_prompt を適用
# → 標準化された分析フォーマットで回答

実装：Python でMCPサーバーを構築

FastMCP：最簡単な実装方法

2026年の推奨方法はFastMCPです。Flask/FastAPI なしに、シンプルなデコレータで実装できます。

import os
import subprocess
from fastmcp import FastMCP

# MCPサーバーの初期化
app = FastMCP("my-git-server")

# Tool 1: Git コマンドの実行
@app.tool()
def run_git_command(command: str, repo_path: str = ".") -> str:
    """
    指定されたGitコマンドを実行し、結果を返します

    Args:
        command: 実行するGitコマンド（例：'log --oneline -5'）
        repo_path: リポジトリパス
    """
    try:
        result = subprocess.run(
            f"git -C {repo_path} {command}",
            shell=True,
            capture_output=True,
            text=True,
            timeout=10
        )

        if result.returncode != 0:
            return f"エラー: {result.stderr}"

        return result.stdout
    except subprocess.TimeoutExpired:
        return "エラー: コマンド実行がタイムアウト"
    except Exception as e:
        return f"エラー: {str(e)}"

# Tool 2: ファイル差分の取得
@app.tool()
def get_git_diff(file_path: str, repo_path: str = ".") -> str:
    """
    指定されたファイルの変更差分を表示します
    """
    return run_git_command(f"diff {file_path}", repo_path)

# Tool 3: 最新のコミット情報を取得
@app.tool()
def get_latest_commit(repo_path: str = ".", num_commits: int = 5) -> str:
    """
    最新のコミット情報を取得します

    Args:
        repo_path: リポジトリパス
        num_commits: 取得するコミット数
    """
    command = f"log --oneline -n {num_commits}"
    return run_git_command(command, repo_path)

# Resource: リポジトリの統計情報
@app.resource()
def repo_stats(repo_path: str = ".") -> str:
    """
    リポジトリの統計情報を表示します
    """
    stats_info = f"""
    Repository Statistics
    ====================

    総コミット数:
    {run_git_command('rev-list --count HEAD', repo_path)}

    総ファイル数:
    {run_git_command('ls-files | wc -l', repo_path)}

    最新のブランチ:
    {run_git_command('branch -a', repo_path)}
    """
    return stats_info

# Prompt: コミットメッセージの作成支援
@app.prompt(name="commit_message_helper")
def commit_message_prompt(changes_summary: str) -> str:
    """
    コミットメッセージ作成の支援
    """
    return f"""
    以下の変更内容から、良質なコミットメッセージを作成してください。

    変更内容:
    {changes_summary}

    コミットメッセージの要件:
    1. 1行目は50字以内の要約（命令形）
    2. 2行目は空行
    3. 3行目以降は詳細説明（72字行折り返し）
    4. 日本語で記述

    例：
    機能: ユーザー認証機能の追加

    OAuth 2.0を使用したGoogleアカウント連携を実装した。
    ユーザーはGoogleアカウントで直接ログイン可能になった。
    """

if __name__ == "__main__":
    # MCPサーバーをスタート
    app.run()

TypeScriptでの実装

import Anthropic from "@anthropic-ai/sdk";

// MCP Client の初期化
const client = new Anthropic({
  mcp: {
    servers: {
      filesystem: {
        command: "node",
        args: ["./mcp-servers/filesystem.js"]
      },
      github: {
        command: "node",
        args: ["./mcp-servers/github.js"]
      },
      database: {
        command: "node",
        args: ["./mcp-servers/database.js"]
      }
    }
  }
});

// MCPサーバーの定義例（GitHub連携）
const githubMCPServer = `
const express = require('express');
const { MCPServer } = require('mcp');
const { Octokit } = require('octokit');

const app = MCPServer.create("github-mcp");
const octokit = new Octokit({
  auth: process.env.GITHUB_TOKEN
});

// Tool: プルリクエスト一覧を取得
app.tool('get_pull_requests', {
  description: 'リポジトリのプルリクエスト一覧を取得',
  inputSchema: {
    type: 'object',
    properties: {
      owner: { type: 'string', description: 'リポジトリオーナー' },
      repo: { type: 'string', description: 'リポジトリ名' },
      state: { type: 'string', enum: ['open', 'closed', 'all'], default: 'open' }
    },
    required: ['owner', 'repo']
  }
}, async (params) => {
  const prs = await octokit.rest.pulls.list({
    owner: params.owner,
    repo: params.repo,
    state: params.state
  });

  return {
    pull_requests: prs.data.map(pr => ({
      number: pr.number,
      title: pr.title,
      author: pr.user.login,
      created_at: pr.created_at,
      url: pr.html_url
    }))
  };
});

// Tool: イシューを作成
app.tool('create_issue', {
  description: 'リポジトリにイシューを作成',
  inputSchema: {
    type: 'object',
    properties: {
      owner: { type: 'string' },
      repo: { type: 'string' },
      title: { type: 'string' },
      body: { type: 'string' },
      labels: { type: 'array', items: { type: 'string' } }
    },
    required: ['owner', 'repo', 'title']
  }
}, async (params) => {
  const issue = await octokit.rest.issues.create({
    owner: params.owner,
    repo: params.repo,
    title: params.title,
    body: params.body,
    labels: params.labels
  });

  return {
    issue_number: issue.data.number,
    url: issue.data.html_url
  };
});

app.start();
`;

Claude Desktop での MCP 設定

2026年現在、Claude Desktop は MCP を完全ネイティブサポートしています。

設定手順

// ~/.claude_desktop_config.json

{
  "mcpServers": {
    "filesystem": {
      "command": "uvx",
      "args": ["mcp-server-filesystem"]
    },
    "postgresql": {
      "command": "node",
      "args": ["/path/to/postgresql-mcp-server.js"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost/mydb"
      }
    },
    "slack": {
      "command": "node",
      "args": ["/path/to/slack-mcp-server.js"],
      "env": {
        "SLACK_BOT_TOKEN": "xoxb-..."
      }
    },
    "notion": {
      "command": "uvx",
      "args": ["mcp-server-notion"],
      "env": {
        "NOTION_API_KEY": "secret_..."
      }
    }
  }
}

再起動後、Claude は自動的にこれらのMCPサーバーに接続します。

実践的ユースケース：複雑な統合例

ユースケース：CI/CDパイプラインの自動デバッグ

# MCP サーバー：CI/CDとGitHubと監視ツールを統合

from fastmcp import FastMCP
import requests
import json

app = FastMCP("ci-cd-debug-server")

# Tool 1: GitHub Actions のログを取得
@app.tool()
def get_github_action_logs(
    owner: str,
    repo: str,
    run_id: int,
    job_name: str = None
) -> str:
    """
    GitHub Actions の実行ログを取得します
    """
    headers = {
        "Authorization": f"Bearer {os.getenv('GITHUB_TOKEN')}",
        "Accept": "application/vnd.github.v3+json"
    }

    # ジョブ一覧を取得
    jobs_url = f"https://api.github.com/repos/{owner}/{repo}/actions/runs/{run_id}/jobs"
    jobs_response = requests.get(jobs_url, headers=headers)

    if job_name:
        # 特定のジョブのみ取得
        jobs = [j for j in jobs_response.json()["jobs"] if j["name"] == job_name]
    else:
        jobs = jobs_response.json()["jobs"]

    logs = []
    for job in jobs:
        log_url = job["logs_url"]
        log_response = requests.get(log_url, headers=headers)
        logs.append({
            "job_name": job["name"],
            "status": job["status"],
            "conclusion": job["conclusion"],
            "logs": log_response.text[:5000]  # 最初の5000文字
        })

    return json.dumps(logs, indent=2, ensure_ascii=False)

# Tool 2: ログからエラーを自動抽出
@app.tool()
def extract_errors_from_logs(logs_text: str) -> list:
    """
    ログテキストから重要なエラーを抽出します
    """
    error_patterns = [
        "ERROR", "FATAL", "Exception", "Failed", "失敗",
        "Traceback", "FAILED", "STDERR"
    ]

    errors = []
    lines = logs_text.split("\n")

    for i, line in enumerate(lines):
        if any(pattern in line for pattern in error_patterns):
            # コンテキスト（前後5行）を含めて抽出
            start = max(0, i - 2)
            end = min(len(lines), i + 3)
            context = "\n".join(lines[start:end])
            errors.append({
                "line_number": i,
                "error_line": line,
                "context": context
            })

    return errors[:10]  # 最大10個まで

# Tool 3: 過去のビルド履歴を検索
@app.tool()
def search_build_history(
    owner: str,
    repo: str,
    keyword: str,
    limit: int = 5
) -> str:
    """
    過去のビルド履歴からキーワードを含むものを検索
    """
    headers = {
        "Authorization": f"Bearer {os.getenv('GITHUB_TOKEN')}",
        "Accept": "application/vnd.github.v3+json"
    }

    url = f"https://api.github.com/repos/{owner}/{repo}/actions/runs"
    params = {"per_page": 50}

    response = requests.get(url, headers=headers, params=params)
    runs = response.json()["workflow_runs"]

    matching_runs = []
    for run in runs[:limit]:
        if keyword.lower() in run["name"].lower():
            matching_runs.append({
                "id": run["id"],
                "name": run["name"],
                "conclusion": run["conclusion"],
                "created_at": run["created_at"],
                "run_number": run["run_number"]
            })

    return json.dumps(matching_runs, indent=2, ensure_ascii=False)

# Resource: 社内のトラブルシューティングガイド
@app.resource()
def troubleshooting_guide() -> str:
    """
    よくあるCI/CDエラーとその解決方法
    """
    return """
    ===== CI/CDトラブルシューティングガイド =====

    1. Out of Memory エラー
       症状: FATAL: out of memory
       原因: テストが多すぎる、またはメモリリーク
       解決: テストを分割実行、またはNode容量を増加

    2. タイムアウトエラー
       症状: Command timed out
       原因: 処理が遅い、またはハング
       解決: タイムアウト時間を増やす、または処理を最適化

    3. ネットワークエラー
       症状: Connection refused
       原因: 外部サービスが落ちている
       解決: リトライ設定を追加、またはモック化
    """

# Prompt: トラブル診断の支援
@app.prompt(name="ci_troubleshooting")
def ci_troubleshooting_prompt(
    error_message: str,
    job_logs: str,
    recent_changes: str
) -> str:
    """
    CI/CDトラブルの自動診断
    """
    return f"""
    CI/CDパイプラインのトラブル診断をしてください。

    エラーメッセージ:
    {error_message}

    ジョブログ（最後の500行）:
    {job_logs[-500:]}

    最近の変更:
    {recent_changes}

    トラブルシューティングガイドも参照してください。

    診断項目:
    1. エラーの根本原因は何か
    2. このエラーは過去に発生したか（検索結果から）
    3. 最近の変更が原因か
    4. 即座に実行すべきアクション
    5. 長期的な修正方法
    """

if __name__ == "__main__":
    app.run()

Claude Desktop から以下のように使用：

ユーザー: 「GitHub Actions のビルドが失敗しました。
repo: my-app, run_id: 123456789
このエラーを分析してください」

↓ Claude が自動実行:

1. get_github_action_logs() → ログを取得
2. extract_errors_from_logs() → エラー抽出
3. search_build_history() → 過去パターン検索
4. ci_troubleshooting_prompt() → 診断実行

↓ 結果例:

「エラーの根本原因：
メインブランチへのマージで、
バージョン管理の競合が発生しています。

即座のアクション：
1. package.json の競合マーク部分を手動解決
2. npm ci で再インストール
3. ビルド再実行

過去履歴：
このパターンは2週間前にも発生しており、
その時は同様の競合が原因でした。」

MCP サーバー生態系：2026年版利用可能ツール一覧

ツール	公式	用途	サポート状況
Filesystem	○ Anthropic	ファイルアクセス	本番対応
PostgreSQL	○ Anthropic	DB操作	本番対応
Git	○ Anthropic	Git操作	本番対応
GitHub	○ Anthropic	GitHub API	本番対応
Slack	○ Anthropic	Slack統合	本番対応
Google Drive	○ Anthropic	Google Drive アクセス	本番対応
Notion	○ Anthropic	Notion API	本番対応
Jira	○ Anthropic	Jira操作	本番対応
AWS	🔄 コミュニティ	AWS操作	ベータ
Datadog	🔄 コミュニティ	ログ分析	ベータ
Docker	🔄 コミュニティ	コンテナ操作	開発中

セキュリティ・ベストプラクティス

1. 認証情報の管理

import os
from dotenv import load_dotenv

# × 危険：ハードコード
GITHUB_TOKEN = "ghp_xxxxxxxxxxxx"

# ○ 安全：環境変数から読込
load_dotenv()
GITHUB_TOKEN = os.getenv("GITHUB_TOKEN")

if not GITHUB_TOKEN:
    raise ValueError("GITHUB_TOKEN が設定されていません")

# さらに安全：Azure Key Vault / AWS Secrets Manager
from azure.identity import DefaultAzureCredential
from azure.keyvault.secrets import SecretClient

def get_secret(secret_name: str) -> str:
    credential = DefaultAzureCredential()
    client = SecretClient(
        vault_url=os.getenv("AZURE_VAULT_URL"),
        credential=credential
    )
    return client.get_secret(secret_name).value

2. スコープ制限（最小権限の原則）

# × 危険：全権限を付与
GITHUB_TOKEN_SCOPES = ["repo", "admin"]

# ○ 安全：必要な権限のみ
GITHUB_TOKEN_SCOPES = [
    "repo:read",        # リポジトリ読取のみ
    "issues:read",      # イシュー読取のみ
    "pull_requests:read" # PR読取のみ
]

3. レート制限の実装

from ratelimit import limits, sleep_and_retry
import time

# 1時間あたり60リクエストに制限
@sleep_and_retry
@limits(calls=60, period=3600)
@app.tool()
def rate_limited_tool(param: str) -> str:
    """
    レート制限が適用されたツール
    """
    pass

# またはキャッシング戦略
from functools import lru_cache

@lru_cache(maxsize=128)
@app.tool()
def cached_tool(param: str) -> str:
    """
    結果をキャッシュして、API呼び出しを削減
    """
    pass

4. エラーハンドリングとログ

import logging
from typing import Optional

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

@app.tool()
def secure_operation(param: str) -> dict:
    """
    セキュアなエラーハンドリング付きツール
    """
    try:
        # 操作実行
        result = perform_operation(param)
        logger.info(f"Operation succeeded: {param}")
        return result

    except ValueError as e:
        # 入力値エラー
        logger.warning(f"Invalid input: {str(e)}")
        return {"error": "Invalid input", "details": str(e)}

    except PermissionError as e:
        # 権限なし
        logger.error(f"Permission denied: {str(e)}")
        return {"error": "Permission denied"}

    except Exception as e:
        # 予期しないエラー
        logger.critical(f"Unexpected error: {str(e)}", exc_info=True)
        return {"error": "Internal error"}

デバッグ・トラブルシューティング

MCPサーバーのログ出力

# Claude Desktop のログを確認
tail -f ~/.claude/logs/debug.log

# または詳細デバッグモード
CLAUDE_DEBUG=1 /Applications/Claude.app/Contents/MacOS/Claude

一般的なエラーと解決方法

エラー1: "MCP server failed to start"
原因: サーバーコマンドが見つからない
解決: ~/.claude_desktop_config.json のパスを確認

エラー2: "Tool execution timeout"
原因: ツールが時間がかかりすぎている
解決: 非同期処理を実装、またはタイムアウト時間を増やす

エラー3: "Authentication failed"
原因: トークンが無効またはスコープ不足
解決: トークンを再生成、スコープを確認

まとめ

MCPの標準化により、2026年はAI開発のアプローチが大きく変わりました。以前は各LLM企業が異なるAPIを用いていましたが、現在はMCP標準で対応可能に。ツール統合も数週間から数時間に短縮されました。ベンダーロックインのリスクも低減しています。

実装時のチェックリスト：

• Claude Desktop の設定で3つ以上のMCPサーバーを統合
• 社内ツール用のMCPサーバーを1つ実装（Python or TypeScript）
• 本番環境での認証・レート制限を実装
• ログ・監視機能を設定
• チームで「使用禁止API」を明確化

MCPはUSBのようなシンプルさがありながら、その底には無限の可能性があります。AIアプリケーションに導入する価値があるプロトコルです。

参考リソース

• MCP Official Spec: https://modelcontextprotocol.io
• Claude Desktop Setup: https://claude.ai/docs
• FastMCP: https://github.com/anthropics/fastmcp
• MCP Server Gallery: https://github.com/modelcontextprotocol/servers