はじめに
最近、技術記事サイトのランキングが MCP という技術の記事ばかりで埋まっています。
「MCP？こんなに話題なら勉強しておかないといけない」
解説記事を読んでもなんとなくしかわからない。やはり実装して処理レベルで理解する方が早いと思ったので、チュートリアルとしてまとめました。
この記事では MCP を活用しながら AIと対話しながら操作できる TODO アプリを開発します。
技術スタックは以下です：
- パッケージ管理 : uv
- API サーバー : Python + FastAPI + SQLite
- MCP サーバー : Python + MCP SDK
- 動作確認 : MCP Inspector（ブラウザベース）
対象者
- MCP がいまいちわからない人
- 実装して深く理解したい人
- Python で Web API を作ってみたい人
- AI アプリを開発したい人
MCP とは？
MCP とは Model Context Protocol の略称です。
簡単に言うと、LLM（大規模言語モデル）と外部ツールを繋ぐための標準プロトコルです。
例えばチャットで「TODOに掃除を追加して」と AI に指示したとき、以下のことが起きます：
- AI がどのツールを使うべきか判断する
- MCP 経由で TODO 追加ツールを呼び出す
- API サーバーにリクエストが飛び DB にレコードが追加される
MCP がある世界では、AI アプリ側はどのサービスを使うか・どんな API 仕様かを意識することなく、一貫した呼び出し方だけ覚えれば OK になります。
今回実装するアプリの仕組み
MCP の通信方式
MCP クライアントとサーバーの通信方式は主に 3 つあります。
| 方式 | 特徴 |
|---|---|
| Stdio | 標準入出力で通信。ローカル向け |
| Streamable HTTP | 単一の HTTP エンドポイントでストリーミング。現在推奨 |
| HTTP + SSE | SSE でリアルタイム配信 |
今回は HTTP + SSE で実装します。
環境準備
uv のインストール
uv は Python の高速パッケージマネージャーです。pip より圧倒的に速く、仮想環境の管理も一括でできます。
curl -LsSf https://astral.sh/uv/install.sh | sh
インストール後、パスを通します：
source $HOME/.local/bin/env
# または
export PATH="$HOME/.local/bin:$PATH"
バージョン確認：
uv --version
Python のインストール（uv 経由）
uv python install 3.12
1. API サーバーの構築
まずは FastAPI で TODO の CRUD API を作ります。MCP サーバーはこの API を叩いて TODO を操作します。
プロジェクト作成
mkdir mcp-todos
cd mcp-todos
# API プロジェクト初期化
uv init api
cd api
依存関係の追加
uv add fastapi uvicorn httpx
api/main.py を作成
from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
import sqlite3
from typing import Optional
app = FastAPI()
# CORS 設定（MCP Inspector からのアクセスを許可）
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_methods=["*"],
allow_headers=["*"],
)
DB_PATH = "todos.db"
# DB 初期化
def init_db():
conn = sqlite3.connect(DB_PATH)
conn.execute("""
CREATE TABLE IF NOT EXISTS todos (
id INTEGER PRIMARY KEY AUTOINCREMENT,
title TEXT NOT NULL,
completed INTEGER DEFAULT 0
)
""")
conn.commit()
conn.close()
init_db()
def get_conn():
return sqlite3.connect(DB_PATH)
# リクエストモデル
class TodoCreate(BaseModel):
title: str
class TodoUpdate(BaseModel):
title: Optional[str] = None
completed: Optional[bool] = None
# TODO 一覧取得
@app.get("/todos")
def get_todos():
conn = get_conn()
rows = conn.execute("SELECT id, title, completed FROM todos").fetchall()
conn.close()
return [{"id": r[0], "title": r[1], "completed": bool(r[2])} for r in rows]
# TODO 追加
@app.post("/todos")
def create_todo(body: TodoCreate):
conn = get_conn()
cur = conn.execute("INSERT INTO todos (title) VALUES (?)", (body.title,))
conn.commit()
todo_id = cur.lastrowid
conn.close()
return {"id": todo_id, "title": body.title, "completed": False}
# TODO 更新
@app.put("/todos/{todo_id}")
def update_todo(todo_id: int, body: TodoUpdate):
conn = get_conn()
row = conn.execute("SELECT id FROM todos WHERE id = ?", (todo_id,)).fetchone()
if not row:
raise HTTPException(status_code=404, detail="Todo not found")
if body.title is not None:
conn.execute("UPDATE todos SET title = ? WHERE id = ?", (body.title, todo_id))
if body.completed is not None:
conn.execute("UPDATE todos SET completed = ? WHERE id = ?", (int(body.completed), todo_id))
conn.commit()
row = conn.execute("SELECT id, title, completed FROM todos WHERE id = ?", (todo_id,)).fetchone()
conn.close()
return {"id": row[0], "title": row[1], "completed": bool(row[2])}
# TODO 削除
@app.delete("/todos/{todo_id}")
def delete_todo(todo_id: int):
conn = get_conn()
row = conn.execute("SELECT id FROM todos WHERE id = ?", (todo_id,)).fetchone()
if not row:
raise HTTPException(status_code=404, detail="Todo not found")
conn.execute("DELETE FROM todos WHERE id = ?", (todo_id,))
conn.commit()
conn.close()
return {"success": True}
API サーバーを起動
uv run uvicorn main:app --port 8080 --reload
動作確認
# TODO 追加
curl -X POST http://localhost:8080/todos \
-H "Content-Type: application/json" \
-d '{"title": "掃除をする"}'
# TODO 一覧取得
curl http://localhost:8080/todos
# TODO 完了に更新
curl -X PUT http://localhost:8080/todos/1 \
-H "Content-Type: application/json" \
-d '{"completed": true}'
# TODO 削除
curl -X DELETE http://localhost:8080/todos/1
2. MCP サーバーの構築
次に MCP サーバーを実装します。ここが今回のチュートリアルの本質です。
MCP サーバーにツールを登録すると、AI はそのツール一覧を見てどのツールを使うか自分で判断します。
プロジェクト作成
cd ../ # mcp-todos ディレクトリに戻る
# MCP プロジェクト初期化
uv init mcp-server
cd mcp-server
依存関係の追加
uv add mcp httpx
mcp-server/main.py を作成
import httpx
from mcp.server.fastmcp import FastMCP
API_BASE = "http://localhost:8080"
mcp = FastMCP("todo-mcp-server")
@mcp.tool(description="新しい TODO を追加する")
async def addTodoItem(title: str) -> str:
async with httpx.AsyncClient() as client:
await client.post(f"{API_BASE}/todos", json={"title": title})
return f"{title} を追加しました"
@mcp.tool(description="指定した ID の TODO を削除する")
async def deleteTodoItem(id: int) -> str:
async with httpx.AsyncClient() as client:
await client.delete(f"{API_BASE}/todos/{id}")
return f"ID {id} を削除しました"
@mcp.tool(description="指定した ID の TODO を更新する")
async def updateTodoItem(id: int, title: str = None, completed: bool = None) -> str:
body = {}
if title is not None:
body["title"] = title
if completed is not None:
body["completed"] = completed
async with httpx.AsyncClient() as client:
await client.put(f"{API_BASE}/todos/{id}", json=body)
return f"ID {id} を更新しました"
app = mcp.streamable_http_app()
MCP サーバーを起動
uv run uvicorn main:app --port 3001 --reload
3. テストクライアントで動作確認
Python の対話式クライアントを作って MCP サーバーの動作を確認します。
Termux だけで完結するので Android でもそのまま使えます。
プロジェクト作成
cd ../ # mcp-todos ディレクトリに戻る
uv init test-client
cd test-client
依存関係の追加
uv add httpx
依存関係の追加
uv add mcp
test-client/main.py を作成
import asyncio
from mcp.client.streamable_http import streamablehttp_client
from mcp import ClientSession
MCP_URL = "http://localhost:3001/mcp"
async def main():
print("=== MCP Todo クライアント ===\n")
async with streamablehttp_client(MCP_URL) as (read, write, _):
async with ClientSession(read, write) as session:
await session.initialize()
while True:
print("操作を選んでください：")
print("1. ツール一覧を見る")
print("2. TODO を追加する")
print("3. TODO を更新する")
print("4. TODO を削除する")
print("0. 終了")
choice = input("\n番号を入力: ").strip()
if choice == "0":
print("終了します")
break
elif choice == "1":
result = await session.list_tools()
print("\n--- ツール一覧 ---")
for t in result.tools:
print(f"・{t.name} : {t.description}")
print()
elif choice == "2":
title = input("追加する TODO のタイトル: ").strip()
result = await session.call_tool("addTodoItem", {"title": title})
print(f"\n✓ {result.content[0].text}\n")
elif choice == "3":
todo_id = int(input("更新する TODO の ID: ").strip())
print("何を更新する？")
print("1. タイトル")
print("2. 完了状態")
print("3. 両方")
sub = input("番号: ").strip()
args = {"id": todo_id}
if sub in ("1", "3"):
args["title"] = input("新しいタイトル: ").strip()
if sub in ("2", "3"):
args["completed"] = input("完了にする？ (y/n): ").strip().lower() == "y"
result = await session.call_tool("updateTodoItem", args)
print(f"\n✓ {result.content[0].text}\n")
elif choice == "4":
todo_id = int(input("削除する TODO の ID: ").strip())
result = await session.call_tool("deleteTodoItem", {"id": todo_id})
print(f"\n✓ {result.content[0].text}\n")
else:
print("無効な番号です\n")
if __name__ == "__main__":
asyncio.run(main())
起動前の準備
テストクライアントを実行する前に、別のターミナルで API サーバーと MCP サーバーを起動しておきます。
ターミナル 1 : API サーバー
cd mcp-todos/api
uv run uvicorn main:app --port 8080 --reload
ターミナル 2 : MCP サーバー
cd mcp-todos/mcp-server
uv run uvicorn main:app --port 3001 --reload
ターミナル 3 : テストクライアント
cd mcp-todos/test-client
uv run main.py
動作テスト
起動すると以下のメニューが表示されます：
=== MCP Todo クライアント ===
操作を選んでください：
1. ツール一覧を見る
2. TODO を追加する
3. TODO を更新する
4. TODO を削除する
0. 終了
TODO を追加する：
番号を入力: 2
追加する TODO のタイトル: 掃除をする
✓ 掃除をする を追加しました
DB に反映されているか確認：
curl http://localhost:8080/todos
TODO を完了にする：
番号を入力: 3
更新する TODO の ID: 1
何を更新する？
1. タイトル
2. 完了状態
3. 両方
番号: 2
完了にする？ (y/n): y
✓ ID 1 を更新しました
TODO を削除する：
番号を入力: 4
削除する TODO の ID: 1
✓ ID 1 を削除しました
MCP のポイントまとめ
| 要素 | 役割 |
|---|---|
| ツール名 | AI がツールを特定するための名前 |
| description | AI がどのツールを使うか判断するための説明 |
| inputSchema | ツールに渡す引数のバリデーション |
| call_tool | 実際にツールが呼ばれたときの処理 |
description が重要で、ここの書き方次第で AI が正しくツールを選んでくれるかどうかが変わります。
まとめ
今回の構成は以下の通りでした：
テストクライアント（Python）
↕ SSE
MCP サーバー（Python・port 3001）
↕ HTTP
API サーバー（FastAPI・port 8080）
↕
SQLite
uv を使うことで仮想環境の管理やパッケージインストールがシンプルになります。また Python を使うことで Termux でも詰まらずに MCP の本質部分を学べます。
MCP を理解すると、あとはどんな外部ツールを繋ぐかだけの話になります。Google Drive、Slack、GitHub など、MCP サーバーさえ実装すれば AI が自動で使いこなしてくれます。