Model Context Protocol（MCP）入門

こんにちは、JS2IIUです。
遅ればせながらMCPについて色々調べてみました。MCPの仕組みや活用事例、実装のポイントなどについて記事にまとめておきたいと思います。今回もよろしくお願いします。

はじめに

AIやLLM（大規模言語モデル）の活用が進む中、モデルのコンテキスト管理や連携の標準化が求められています。Model Context Protocol（MCP）は、こうした課題を解決する新しいプロトコルです。本記事では、MCPの技術的な仕組みや実装例、活用方法まで詳しく解説します。

MCPの概要

MCP（Model Context Protocol）は、AIモデルやLLMと外部アプリケーション・サービス間で「コンテキスト」を安全かつ柔軟にやり取りするための通信プロトコルです。

MCPの定義・役割

MCPは、AIモデルの入出力だけでなく、ユーザーやアプリケーションの状態（コンテキスト）を標準化して管理・伝達する仕組みです。従来のAPIでは、モデルごとに異なるパラメータや状態管理が必要でしたが、MCPではコンテキスト情報（例：ユーザー名、編集中のドキュメント、選択範囲など）を統一的なデータ構造でやり取りできます。MCPは、複数クライアントとモデル間の通信を統一化し、“コンテキストベースの連携”を実現します。従来のようにAPIごとに異なる実装をする必要がなく、開発効率が大きく向上します。

┌────────────────────┐         ┌────────────────────┐
│ 従来の連携（個別API） │         │ MCPによる連携         │
├──────────────┤         ├──────────────┤
│ クライアントA         │         │ クライアントA         │
│ → モデルA（API A）   │         │  ↘                   │
│ クライアントB         │         │   → MCPサーバー → モデルA│
│ → モデルB（API B）   │         │  ↗                   │
└────────────────────┘         └────────────────────┘

┌────────────────────┐         ┌────────────────────┐
│ 従来の連携（個別API） │         │ MCPによる連携         │
├──────────────┤         ├──────────────┤
│ クライアントA         │         │ クライアントA         │
│ → モデルA（API A）   │         │  ↘                   │
│ クライアントB         │         │   → MCPサーバー → モデルA│
│ → モデルB（API B）   │         │  ↗                   │
└────────────────────┘         └────────────────────┘

従来のAI/LLM連携との違い

従来はAPIごとに独自仕様が多く、コンテキスト管理が煩雑でした。例えば、モデルAとモデルBで同じ「要約」機能を使う場合でも、リクエスト形式やパラメータが異なることが一般的です。MCPでは、モデル・クライアント・サーバー間のやり取りを共通仕様（JSONベースなど）で統一し、開発者はコンテキストの定義と管理に集中できます。

MCPが解決する課題

• モデルごとのAPI仕様の違いによる開発コスト増加
• セキュリティ・プライバシーの担保（コンテキスト情報の暗号化やアクセス制御）
• 拡張性・相互運用性（新しいモデルやサービス追加時もMCP仕様に従うだけで連携可能）

MCPの技術的仕組み

基本アーキテクチャ

MCPは「モデル」「クライアント」「サーバー」の3要素で構成されます。

• モデル：AI/LLM本体。MCP仕様に準拠した入出力を持つ
• クライアント：ユーザー操作やアプリ状態をMCPサーバーへ送信
• サーバー：コンテキスト管理・モデル連携・セキュリティ担保

クライアント（例：VS Code拡張）がユーザー操作や状態をMCPサーバーへ送信し、サーバーがコンテキストを管理してモデルへ適切に伝達します。これにより、ユーザーの操作履歴やドキュメント状態など、複雑な情報をモデルに正確に伝えることができます。

コンテキスト管理の流れ

1. クライアントがユーザーの操作・状態をコンテキストとして送信（例：選択範囲、カーソル位置、編集中のファイル名など）
2. サーバーが受信・管理し、必要に応じてコンテキストを加工・検証してモデルへリクエスト
3. モデルがコンテキストをもとに応答（例：要約、コード生成、提案など）
4. サーバーが応答をクライアントへ返却し、ユーザーに結果を表示

この流れにより、ユーザー体験を損なうことなく、複数モデルやサービスを横断的に活用できます。

MCPの主要コンポーネント

• モデル：AI/LLM本体。MCP仕様に準拠した入出力を持つ。例えば、入力としてコンテキスト情報とリクエスト内容を受け取り、出力として応答を返す。
• クライアント：ユーザー操作やアプリ状態をMCPサーバーへ送信。VS Code拡張やWebアプリなどが該当。
• サーバー：コンテキスト管理・モデル連携・セキュリティ担保。複数クライアントやモデル間の調整役。

プロトコル仕様（例）

MCPは主にHTTP/JSON-RPC/WebSocketなどの通信方式を利用し、データ構造はJSONで表現します。コンテキスト・リクエスト・レスポンスを明確に分離しています。これにより、やり取りの各要素が明示的に分離されており、クライアント側・モデル側での処理の責任範囲が明確になります。これにより拡張性と保守性が高まります。

{
  "context": {...},   ← ユーザーの状態情報（誰が・何を・どこで）
  "request": {...},   ← モデルへの指示（要約して・翻訳してなど）
  "response": {...}   ← モデルの出力（返答・生成結果など）
}

{
  "context": {...},   ← ユーザーの状態情報（誰が・何を・どこで）
  "request": {...},   ← モデルへの指示（要約して・翻訳してなど）
  "response": {...}   ← モデルの出力（返答・生成結果など）
}

API例：

{
  "context": {
    "user": "JS2IIU",
    "document": "sample.md",
    "selection": "2-10"
  },
  "request": {
    "action": "summarize",
    "params": {"length": "short"}
  }
}

{
  "context": {
    "user": "JS2IIU",
    "document": "sample.md",
    "selection": "2-10"
  },
  "request": {
    "action": "summarize",
    "params": {"length": "short"}
  }
}

この例では、ユーザー名・ドキュメント名・選択範囲などのコンテキスト情報と、要約アクションのリクエスト内容を一つのJSONで送信しています。

MCPのメリット・ユースケース

モデルの切り替え・拡張性

MCPを使うことで、複数モデルの同時利用や切り替えが容易になります。例えば、要約モデルと翻訳モデルを同じクライアントから呼び出す場合も、MCP仕様に従うだけで統一的に扱えます。新しいモデル追加も、MCP仕様に準拠した入出力を実装するだけで済みます。

[ クライアント ]
     ↓
[ MCPサーバー ]
     ├── モデルA（要約）
     └── モデルB（翻訳）

[ クライアント ]
     ↓
[ MCPサーバー ]
     ├── モデルA（要約）
     └── モデルB（翻訳）

クライアントは MCPサーバーに一貫した形式でリクエストを送るだけで、利用するモデルの種類に応じた処理が自動的に分岐されます。これにより、アプリ側のロジックを最小限に抑えつつ、複数モデルに対応できます。

セキュリティ・プライバシー

MCPでは、コンテキスト情報のアクセス制御や暗号化が可能です。ユーザー情報や機密データを含む場合でも、サーバー側で権限管理や暗号化処理を行うことで、セキュリティを担保できます。これにより、エンタープライズ用途でも安心して利用できます。

MCPサーバーでは、以下のようなセキュリティ機構を実装できます：

• OAuth2 や JWT を用いたユーザー認証
• Open Policy Agent によるアクセス制御ポリシー
• HTTPSによる通信の暗号化
• AES/PGPなどでのコンテキスト情報の暗号化
• 操作ログの収集による監査トレース

実際の活用例

• VS Code拡張機能：AIアシスト、コード生成、リファクタリング提案など。ユーザーの操作履歴や選択範囲をコンテキストとしてモデルに渡すことで、より精度の高い提案が可能。
• WebサービスのAI連携：チャットボットやFAQ、ドキュメント検索など。ユーザーの入力履歴や閲覧履歴をコンテキストとして活用。
• エンタープライズ用途：社内文書管理、ナレッジベース、業務プロセス自動化など。複数部門・複数サービス間でのコンテキスト共有が容易。

MCPを活用しているサービス例

MCPの実装例

サンプルコード（Python）

以下は、PythonでMCPサーバーにリクエストを送信する例です。

import requests

context = {
    "user": "makoto",
    "document": "sample.md",
    "selection": "2-10"
}
request = {
    "action": "summarize",
    "params": {"length": "short"}
}

payload = {"context": context, "request": request}
response = requests.post("http://localhost:8000/mcp", json=payload)
print(response.json())

import requests

context = {
    "user": "makoto",
    "document": "sample.md",
    "selection": "2-10"
}
request = {
    "action": "summarize",
    "params": {"length": "short"}
}

payload = {"context": context, "request": request}
response = requests.post("http://localhost:8000/mcp", json=payload)
print(response.json())

このコードでは、ユーザー・ドキュメント・選択範囲などの情報を含むコンテキストと、要約アクションのリクエストをMCPサーバーに送信しています。サーバー側はこの情報を受け取り、適切なモデルに処理を委譲し、結果を返します。

MCPサーバー・クライアントのセットアップ手順

1. MCPサーバーを起動（公式実装やOSSを利用）
2. クライアントからHTTP/JSON-RPC等でリクエスト送信
3. モデル側でMCP仕様に従った応答を返す

サーバーは複数クライアント・モデル間の調整役となり、リクエストのルーティングや認証・認可も担当します。

主要ライブラリ・ツール

• mcp-server（OSS）：MCP仕様準拠のサーバー実装
• mcp-client（OSS）：クライアント実装例

MCPの今後と課題

標準化動向

MCPはOSSコミュニティによる仕様策定・拡張が進んでいます。主要AIプラットフォーム（OpenAI, HuggingFace等）への対応も拡大中で、今後はより多様なモデル・サービスとの連携が期待されます。

今後の発展・課題

• より細かなコンテキスト管理（例：リアルタイム編集履歴、複数ユーザー同時編集など）
• セキュリティ強化（例：ゼロトラスト、監査ログ、暗号化方式の標準化）
• 実運用でのベストプラクティス蓄積（例：大規模組織での導入事例、運用ノウハウ）

コミュニティ・リソース

• Model Context Protocol公式
• GitHubリポジトリ
  • GitHub: mcp-server
  • GitHub: mcp-client

まとめ

MCPはAI/LLM連携の標準化・拡張性・セキュリティを実現する新しいプロトコルです。従来のAPI連携の課題を解決し、今後のAI活用において重要な役割を担う技術として、ぜひ注目・活用してみてください。

参考リンク

• Model Context Protocol公式
• GitHub: mcp-server
• GitHub: mcp-client
• MCPで変わるAIエージェント開発 #LLM – Qiita

最後まで読んでいただきありがとうございました。
ご意見ご感想はぜひコメント欄にお願い致します。