MCP（Model Context Protocol）とは？AIが外部ツールと連携できる新標準をわかりやすく解説

「AIって賢いのに、なぜか自分のデータベースやファイルとは連携できないんだよな…」

そんなもどかしさを感じたことはありませんか？実はこれ、多くの開発者が抱えてきた共通の悩みなんです。

そこで最近、技術者コミュニティで一気に話題になっているのが MCP（Model Context Protocol） です。今回はこの仕組みをゼロからわかりやすく解説していきます！ 🚀

Contents

MCPとは？ひと言でいうと
なぜMCPが必要なの？
MCPの基本構造をざっくり理解しよう
実際のコードで見てみよう
MCPに対応しているツールは？
- MCPホストとして対応しているAIツール
- すでに公開されているMCPサーバー
まとめ

MCPとは？ひと言でいうと

AI network protocol / Photo by Tara Winstead via Pexels

まずイメージをつかんでもらうために、2つのたとえを紹介します。

🗣️ 「AIとあらゆる外部ツールをつなぐ、共通の通訳さん」
🔌 「AIと外部ツールをつなぐ、USB-Cのような共通ポート」

つまり MCP（Model Context Protocol） とは、AIアシスタント（LLM）が外部のツール・API・データベース・ローカルファイルなどと安全かつ一貫した方法でやり取りするための共通プロトコル（規格）です。Anthropicが提唱し、急速に広まっています。

これまではAIと外部ツールをつなぐたびに、専用のつなぎコード（いわゆる「グルーコード」）を手作りする必要がありました。MCPはその手間をまとめて解決しようとしている、画期的な取り組みなんです。✨

なぜMCPが必要なの？

LLM単体では、実は次のようなことができません 👇

ローカルのファイルを読み書きする
データベースにクエリを投げる
外部APIを呼び出す
リアルタイムの情報を取得する

これを解決するために、これまで各社がバラバラな方法でプラグインやツール連携を実装してきました。でもそれだと、ツールが増えるたびに実装コストが膨らんでしまいますよね。

MCPはこの問題を「共通の規格」で根本から解決しようとしているわけです。一度MCPサーバーを作れば、対応しているAIツールであればどれからでも再利用できる——これが最大のポイントです。

MCPの基本構造をざっくり理解しよう

MCPは大きく3つの役割で成り立っています。

🖥️ MCPホスト：LLMが動いているアプリ側（例：ClaudeやGitHub Copilot）
🔌 MCPクライアント：ホストとサーバーの橋渡しをする部分
⚙️ MCPサーバー：ファイル・DB・APIなど実際のツールやデータを提供する側

データの流れはこんなイメージです 👇

AI（ホスト） ⇔ MCPクライアント ⇔ MCPサーバー ⇔ 外部ツール・データ

この3層構造のおかげで、サーバー側を一度作れば、どのAIホストからでも使い回せるというのがMCPの強みです。

実際のコードで見てみよう

PythonのMCP公式SDKを使うと、こんなシンプルなコードでMCPサーバーを立ち上げられます。

今回は「挨拶メッセージを返すツール」と「天気を返すツール」の2つを1つのサーバーに登録してみます。1つのサーバーに複数のツールを追加できるという点も、ぜひ注目してみてください 👇

# pip install mcp でインストールして使います
# mcp_server_example.py

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp import types

# MCPサーバーのインスタンスを作成
app = Server("my-tool-server")

# AIから呼び出せる「ツール」をまとめて定義する
@app.list_tools()
async def list_tools() -> list[types.Tool]:
    return [
        # ツール①：挨拶メッセージを返す
        types.Tool(
            name="get_greeting",
            description="挨拶メッセージを返す",  # AIはここを読んで使い方を判断する
            inputSchema={
                "type": "object",
                "properties": {
                    "name": {"type": "string", "description": "名前"}
                },
                "required": ["name"]
            }
        ),
        # ツール②：指定した都市の天気を返す
        types.Tool(
            name="get_weather",
            description="指定した都市の天気を取得する",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "都市名"}
                },
                "required": ["city"]
            }
        ),
    ]

# ツールが呼ばれたときの実際の処理
@app.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_greeting":
        user_name = arguments.get("name", "世界")
        return [types.TextContent(
            type="text",
            text=f"こんにちは、{user_name}！MCPサーバーからお届けします 🎉"
        )]
    elif name == "get_weather":
        city = arguments.get("city", "不明")
        # ここを実際のAPI呼び出しに置き換えることができる
        return [types.TextContent(
            type="text",
            text=f"{city}の天気：晴れ 🌞"
        )]

# サーバーを起動
if __name__ == "__main__":
    import asyncio
    asyncio.run(stdio_server(app))

ポイントをまとめるとこんな感じです 👇