MCPとは何か

AIエージェントが外部ツールやデータに安全にアクセスするための標準プロトコル

このドキュメントについて

MCPの基本概念、種類、メリット・デメリットを包括的に解説する。MCPを初めて学ぶ場合はここから始め、具体的な構築方法は development.md を参照してください。

MCPとは何か

MCP（Model Context Protocol） は、Anthropicが主導するオープン標準プロトコルである。

一言で言うなら、「AIエージェントが外部ツール・データに安全にアクセスするための共通プロトコル」である。

USB-Cの比喩

USB-Cが様々なデバイス（マウス、キーボード、外付けドライブ等）とPCを1つの規格で接続するように、MCPは様々なツール・サービス（RFC仕様、翻訳API、法令DB等）だけでなく、物理デバイスやセンサー（IoTデバイス、スキャナー、OCR等） もAIと1つのプロトコルで接続する。

本質：AIに「手」を与える仕組み

AIはテキスト入出力に優れているが、デフォルトではネットワークアクセスやファイル操作といった「外部とのインタラクション」ができない。MCPはこの制限を標準化された方法で解決し、AIに「手」を与える仕組みである。

なぜMCPが必要か

課題：AIの知識限界と動的データへのアクセス不可

AIは学習データの範囲内でしか回答できない。

例えば、

• 最新のRFC仕様（RFC 6455以降）を知らない
• DeepLやGoogleTranslateなどの翻訳サービスを使えない
• 法令DBや特定の知識ベースを検索できない

MCP以前：N×M問題

MCP以前は、各AIツール（Claude Code、Cursor、VS Code等）が各サービス（RFC、翻訳、法令等）と個別に統合する必要があった。

N個のAIツール × M個のサービス = N×M個の統合が必要

MCP以後：N+M問題に削減

MCPの標準化により、各サービスが1つのMCPサーバーを公開すれば、すべてのAIツールで自動的に利用可能になる。

N個のAIツール + M個のMCPサーバー = N+M個の実装で完結

MCPの3層構造

MCPは3層の明確な役割分担で構成される。

各層の役割と開発者の関わり

各層がどのような役割を担い、開発者としてどこに関わるかを以下にまとめる。

層	役割	例	開発者の関わり
Host	UI、セッション管理、ユーザーインタフェース	Claude Code, Cursor, VS Code	使う側
Client	JSON-RPC通信処理、リクエスト/レスポンス変換	Host内蔵	通常は意識しない
Server	ツール/リソース提供、実際の処理実装	rfcxml-mcp, deepl-mcp	作る側

重要なポイント

MCPサーバーを開発する立場では、Serverレイヤーのみを実装する。 ClientはHostに内蔵されているため、プロトコル詳細を意識する必要はない。

MCPの種類・カテゴリ分類

MCPサーバーは2つの軸で分類できる。「何をするか」（目的別）と「どう実装するか」（実装パターン別）である。

目的別分類（Purpose-based）

MCPの用途は「ブレない参照先」だけではない。実際には、MCPは以下の6つの目的カテゴリに分類される。

カテゴリ	役割	例
Reference（参照）	権威ある仕様・規格・法令への構造的アクセス	rfcxml-mcp, w3c-mcp, hourei-mcp, pdf-spec-mcp
Transform（変換）	データ形式や言語の変換処理	deepl-mcp, mermaid-mcp
Evaluate（評価）	品質・スコアの測定	xcomet-mcp
Verify（検証）	仕様準拠の確認	rfcxml-mcp（validate_statement等）
Execute（実行）	ドメイン固有の処理実行	rxjs-mcp, pdf-reader-mcp
Retrieve（取得）	汎用的な外部データ取得	epsg-mcp

重要： 1つのMCPが複数のカテゴリにまたがることがある。例えば rfcxml-mcp は Reference（仕様参照）と Verify（準拠検証）の両方を担う。

実装パターン別分類（Implementation-based）

一方、技術的な実装の観点では、MCPサーバーは4つのパターンに分類される。

パターン	特徴	例
ローカルデータ型	外部通信なし、データをパッケージに内包	epsg-mcp, pdf-spec-mcp
外部API型	HTTP/HTTPSで外部APIと通信	rfcxml-mcp, w3c-mcp, hourei-mcp
モデルロード型	機械学習モデルをロードしてローカル推論	xcomet-mcp-server
ハイブリッド型	複数パターンの組み合わせ	pdf-reader-mcp（ローカル+URL取得）

2軸の関係

目的別と実装パターン別は独立した軸である。例えば「Reference（参照）」目的のMCPでも、ローカルデータ型（pdf-spec-mcp）と外部API型（rfcxml-mcp）がある。MCPを設計する際は、まず「何を実現したいか」（目的）を明確にし、次に「どう実装するか」（パターン）を選定するとよい。

実装パターン選定フローチャート

新しいMCPサーバーを構築する際、どの実装パターンに当てはまるかは以下のフローチャートで判断できる。

MCPサーバーが提供する主要機能

MCPサーバーは3つのコア機能を提供する。

Tools（ツール）- 最も一般的

AI が呼び出せる関数。リモートプロシージャコール（RPC）的な仕組み。

例：

• rfcxml:get_rfc_structure - RFC仕様の構造を取得
• deepl:translate-text - テキストを翻訳
• xcomet:xcomet_evaluate - 翻訳品質を評価

Resources（リソース）

AIが読み取れるデータソース。URIベースでアクセス可能。

例：

• file:///path/to/data - ファイルシステムのデータ
• rfc://6455 - RFC仕様書本体

Prompts（プロンプトテンプレート）

再利用可能なプロンプト定義。一連の作業フローをテンプレート化。

例：

• 翻訳品質評価用テンプレート
• コードレビュー用テンプレート

機能比較表

これら3つの機能の違いを以下の表に整理する。

機能	データ方向	説明	利用頻度
Tools	AI → Server	AIがサーバーの関数を呼ぶ	★★★ 最も一般的
Resources	Server → AI	サーバーがUIなしでデータを提供	★★ 中程度
Prompts	Server → AI	テンプレート提供	★ 限定的

追加ユーティリティ機能

MCPプロトコルには、コア機能（Tools/Resources/Prompts）に加えて以下のユーティリティ機能が定義されている。すべてが必須ではないが、高度なユースケースで有用になる。

Sampling

サーバーが逆方向でAIに推論を依頼する機能。複雑な判断をAIに委譲したい場合に有用。

Roots

サーバーがアクセスできるファイルシステムの範囲を制限する機能。セキュリティの観点から重要。

Logging

構造化ログ出力。デバッグやモニタリング用。

Progress

長時間処理の進捗報告。ユーザーエクスペリエンス向上のため。

実装のポイント

多くのMCPサーバーは Toolsのみで十分機能する。 追加機能は必要に応じて段階的に追加するアプローチが効率的。

メリット

MCPを採用することで、以下のメリットが得られる。

• ✅ 標準化
  一度作れば複数のAIホスト（Claude Code, Cursor, VS Code等）で利用可能。プロトコルの統一により、各ツール側の統合コストが大幅削減。

• ✅ 再利用性
  npmで公開すれば誰でも npx で即座に利用開始可能。デプロイと運用が非常に簡単。

• ✅ 動的処理
  リアルタイムのデータ取得・処理が可能。AIの知識の古さを補完。

• ✅ 権威性 RFC原文、法令DB等の「ブレない参照先」に直接アクセス。AIの幻覚を低減。これはMCPの目的の一つ（Reference）であり、他にも変換・評価・検証・実行・取得といった多様な用途がある。

• ✅ 関心の分離
  ツール側のロジックとAI側のロジックが明確に分離。両者の変更の影響が限定的。

デメリット・リスク

一方で、MCPには注意すべきデメリットとリスクもある。

• ❌ コンテキスト消費 ツール定義の読み込みだけでトークンを消費。特にツール数が多い場合、コンテキストウィンドウを圧迫する可能性あり。

• ❌ 起動コスト サーバープロセスの起動・管理が必要。シンプルなケースでは過剰複雑度を招く。

• ❌ セキュリティリスク 入力検証不足や権限管理の誤りが深刻な被害に。詳細は security.md 参照。

• ❌ メンテナンスコスト 外部APIの変更への追従が必要。長期運用を考慮した設計が必須。

• ❌ 過剰MCP化 すべてをMCP化する誘惑に注意。CLI + Skillで十分なケースも多い。

Key Insight

公式CLIがあるサービス（gh, aws, gcloud等）は MCPなし、CLI + Skill が効率的である。判断軸は 03-architecture.md「CLI vs MCP」を参照。

このリポジトリでのMCP実績

このai-agent-architectureリポジトリでは、MCPの実践的な開発と運用の知見を蓄積している。

自作MCP（npm公開済み）

7つのMCPサーバーを設計・実装・公開

• rfcxml-mcp - IETF RFC仕様の検索・取得
• w3c-mcp - W3C/WHATWG Web仕様の検索・参照
• xcomet-mcp - 翻訳品質評価（機械学習モデル利用）
• rxjs-mcp - RxJS操作ガイド・コード実行
• epsg-mcp - 座標参照系（CRS）の検索・変換
• pdf-spec-mcp - PDF仕様（ISO 32000）の検索
• pdf-reader-mcp - PDF読み込み・テキスト抽出

連携MCP（外部開発）

5つのMCPサーバーと連携・拡張

• deepl-mcp - DeepL翻訳API
• hourei-mcp - 日本法令データベース
• mermaid-mcp - Mermaid図生成
• svelte-mcp - Svelte 5ドキュメント
• shadcn-svelte-mcp - shadcn/ui v4コンポーネント

さらに詳しく

MCP一覧・詳細仕様は catalog.md を参照。

次に読むべきドキュメント

MCPについてさらに深く学ぶために、以下のドキュメントを参照してほしい。

目的	ドキュメント
MCPを作りたい	development.md
構築済みMCPを見たい	catalog.md
セキュリティを理解したい	security.md
Skills/A2Aとの使い分け	03-architecture.md
Skillsについて知りたい	what-is-skills.md

最終更新: 2026-02-12 リポジトリ: ai-agent-architecture