「AIエージェントキャッチアップ #13 - Model Context Protocol (MCP)」を開催しました

ジェネラティブエージェンツの大嶋です。

「AIエージェントキャッチアップ #13 - Model Context Protocol (MCP)」という勉強会を開催しました。

generative-agents.connpass.com

アーカイブ動画はこちらです。

youtube.com

Model Context Protocol (MCP)

今回は、Anthropicが公開した「Model Context Protocol (MCP)」について、公式ドキュメントを読んだり動かしたりしてみました。

MCPについての公式ブログはこちらです。

https://www.anthropic.com/news/model-context-protocolwww.anthropic.com

公式ドキュメントはこちらです。

modelcontextprotocol.io

今回のポイント

MCPの概要

MCPは、LLMアプリケーションと外部データなどを連携するためのプロトコルです。

LLMアプリケーションに対して、

リソース
プロンプト
ツール

の3つを接続することができます。

Quickstart

MCPの公式ドキュメントのQuickstartでは、ClaudeのデスクトップアプリからMCPを利用してSQLiteを扱う例が挙げられています。

modelcontextprotocol.io

macOSの場合、~/Library/Application Support/Claude/claude_desktop_config.jsonという設定ファイルに以下の設定を記述します。

{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/Users/YOUR_USERNAME/test.db"]
    }
  }
}

すると、ClaudeのデスクトップアプリがSQLiteの「/Users/YOUR_USERNAME/test.db」というデータベースに接続できるようになります。

Quickstartを実行すると、以下の画像のように、ClaudeがSQLを実行しながらSQLiteのデータについて回答してくれました。

トラブルシューティング

実際にQuickstartを動かそうとしたときは、「Could not connect to MCP server sqlite」というエラーに遭遇しました。

macOSの場合、Claudeのデスクトップアプリは、MCPに関して~/Library/Logs/Claudeディレクトリにログを出力します。今回は~/Library/Logs/Claude/mcp.logファイルを参照することでエラーの詳細を確認できました。

2024-12-09T03:14:03.954Z [error] Error in MCP connection to server sqlite: Error: spawn uvx ENOENT
    at ChildProcess._handle.onexit (node:internal/child_process:286:19)
    at onErrorNT (node:internal/child_process:484:16)
    at process.processTicksAndRejections (node:internal/process/task_queues:82:21) {
  errno: -2,
  code: 'ENOENT',
  syscall: 'spawn uvx',
  path: 'uvx',
  spawnargs: [Array]
}

これはuvxコマンドを実行する際のENOENTというエラーです。私の環境でのuvxコマンドのインストール方法が影響しているようで、以下のようにuvxコマンドの絶対パスを指定するようにして解決できました。

{
  "mcpServers": {
    "sqlite": {
      "command": "/Users/YOUR_USERNAME/.local/bin/uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/Users/YOUR_USERNAME/test.db"]
    }
  }
}

MCPの特徴

LLMがSQLiteのように外部ツールを操作できること自体はとくに真新しくありません。 OpenAIやAnthropicのAPIはFunction calling（Tool use）という機能を提供しており、今までも同様のことが実現できました。また、OpenAIのGPTsにもOpenAPI仕様をもとに外部のツールと連携する機能があります。

これらと比較したMCPの特徴としては、以下の2つが挙げられます。

OpenAPI仕様のような既存の仕様ではなく、LLMアプリに特化したプロトコルである
ツールだけでなく、リソース・プロンプトの連携機能もある

（1）LLMアプリに特化したプロトコルである

MCPの仕様は以下のページで確認できます。

spec.modelcontextprotocol.io

MCPの仕様は、Function callingやGPTsのOpenAPI仕様連携よりも複雑になっています。

MCPでは単にLLMが外部の処理を呼び出すだけでなく、MCPのクライアント・サーバー間のネゴシエーションなども登場します。

OpenAPI仕様のような既存の仕様ではなく、LLMアプリに特化したプロトコルであると言えます。

なお、MCPではこのようなクライアント・サーバーを簡単に実装できるよう、PythonとTypeScriptのSDKが提供されています。

github.com

（2）リソース・プロンプトの連携機能もある

MCPは、Function callingやGPTsのOpenAPI仕様連携と異なり、ツール以外にリソースやプロンプトの連携機能も持っています。

たとえば、MCPのPython SDKのREADMEには、以下のようなサンプルが書かれています。

    :
from mcp.server import Server, NotificationOptions
    :
server = Server("example-server")

# Add prompt capabilities
@server.list_prompts()
async def handle_list_prompts() -> list[types.Prompt]:
    :
@server.get_prompt()
async def handle_get_prompt(
    name: str,
    arguments: dict[str, str] | None
) -> types.GetPromptResult:
    :

これはプロンプトを取得できるMCPサーバーの実装例です。

上記のコードをexample_server.pyといったファイルに保存して、~/Library/Application Support/Claude/claude_desktop_config.jsonに以下のように記述します。

{
    "example_prompts": {
      "command": "uv",
      "args": [
        "--directory",
        "<ディレクトリ>",
        "run",
        "python",
        "example_server.py"
      ]
    }
  }
}