MCPプロトコル入門：AIツール呼び出しの標準インターフェース構築

MCPとは

MCP（Model Context Protocol）は、2024年末にAnthropicが発表したオープンプロトコルで、AIモデルと外部ツール/データソース間の通信を標準化することを目的としています。統一されたインターフェース仕様を定義し、あらゆるAIモデルが標準的な方法でツール、リソース、プロンプトテンプレートにアクセスできるようにします。2026年には、MCPはAIエージェント開発の事実上の標準となっています。

MCPの核となる概念

MCPサーバーの構築

# weather_server.py
from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationCapabilities
import mcp.server.stdio
import mcp.types as types
import json

app = Server("weather-server")

@app.list_tools()
async def handle_list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="get-weather",
            description="指定された都市の天気情報を取得",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "都市名"}
                },
                "required": ["city"]
            }
        ),
        types.Tool(
            name="get-forecast",
            description="将来の天気予報を取得",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string"},
                    "days": {"type": "integer", "minimum": 1, "maximum": 7}
                },
                "required": ["city"]
            }
        )
    ]

@app.call_tool()
async def handle_call_tool(name: str, arguments: dict) -> list[types.TextContent]:
    if name == "get-weather":
        city = arguments["city"]
        # 実際の天気APIを呼び出す
        weather = f"{city}は今日晴れ、25°C"
        return [types.TextContent(type="text", text=weather)]

    elif name == "get-forecast":
        city = arguments["city"]
        days = arguments.get("days", 3)
        forecast = f"{city}の今後{days}日間は晴れが中心"
        return [types.TextContent(type="text", text=forecast)]

    raise ValueError(f"不明なツール: {name}")

async def main():
    async with mcp.server.stdio.stdio_server() as (read, write):
        await app.run(read, write, InitializationCapabilities())

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

DeepSeek + MCP統合

# deepseek_mcp_client.py
from openai import OpenAI
import subprocess
import json
import os

class DeepSeekMCPClient:
    def __init__(self, server_script):
        self.client = OpenAI(
            api_key=os.getenv('DEEPSEEK_API_KEY'),
            base_url='https://api.deepseek.com'
        )
        self.server = server_script
        self.tools = self._load_tools()

    def _load_tools(self):
        """MCPサーバーからツールリストを読み込む"""
        # 実際にはMCPプロトコルで通信するが、ここでは簡略化して事前定義
        return [{
            "type": "function",
            "function": {
                "name": "get-weather",
                "description": "都市の天気を取得",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {"type": "string"}
                    },
                    "required": ["city"]
                }
            }
        }]

    def chat_with_tools(self, user_message):
        messages = [{"role": "user", "content": user_message}]

        response = self.client.chat.completions.create(
            model='deepseek-v4-flash',
            messages=messages,
            tools=self.tools,
            tool_choice='auto'
        )

        msg = response.choices[0].message
        if msg.tool_calls:
            for tc in msg.tool_calls:
                result = self._execute_tool(tc.function.name, json.loads(tc.function.arguments))
                messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})

            final = self.client.chat.completions.create(
                model='deepseek-v4-flash',
                messages=messages
            )
            return final.choices[0].message.content

        return msg.content

    def _execute_tool(self, name, args):
        # MCPサーバーを呼び出してツールを実行
        result = subprocess.run(
            ['python', self.server, name, json.dumps(args)],
            capture_output=True, text=True
        )
        return result.stdout

# 使用例
client = DeepSeekMCPClient('weather_server.py')
result = client.chat_with_tools("北京の今日の天気は？")
print(result)

Claude Desktop MCPの設定

// ~/Library/Application Support/Claude/claude_desktop_config.json (macOS)
// %APPDATA%\Claude\claude_desktop_config.json (Windows)
{
  "mcpServers": {
    "deepseek-tools": {
      "command": "python",
      "args": ["/path/to/weather_server.py"]
    }
  }
}

おすすめの一般的なMCPサーバー

MCP vs Function Calling比較

推奨：外部に汎用ツールを提供する場合はMCPを使用し、アプリケーション内のプライベートツールにはFunction Callingを使用してください。