メインコンテンツまでスキップ

MCPについて

🔌 MCP（Model Context Protocol）とは？​

MCP（Model Context Protocol）は、AI Agentとツールやデータソースをつなぐための標準化されたプロトコルです。

Anthropic社によって発表され、AI Agentが外部のツールやサービスを統一的な方法で利用できるようにします。

その後、Google CloudがAgent 2 Agentプロトコルを発表したこともあり、デファクトスタンダードとなりました。

🤔 なぜMCPが必要なのか？​

AI Agentを開発する際、以下のような課題がありました：

課題1：ツール統合の複雑さ

各ツールやAPIごとに異なる実装方法を学ぶ必要がありました。

// それぞれのツールで異なる実装が必要だった
await weatherAPI.getCurrentWeather(location);
await databaseClient.query(sql);
await blockchainRPC.sendTransaction(tx);

課題2：再利用性の低さ

ツールを別のプロジェクトで使いたい場合、コードを大幅に書き直す必要がありました。

課題3：標準化の欠如

AI Agentとツール間のインタフェースに統一性がなく、開発者ごとに異なる実装がされていました。

✨ MCPが解決すること​

MCPは統一されたインタフェースを提供し、すべてのツールが同じプロトコルで通信できるようにします。

これにより：

  • 一度作成したツールを複数のAI Agentで再利用できる
  • 新しいツールを追加する際の学習コストが低い
  • AI Agentフレームワーク間でツールを共有できる
    • Mastraで利用
    • Agent Development Kitで利用
    • Strands Agentで利用

🏗 MCP のアーキテクチャ​

MCPは、サーバーとクライアントの2つのコンポーネントで構成されます：

MCPサーバー（Server）​

ツールやデータソースを提供する側です。

役割：

  • ツールの定義と実装（具体的な処理内容）
  • ツールのメタデータ（名前、説明、パラメータ）の公開
  • ツールの実行と結果の返却

MCPクライアント（Client）​

AI Agentからツールを利用する側です。

役割：

  • MCPサーバーへの接続
  • 利用可能なツールの取得
  • ツールの呼び出しリクエスト送信
  • 実行結果の受け取り

📡 MCP の通信フロー​

MCPの典型的な通信フローは以下の通りです：

1. ユーザー → AI Agent
   「残高を教えて」

2. AI Agent → MCP Client
   適切なツールを選択

3. MCP Client → MCP Server
   ツール呼び出しリクエスト
   {
     "tool": "jpyc_balance",
     "parameters": { "address": "0x123..." }
   }

4. MCP Server
   ツールを実行して結果を返す
   {
     "balance": "1000",
     "chainName": "Ethereum Sepolia"
   }

5. AI Agent → ユーザー
   「Ethereum Sepoliaチェーンの残高は1,000 JPYCです」

🛠 ツールの構成要素​

MCPのツールは、以下の要素で構成されます：

1. 識別子（ID）

  • ツールを一意に識別する名前
  • 例：jpyc_balance、jpyc_transfer

2. 説明（Description）

  • AI Agentがツールの用途を理解するための説明文
  • 例：「指定したアドレスのJPYC残高を照会します」

3. 入力スキーマ（Input Schema）

  • ツールが受け取るパラメータの定義
  • データ型、必須/任意、説明などを含む

4. 実行ロジック（Execute）

  • 実際の処理を行う関数
  • パラメータを受け取り、結果を返す

💡 MCP の利点​

開発者にとって

  • ツールを一度実装すれば、複数のプロジェクトで再利用できる
  • 標準化されたインタフェースで開発が容易
  • テストとデバッグがしやすい

AI Agentにとって

  • 多様なツールに統一的な方法でアクセスできる
  • ツールの機能を自動的に理解できる
  • エラーハンドリングが統一される

ユーザーにとって

  • より多機能なAI Agentを利用できる
  • 信頼性の高いサービスを受けられる

🌐 MCP のエコシステム​

MCPは、様々なAI Agentフレームワークで利用できます：

  • Mastra:
    TypeScriptベースのモダンなフレームワーク
  • LangChain:
    Python/TypeScriptの人気フレームワーク
  • Agent Development Kit:
    Google製のマルチAI Agentに対応したフレームワーク
  • Strands Agent:
    AWS製のフレームワーク
  • AutoGPT:
    自律型Agentフレームワーク

また、様々なLLMプロバイダーと組み合わせて使用できます：

  • Claude（Anthropic）
  • GPT-4（OpenAI）
  • Gemini（Google）

📝 このプロジェクトでの MCP​

このプロジェクトでは、以下のような構成でMCPを活用します：

MCPサーバー

  • JPYC操作のためのツールを提供
  • HTTP/SSEで通信
  • ポート3001で起動

MCPクライアント（Mastraのレッスンで実装）

  • Mastraフレームワーク経由でMCPサーバーに接続
  • AI Agentにツールを提供

提供するツール：

  1. jpyc_balance - 残高照会
  2. jpyc_transfer - 送信
  3. jpyc_switch_chain - チェーン切り替え
  4. jpyc_get_current_chain - 現在のチェーン取得
  5. jpyc_total_supply - 総供給量照会

🙋‍♂️ 質問する​

ここまでの作業で何かわからないことがある場合は、Discordの#jpycで質問をしてください。

ヘルプをするときのフローが円滑になるので、エラーレポートには下記の4点を記載してください ✨

  1. 質問が関連しているセクション番号とレッスン番号
  2. 何をしようとしていたか
  3. エラー文をコピー&ペースト
  4. エラー画面のスクリーンショット

次のレッスンでは、Mastraについて学びます！