MCP が『AI Agent統合の標準』として定着
Model Context Protocol（MCP）はAnthropicが2024年11月に提案したオープンプロトコルで、LLMアプリケーションがデータソース・ツール・APIにアクセスする標準仕様です。当初はAnthropic独自でしたが、2025年にOpenAI・Google・Microsoftが対応を発表し、AI Agent統合の事実上の標準（USB-Cに例えられる）として定着しました。Cursor・Claude Code・各種AI Agentがネイティブ対応しています。
採用すべき5つのシグナル
- AI Agentに外部ツール・データソースを統合したい
- OpenAI Function Calling・Anthropic Tool Useを言語別に書き分けている
- 社内データ（Slack・GitHub・Notion）をLLMに読ませたい
- カスタムツールを複数LLMで使い回したい
- AI Agent開発の標準化・再利用性を上げたい
MCPの基本概念
- Server: ツール・データを提供する側（GitHub MCP Server等）
- Client: LLMアプリ（Claude Desktop・Cursor等）
- Tools: 関数呼び出し可能なアクション
- Resources: 読み取り可能なデータ
- Prompts: 再利用可能なプロンプトテンプレート
- Sampling: ServerからLLMへのリクエスト
標準提供されるMCP Server
- filesystem: ローカルファイル読み書き
- github: GitHub Issues・PR・コード検索
- slack: Slackメッセージ送受信
- postgres: PostgreSQLクエリ
- notion: Notionページ操作
- gdrive: Google Drive操作
- memory: 会話履歴永続化
実装パターン
(1) Server実装: Python/TypeScript SDKでツール定義
(2) Tool宣言: @mcp.tool() def search_db(query)
(3) Resource宣言: @mcp.resource() def get_file(path)
(4) Client設定: Claude Desktopのclaude_desktop_config.jsonで接続
(5) テスト: MCP Inspectorで動作確認
OpenAI Function Calling/MCP比較
Function Calling: OpenAI標準・API呼び出し時にツール宣言・1モデル専用。
Anthropic Tool Use: 同様・Anthropic独自仕様。
MCP: クロスプロバイダ・再利用可能・Server/Client分離・標準化。
使い分け: 単一モデル前提はFunction Calling・複数モデル・再利用重視はMCP。
本番採用の判断基準
- 採用例: Claude Desktop・Cursor・Continue・Zed等
- SDK成熟度: Python・TypeScript安定・Go/Rust対応中
- セキュリティ: MCP Server経由でデータアクセスを制御可能
- ベンダーロックイン: オープン仕様・複数プロバイダ対応
実装で詰まる3つの落とし穴
- 権限設計: MCP Serverが過剰権限を持つとリスク
- レイテンシ: Server経由でAPI呼び出しが追加されるオーバーヘッド
- エラーハンドリング: Server障害時のClient側の挙動
30日学習プラン
- 1週目: 既存MCP Serverを使ってClaude Desktop統合
- 2週目: カスタムMCP Server実装（Python/TS）
- 3週目: 複数Server組み合わせ・Resource/Tool/Prompt使い分け
- 4週目: 本番デプロイ・セキュリティ・モニタリング
関連リンク
AI Agent全般は AI Agent選び方、Mastraは Mastra深掘り、Vercel AI SDKは Vercel AI SDK深掘り を参照してください。