TechFlow Logo
ログイン/ 登録
ETHガス
Gwei
恐怖
gas
Alliance DAOリサーチャー:最近のAI分野で話題のMCPコンセプトをわかりやすく解説

Alliance DAOリサーチャー:最近のAI分野で話題のMCPコンセプトをわかりやすく解説

2025.04.18
共有先
AIアプリケーションにとって、MCPはハードウェアにおけるUSB-Cのような存在だ。

著者:Mohamed ElSeidy

翻訳:TechFlow

导读

昨日、Solana上のAI関連トークン$DarkがBinance Alphaに上場し、現在までの時価総額は約4,000万ドルに達している。

最新の暗号AIストーリーにおいて、$Darkは「MCP」(モデルコンテキストプロトコル)と密接に関連しており、これはここ最近GoogleなどのWeb2テック企業も注目・探求を始めている分野である。

しかし現時点では、MCPという概念やそのストーリー的影響について明確に説明した記事はほとんど存在しない。

以下はAlliance DAOのリサーチャーMohamed ElSeidyによるMCPプロトコルに関するわかりやすい解説記事であり、非常に平易な言葉でMCPの仕組みと位置づけを説明しており、最新のストーリー理解に役立つかもしれない。

TechFlowが全文を翻訳した。

Allianceでの私の経験を通じて、多くの創業者が独自の専用ツールやデータ統合を構築し、それらを自社のAIエージェントやワークフローに埋め込んできたのを見てきた。しかし、これらのアルゴリズム、形式化手法、独自データセットはカスタム統合の背後に閉じ込められており、利用する者は極めて少数に限られていた。

しかし、モデルコンテキストプロトコル(Model Context Protocol, MCP)の登場により、状況は急速に変化しつつある。MCPとは、アプリケーションが大規模言語モデル(LLM)とどのように通信し、コンテキストを提供するかを標準化するオープンプロトコルとして定義される。私が特に気に入っているたとえは、「AIアプリケーションにとって、MCPはハードウェアにおけるUSB-Cのようなものだ」というものだ。つまり、標準化され、プラグアンドプレイ可能で、多機能かつ変革的な存在なのである。

なぜMCPなのか?

Claude、OpenAI、LLAMAなどの大規模言語モデル(LLM)は非常に強力だが、現在アクセス可能な情報に制限されている。つまり、知識に更新期限があり、ネットを自主的に閲覧できず、何らかの統合を行わない限り、個人ファイルや専用ツールに直接アクセスできないということだ。

特にこれまで、開発者がLLMを外部データやツールに接続しようとする際には、主に以下の3つの課題があった。

  1. 統合の複雑さ:各プラットフォーム(Claude、ChatGPTなど)ごとに個別に統合を構築することは、重複作業を要し、複数のコードベースをメンテナンスする必要がある。

  2. ツールの断片化:各ツール機能(例:ファイルアクセス、API接続など)ごとに専用の統合コードと権限モデルが必要となる。

  3. 配布の制限:専用ツールは特定のプラットフォームに限定され、その普及範囲と影響力が制限される。

MCPは、どのLLMでも共通プロトコルを通じて外部ツールやデータソースに安全にアクセスできるようにする標準化された方法を提供することで、これらの問題を解決する。これでMCPの役割がわかったので、次に人々が実際に何を構築しているのかを見てみよう。

人々はMCPを使って何を構築しているのか?

MCPエコシステムは現在、イノベーションの爆発期にある。以下は、私がTwitter上で見つけた、開発者が作品を紹介している最新の事例である。

  1. AI駆動のストーリーボード:ClaudeがChatGPT-4oを制御し、ジブリ風の完全なストーリーボードを自動生成するMCP統合。人手による介入なしに実行可能。

  2. ElevenLabs音声統合:簡単なテキストプロンプトだけで、ClaudeやCursorがAI音声プラットフォーム全体にアクセスできるMCPサーバー。この統合は、発信電話可能な音声エージェントを作成できるほど強力であり、MCPが既存のAIツールを音声領域へと拡張できることを示している。

  3. Playwrightによるブラウザ自動化:スクリーンショットやビジョンモデルを使わず、AIエージェントがウェブブラウザを制御できるようにするMCPサーバー。標準化された方法によりLLMが直接ブラウザ操作を制御できるようになり、ウェブ自動化に新たな可能性を生み出す。

  4. 個人用WhatsApp統合:個人のWhatsAppアカウントに接続するサーバー。これにより、Claudeがメッセージや連絡先を検索し、新しいメッセージを送信できるようになる。

  5. Airbnb検索ツール:Airbnbの物件を検索するツール。MCPの使いやすさと、ネットサービスと対話する実用アプリを作成する能力を示している。

  6. ロボット制御システム:ロボット用のMCPコントローラー。この事例はLLMと物理ハードウェアの間のギャップを埋め、MCPがIoT応用やロボティクス分野に持つ可能性を示している。

  7. Google Mapsおよびローカル検索:ClaudeをGoogle Mapsデータに接続し、カフェなどの地元企業を検索・推薦できるシステムを構築。これにより、AIアシスタントが位置ベースのサービスを提供できるようになる。

  8. ブロックチェーン統合:Lyra MCPプロジェクトは、MCPの機能をStoryProtocolや他のWeb3プラットフォームにもたらす。これにより、ブロックチェーンデータやスマートコントラクトとの相互作用が可能となり、AI強化型の分散アプリケーション(dApps)に新たな道を開く。

これらの一連の事例が特に注目すべき点は、その多様性にある。MCP導入後ほんの短い期間で、開発者たちはクリエイティブメディア制作、コミュニケーションプラットフォーム、ハードウェア制御、位置サービス、ブロックチェーン技術まで、幅広い分野の統合をすでに作り出している。こうした異なる用途が同一の標準化プロトコルに従っていることから、MCPの汎用性と、AIツール統合の共通標準となる可能性が浮き彫りになっている。

包括的なMCPサーバーコレクションを確認したい場合は、GitHubの公式MCPサーバーリポジトリを参照してほしい。任意のMCPサーバーを使用する前に、必ず免責事項を読み、実行および許可する内容には注意深く対処すること。

期待と過剰評価

あらゆる新技術に対して問われるべきことは、「MCPは本当に変革的なのか? それともまた一つ、過剰に宣伝され、やがて消えていくだけのツールなのか?」ということだろう。

多数のスタートアップを見てきた私の意見では、MCPはAI発展における真の転換点を示していると考える。革命を約束しながら漸進的な変化しかもたらさない多くのトレンドとは異なり、MCPはエコシステム全体の発展を妨げてきたインフラ問題を解決する、真の生産性向上ツールなのだ。

その特筆すべき点は、既存のAIモデルを置き換えたり競合したりしようとするのではなく、必要な外部ツールやデータにそれらを接続することで、より有用にするという点にある。

とはいえ、セキュリティや標準化に関する正当な懸念は依然として存在する。あらゆるプロトコルが初期段階でそうであるように、コミュニティが監査、権限管理、認証、サーバー検証といった分野で最適な実践方法を模索する中で、成長 pains を経験する可能性がある。開発者はこれらのMCPサーバーの機能を信頼しなければならないが、盲目的に信頼してはならない。特に、それらが豊富になってくるにつれて、注意が必要となる。本稿では、慎重に審査されないMCPサーバーを盲目的に使用したことにより、最近露呈した脆弱性についても言及している。ローカル実行時であっても同様だ。

AIの未来はコンテキスト化にある

最も強力なAIアプリケーションは、もはや独立したモデルではなく、MCPのような標準化プロトコルによって結びつけられた、専門的能力のエコシステムになるだろう。スタートアップにとって、MCPはこうした成長するエコシステムに適合する専門コンポーネントを構築する機会を意味する。これは、独自の知識や能力を活かしつつ、基礎モデルへの巨額投資の恩恵も受けられるチャンスなのである。

将来を見据えると、MCPはHTTPがウェブにおいてそうであったように、AIインフラの基本的構成要素になると予想される。プロトコルが成熟し、採用が進むにつれ、AIシステムが想像できるほぼすべての能力やデータソースを利用できる、専用のMCPサーバーマーケットプレイスの出現が見込まれるだろう。

あなたのスタートアップはすでにMCPの実装に取り組んでいますか? コメント欄で体験談を聞かせていただければ幸いです。この分野で面白いものを開発している方は、@alliancedaoを通じてご連絡ください。

付録

MCPが実際にどのように動作するか興味のある方向けに、以下にそのアーキテクチャ、ワークフロー、実装に関する技術的詳細を記載する。

MCPの舞台裏

HTTPがウェブ上で外部データソースや情報を取得する方法を標準化したのと同様に、MCPはAIフレームワークに対しても同じことを実現し、さまざまなAIシステムがシームレスに通信できる共通言語を創出した。それがどのように機能するのか見てみよう。

MCPアーキテクチャとプロセス

主要なアーキテクチャはクライアント・サーバーモデルに従い、以下の4つの主要コンポーネントが協調して動作する。

  1. MCPホスト:ClaudeやChatGPTといったデスクトップAIアプリ、cursorAIやVSCodeといったIDE、あるいは外部データや機能にアクセスを必要とする他のAIツール。

  2. MCPクライアント:ホスト内に組み込まれたプロトコルプロセッサで、MCPサーバーとの一対一接続を維持する。

  3. MCPサーバー:標準化されたプロトコルを通じて特定の機能を公開する軽量プログラム。

  4. データソース:ファイル、データベース、API、サービスなど、MCPサーバーが安全にアクセス可能なデータ群。

これらのコンポーネントを理解したところで、典型的なワークフローにおける相互作用を見てみよう。

  1. ユーザーの操作:ユーザーがMCPホスト(例:Claude Desktop)内で質問やリクエストを行う。

  2. LLMによる分析:LLMがリクエストを分析し、完全な応答を得るために外部情報やツールが必要かどうかを判断する。

  3. ツールの発見:MCPクライアントが接続されたMCPサーバーを照会し、利用可能なツールを発見する。

  4. ツールの選択:LLMがリクエスト内容と利用可能な機能に基づいて、どのツールを使用するか決定する。

  5. 権限の要求:ホストがユーザーに選択したツールを実行するための許可を求め、透明性と安全性を確保する。

  6. ツールの実行:承認を得た後、MCPクライアントがリクエストを適切なMCPサーバーに送信。サーバーはデータソースへの専門的アクセスを利用して操作を実行する。

  7. 結果の処理:サーバーが得た結果をクライアントに返し、クライアントがそれをLLMが使える形式に整形する。

  8. 応答の生成:LLMが外部情報を統合し、包括的な応答を生成する。

  9. ユーザーへの提示:最終的に、応答がエンドユーザーに提示される。

このアーキテクチャの強みは、各MCPサーバーが特定分野に特化している一方で、標準化された通信プロトコルを使用している点にある。これにより、開発者は各プラットフォーム向けに統合を再構築する必要がなくなり、一度ツールを開発すれば、AIエコシステム全体で利用できるようになるのだ。

初めてのMCPサーバーの構築方法

次に、MCP SDKを使ってわずか数行のコードでシンプルなMCPサーバーを実装する方法を見てみよう。

このシンプルな例では、Claude Desktopの能力を拡張し、「セントラルパーク付近にどんなカフェがあるか?」といった質問に、Googleマップの情報をもとに答えられるようにすることを目指す。将来的にはレビュー取得や評価表示など、機能を簡単に拡張できるが、ここではまず、MCPツールfind_nearby_placesに焦点を当てる。これにより、ClaudeがGoogleマップから直接情報を取得し、対話形式で結果を提示できるようになる。

ご覧の通り、コードは非常にシンプルである。まず、クエリをGoogleマップAPIの検索に変換し、その後、上位の結果を構造化された形式で返す。これにより、情報をLLMに渡してさらなる意思決定を可能にする。

次に、Claude Desktopにこのツールの存在を認識させる必要があるため、以下のように設定ファイルに登録する。

macOSのパス:

~/Library/Application Support/Claude/claude_desktop_config.json

Windowsのパス:

%APPDATA%\Claude\claude_desktop_config.json

以上で完了だ!これで、Claudeの機能を拡張し、Googleマップからリアルタイムで位置情報を検索できるようになった。