Claude Code 内の MCP サーバー

MCPとは

MCPは「AIアプリケーションのためのUSB-C」と定義されています。MCPは、AIモデルと外部ツールを連携させるための一貫したプロトコルを提供します。

MCPを使用すると、ClaudeやChatGPTのようなAIアプリケーションは、テキスト生成だけに限定されません。データソース（ローカルファイルやデータベースなど）、ツール（検索エンジンや計算機など）、そして構造化されたワークフロー（特殊なプロンプトや自動化）に直接接続できます。

MCPがまだ利用できない場合。

MCPのようなプロトコルがない場合、各AIアプリケーションはすべての外部ツールと個別に統合する必要があります。これにより、プロセスは非常に複雑で、時間とコストがかかります。 [SEG 8] 複数のAIアプリケーションと多数のツールがある場合、必要な統合の数は非常に多くなります。

MCPが利用可能な場合

MCPは、標準化された接続プロトコルを介してM × Nの統合問題をM + Nモデルに変換することで解決します。各AIアプリケーションはMCPクライアント側で一度統合し、各ツールまたはデータソースは

MCPサーバー 側で統合します。 MCPの主要用語

コンポーネント

HTTPプロトコルにおけるクライアント・サーバーモデルと同様に、MCPもクライアント・サーバーアーキテクチャに従います。

ホスト

• ：ユーザーがAIアプリケーションと直接対話する環境（例：Claude Desktop、Cursor）。‍
• クライアント：ホスト内のコンポーネントで、MCPサーバーへの接続を確立および管理する役割を担います。‍
• サーバー: MCPプロトコルを介して、機能（ツール、リソース、プロンプトなど）を提供する外部アプリケーションまたはサービス。

機能

MCPはさまざまなツールに接続できますが、複数のAIアプリケーションで共有される共通のツールがあります。以下に、AIシステム全体で一般的に使用されるツールの主なカテゴリを示します。

• ‍ツール: AIモデルがアクションや計算を実行するために呼び出すことができる実行可能な機能（例：calculate_summaryツール）。‍
• リソース: 大幅な計算を必要とせずにコンテキスト情報を提供する読み取り専用のデータソース（例：会社のドキュメントページ）。‍
• プロンプト: ユーザー、AIモデル、および外部ツール間のインタラクションをガイドするテンプレートまたは事前定義されたワークフロー。

MCPアーキテクチャコンポーネント

MCPの主要な概念と用語を理解したところで、そのアーキテクチャを見ていきましょう。

モデルコンテキストプロトコル （MCP） は、AIモデルが外部ツールやサービスと対話できるようにするクライアント・サーバーアーキテクチャに基づいて構築されています。

ホスト

ホスト は、エンドユーザーがAIアプリケーション（例：Claude Desktop、Cursor）と直接やり取りする環境です。

ホストの役割は以下の通りです。

• ユーザーインタラクションと権限の管理
• MCPクライアントを介したMCPサーバーへの接続の開始
• ユーザーリクエストの処理と、適切な外部ツールへのルーティング
• ユーザーへの結果の返却

クライアント

クライアント は、ホスト内部で特定のMCPサーバーへの接続を管理するコンポーネントです。

主な特徴：

• 各クライアントは単一のサーバーと1対1の接続を維持します
• MCPプロトコルレベルの通信を処理します
• ホストとサーバー間の仲介役として機能します
  

サーバー

サーバー MCPプロトコルを介してAIモデルに機能を提供する外部プログラムまたはサービスです。

サーバーの役割は以下の通りです：

• 外部ツール、データソース、またはサービスへのアクセスを提供する
• ローカル (ホストと同じマシン上) またはリモート (ネットワーク経由) で実行する
• クライアントがその機能とやり取りできるよう、標準化されたインターフェースを公開する
  

シンプルなMCPサーバーの構築

fastmcpのインストール

pip install fastmcp

基本的なMCPサーバー：天気ツール

これだけです！FastMCPがすべてを処理します。以下を含みます：

• JSON-RPCプロトコル
• ツール登録
• 型検証
• エラー処理

Claude Codeへの接続

claude mcp add weather --command python --args /full/path/to/get_weather.py

Claude Codeを再起動 → MCPサーバーが自動的に接続されます。

これでClaudeに次のような質問ができます：

• 「日本の気温は何度ですか？」
• 「~/documents/report.txtにあるファイルを読んで」

Claudeは、MCPサーバーのツールを自動的にシームレスに呼び出します。

Claude CodeでのMCPのセットアップ

Claudeのドキュメント（https://code.claude.com/docs/en/mcp）によると、

Claude CodeでのMCPは非常に簡単です。コマンドを実行するだけで、

claude  mcp add

設定が自動的に行われます。

Claude Codeで設定済みのすべてのMCPサーバーを一覧表示して確認するには、以下を実行してみてください。

claude mcp list 

Claude CodeとMCP：ベストプラクティス

1. Serena MCP

リンク：https://github.com/oraios/serena

AI駆動のワークフローを試しており、 Serena MCP をそのまま組み込みました（Sonet 4.5のみを使用）。

正直なところ、「すごい」と感じています。AIに大量のファイルを投げつけて、AIが何とかしてくれることを期待するのではなく、チームのベテラン開発者のように、実際にコードベースを読み込んでくれます。

なぜこんなにうまくいくのか？

• ‍RAG：コードベース全体をインデックス化し、セマンティック検索を使って最も関連性の高い部分だけを抽出し、モデルにクリーンなコンテキストを供給します。その結果、ノイズが減り、より良い回答が得られます。
• を基盤とする Language Server Protocolのため、コードを単なるテキストとしてではなく、構造的に理解します。‍
• ディープメモリ: インデックス化されたコードベースを記憶するため、毎回トークンを再読み込みする必要がありません。‍
• セマンティック検索 : 「認証はどこで処理されていますか？」と尋ねると、命名が奇妙であっても関連する関数やクラスを見つけ出します。大規模プロジェクトでは、これは非常に役立ちます。

全体として：トークンが少なく、コンテキストがより明確になり、コードの理解度が格段に深まります。

コーディングエージェントを構築しているなら、ぜひ試してみてください。AIがまるでチームメイトのように感じられるはずです。

2. シーケンシャル思考MCP

リンク: https://github.com/modelcontextprotocol/servers/tree/main/src/sequentialthinking

主な特長

• ‍構造化された推論: Claude Codeは、論理的で段階的な思考を用いて複雑な問題を解決します。‍
• 複雑なタスクに対応: システム設計やアーキテクチャのリファクタリングなど、多段階のタスクに最適化されています。‍
• 拡張性: 大規模なコードベースに対する段階的な計画と分析をサポートします。
  

ユースケース

• マイクロサービスアーキテクチャのリファクタリング
• 大規模プロジェクトにおけるフェーズベースのタスク計画
• システム設計とデバッグワークフローの最適化

3. 専門的なサブエージェントの活用

Link: https://github.com/wshobson/agents
これは、Claude Codeとの統合を目的として設計された、包括的で本番環境に対応したシステムであり、その機能を大幅に拡張します。

以下の要素を組み合わせています。

• ‍112の専門的なAIエージェント
• 16のマルチエージェントワークフローオーケストレーター
• 146のエージェントスキル
• 79の開発ツール‍
• 以下に整理されています。 72の特化型単一目的プラグイン Claude Code 向け
  

各エージェントには、バックエンドアーキテクチャ設計、フロントエンド開発、クラウドインフラ最適化、自動テスト、MLOpsなど、明確に定義された役割があります。これらはすべて、最新のベストプラクティスに従って構成されています。

インストール:

git clone https://github.com/wshobson/agents.git ~/.claude/agents