Hugging Face の MCP Course Unit1 を受講したので、学習内容をまとめておく。MCPは「AIアプリケーションのためのUSB-C」と表現される新しいプロトコルで、AI統合の複雑さを劇的に軽減する可能性を秘めている。

MCPが解決する問題：M×N統合地獄

従来のAI統合では、M個のAIアプリケーションとN個の外部ツール/データソースを連携させるのに M×N個のカスタム統合 が必要だった。これは開発・メンテナンスコストが指数関数的に増大する典型的な問題。

MCPはこれを M+N問題 に変換する：

• 各AIアプリケーション：MCPクライアントを1回実装
• 各ツール/データソース：MCPサーバーを1回実装

これだけで全ての組み合わせが動作する。シンプルで美しい解決策だ。

アーキテクチャ：3つの要素

Host（ホスト）

ユーザーが直接触るAIアプリケーション。Claude Desktop、Cursor、カスタムアプリなど。ユーザーとのやり取りを管理し、全体のフローを調整する。

Client（クライアント）

ホスト内のコンポーネント。特定のMCPサーバーとの1対1通信を担当。プロトコルレベルの詳細を隠蔽してくれる。

Server（サーバー）

外部ツールやデータソースへのアクセスを提供。既存機能の軽量ラッパーとして動作。ローカル・リモート両対応。

4つの主要機能

Tools（ツール）

実行可能な関数。メッセージ送信、API呼び出し、計算実行など。副作用があるためユーザー承認が通常必要。

例：天気データ取得、チケット発行、ファイル操作

Resources（リソース）

読み取り専用データソース。REST APIのGETエンドポイント的な存在。複雑な計算なしでコンテキストを提供。

例：ファイル内容、データベースレコード、設定情報

Prompts（プロンプト）

事前定義されたワークフロー。ユーザー、AIモデル、機能間のインタラクションをガイド。利用可能なツールとリソースを最適活用するための構造化されたテンプレート。

Sampling（サンプリング）

サーバー主導のLLM処理要求。エージェント的な動作や再帰的インタラクションを可能にする。複雑な多段階タスクに威力を発揮。

通信プロトコル

基盤：JSON-RPC 2.0

• 軽量なリモートプロシージャコール
• 人間が読みやすいJSON形式
• 言語非依存
• 明確な仕様と実績

メッセージタイプ

• Request：クライアント→サーバーの操作指示
• Response：リクエストに対する応答（成功/エラー）
• Notification：サーバー→クライアントの一方向メッセージ

トランスポート

• stdio：ローカル通信用。シンプル、ネットワーク設定不要
• HTTP+SSE：リモート通信用。ネットワーク越え、Webサービス連携

実装：SDKとGradio統合

MCP SDK

TypeScript、Python、Java、Kotlin、C#、Swift、Rust、Dart/Flutterで利用可能。プロトコル詳細を隠蔽し、開発者は機能実装に集中できる。

@mcp.tool()
def get_weather(location: str) -> str:
    # 天気データ取得ロジック
    pass

@mcp.resource()
def weather_resource(location: str) -> str:
    # 天気リソース提供
    pass

Gradio統合

demo.launch(mcp_server=True) だけでGradioアプリがMCPサーバーに変身。人間向けWebUIとAI向けAPIを同時提供できる。

動的発見の威力

MCPクライアントは接続時に tools/list、resources/list、prompts/list でサーバーの機能を動的発見。ハードコードされた知識不要で、各サーバーの特定機能に適応できる。

これにより、基本的なサーバーと高度なサーバーを同一エコシステム内で混在可能。拡張性が高い。

個人的な感想

MCPは統合問題に対する非常にエレガントな解決策だと感じた。特に：

1. 標準化の価値：プロトコル統一により開発効率が劇的向上
2. モジュラー設計：各コンポーネントが独立して進化可能
3. 実用性：Gradio統合など、すぐに使える形で提供

次のステップ

Unit2では実際に Gradio を使って MCP サーバーを構築し、複数のクライアントと接続することで、エンドツーエンドの MCP アプリケーションを構築する方法を学ぶ。

参考: HuggingFace MCP Course Unit1