MCP サーバとは

MCP = Model Context Protocol

LLM アプリ（IDE、チャットUI など）と外部の ツール・データ をつなぐオープンなプロトコル。
メッセージは JSON‑RPC 2.0 でやり取りする。

MCP サーバ概説

Host（例：Claude Desktop / Claude Code などの LLM アプリ）
Client（Host 内のコネクタ）
Server（ツール提供側が作る「MCP サーバ」）
- 仕様上、サーバは Resources / Prompts / Tools の3つのプリミティブを提供

Resources / Prompts / Tools

Resources
- モデル（LLM）が参照する「データやファイル」
- git://repo/xxx や file://path/to/xxx のような URI で識別
- resources/list で探し、resources/read で中身を読む
- 実際に OS からリソースを読むのはアプリケーションであり、読んだデータをアプリがモデルに渡す
  - LLM 自身にデータを読む権限は与えない
Prompts
- 使い回せる「会話テンプレート」
- prompts/list で探し、prompts/get に引数を渡してテンプレ化されたメッセージ群を取得
Tools
- モデル（LLM）が呼び出す「関数」
- API 呼び出し・計算・副作用のある処理を実行
- クライアントが tools/list で探し、tools/call で実行
- モデルがするのはあくまでツール利用の提案まで
  - 実際に実行するのはアプリケーション

動作の流れ

Host → Server に initialize（能力交渉）
Host が list_resources / list_prompts / list_tools を呼んで一覧取得
モデル（LLM）が必要に応じて read_resource / get_prompt / call_tool を実行
進捗通知・キャンセル・セッション管理などのユーティリティを活用

MCP サーバの構築 with FastMCP

インストール：

pip install 'mcp[cli]'

実装（server.py）：

from mcp.server.fastmcp import FastMCP

# HTTP で返答を JSON 固定に（ツール結果の扱いが安定）
mcp = FastMCP(
    name="HelloMCP",
    stateless_http=True,   # HTTP では stateless が扱いやすい（推奨設定）
    json_response=True,
    host="127.0.0.1",
    port=8001
)

# --- Tool（モデルが呼び出す関数） ---
@mcp.tool()
def add(a: int, b: int) -> int:
    """2つの整数を加算して返します。"""
    return a + b

# --- Resource（文脈データの提供） ---
@mcp.resource("greet://{name}")
def greet(name: str) -> str:
    """挨拶用の短いテキストを返します。"""
    return f"こんにちは、{name}さん！"

# --- Prompt（再利用できるテンプレート） ---
@mcp.prompt()
def greet_prompt(name: str, style: str = "friendly") -> str:
    """指定した調子での挨拶文を生成するためのテンプレート。"""
    return f"{name}さんへの挨拶文を、{style}な調子で書いてください。"

if __name__ == "__main__":
    # HTTP サーバとして起動（デフォルト: http://localhost:8000/mcp）
    mcp.run(transport="streamable-http")

起動：

python server.py

接続：

npx -y @modelcontextprotocol/inspector