MCP(Model Context Protocol)（エムシーピー）
Anthropic Model Context Protocol(2024年11月発表・OSS)。JSON-RPC 2.0 based・Tools/Resources/Prompts 3 primitive・stdio/SSE/HTTP transport・Client(Claude Desktop/Cursor/Cline/Zed)・Server実装: Python/TypeScript/Go/Rust SDK・公式Server(GitHub/Slack/Google Drive/Notion/Sentry)・Community 数千server・Cursor Rules統合・LLM agent + external tool接続標準化・OpenAI ChatGPT 2025年Q1採用・Gemini CLI 2025年Q2対応、2026年AI agent標準。
概要
MCP（Model Context Protocol）はAnthropicが2024年11月に発表したオープンソースのプロトコルで、JSON‑RPC 2.0 をベースにして LLM（Large Language Model）と外部ツール・リソース・プロンプトを統一的に呼び出すための仕様を定めている。クライアント側はClaude Desktop、Cursor、Cline、Zed などが実装済みで、サーバー側は Python、TypeScript、Go、Rust の SDK が提供されている。標準化された通信手段として stdio、SSE、HTTP が用意され、公式サーバーは GitHub、Slack、Google Drive、Notion、Sentry でホストされている。2025年Q1には OpenAI の ChatGPT が MCP を採用し、2025年Q2には Gemini CLI が対応、2026年には AI エージェントの業界標準として定着する見込みである。
主な特徴・仕組み
- JSON‑RPC 2.0 ベース：リクエスト・レスポンスのフォーマットが統一され、既存の RPC ツールチェーンと相性が良い。
- Tools/Resources/Prompts 3 つのプリミティブ：
- Tools：外部 API 呼び出しを簡潔に定義（例：HTTP GET で天気情報取得）。
- Resources：ファイルやデータベースへの参照を安全に共有。
- Prompts：動的に生成されるプロンプトテンプレートを共有。
- 多様なトランスポート：
- stdio：CLI での対話型実行。
- SSE：ストリーミング応答でリアルタイムの出力を受け取る。
- HTTP：RESTful API 風に呼び出し。
- Cursor Rules の統合：Cursor で定義したルールセットを自動で適用し、情報漏洩防止やアクセス制御を実装。
- SDK 多言語対応：Python 3.10、TypeScript 4.8、Go 1.20、Rust 1.70 でサーバー実装が可能。
- 公式サーバー：GitHub Actions での CI/CD、Slack での通知、Google Drive でのファイル共有、Notion でのドキュメント管理、Sentry でのエラーロギングを組み合わせた運用例が公開。
- コミュニティサーバー：数千台の非公式サーバーが存在し、オープンソースでの拡張が活発。
- AI エージェントとの統合：外部ツール（例：GitHub API、Weather API、SQL データベース）をエージェントが呼び出す際のインターフェースを標準化。
- 2025年Q1に OpenAI ChatGPT が採用：MCP での対話型エージェントが ChatGPT で動作し、エンドユーザーは統一された UI で複数 LLM を利用可能に。
- 2025年Q2に Gemini CLI が対応：Google の Gemini シリーズが MCP を介して外部ツールと連携し、業務自動化を実現。
- 2026年に AI エージェント標準化：MCP が業界標準となり、企業内の複数 LLM を一元管理できるようになる。
スペック比較表
| プロトコル | 基盤 | 主なプリミティブ | トランスポート | SDK 言語 |
|---|---|---|---|---|
| MCP | JSON‑RPC 2.0 | Tools / Resources / Prompts | stdio / SSE / HTTP | Python / TS / Go / Rust |
| LLM‑API | REST | Prompt 1 | HTTP | Python |
| OpenAI‑RPC | JSON‑RPC 1.0 | Prompt | HTTP | Python |
具体例・対応製品
| 製品名 | MCP 対応 | 主要機能 |
|---|---|---|
| Claude Desktop | あり | 直感的 UI で LLM と外部ツールを統合 |
| Cursor | あり | ルールベースのデータアクセス制御 |
| Zed | あり | エディタ内での LLM 実行とコード補完 |
| GPT‑4 Turbo (OpenAI) | 2025年Q1採用 | MCP で外部 API 呼び出しを実現 |
| Gemini CLI | 2025年Q2対応 | LLM とデータベースを統合した CLI |
ハードウェア例（自作PC向け）
- CPU：Ryzen 9 9950X3D（3.5 GHz、16コア、¥128,000）
- GPU：RTX 5090（24 GB GDDR7、450 W TDP、¥350,000）
- メモリ：DDR5‑6000 32 GB（2×16 GB、¥48,000）
- ストレージ：Samsung 980 Pro NVMe 2 TB（¥30,000）
- マザーボード：ASUS ROG X670E（ATX、¥70,000）
- 電源：Corsair RM850x 850 W（¥20,000）
- ケース：NZXT H710i（¥15,000）
自作PCでの選び方・注意点
- CPU と GPU のバランス
- MCP での外部ツール呼び出しは CPU への負荷が大きい。Ryzen 9 9950X3D のように高クロック・多コアの CPU を選ぶと応答性が向上。
- メモリ容量
- LLM のコンテキストが大きくなるため、最低 32 GB DDR5‑6000 を推奨。
- ストレージ速度
- SSD の I/O が外部リソース取得時にボトルネックになる。NVMe 2 TB 以上を選択。
- 電源容量
- GPU の 450 W TDP と CPU の 150 W を合わせて 850 W 以上の電源を確保。
- 冷却性能
- 長時間稼働で温度が上がりやすい。Corsair iCUE 1200P などの高性能水冷を検討。
- マザーボードの PCIe レーン
- GPU と NVMe のレーンを十分に確保できる X670E などを選ぶ。
- ケースのエアフロー
- 高負荷時の熱対策として NZXT H710i のようなフロントファンとリアファンを備えたケースが有利。
- OS とドライバ
- Linux ベースであれば MCP SDK が Python/TS で動作しやすく、GPU ドライバは NVIDIA の公式ドライバ 535 以上を使用。
関連用語との違い
| 用語 | 主な違い |
|---|---|
| LLM‑API | REST ベースでプロンプトのみを送る。MCP は Tools/Resources/Prompts の 3 つを統一的に扱う。 |
| OpenAI‑RPC | JSON‑RPC 1.0 でプロンプトのみ。MCP は 2.0 でバージョン管理と拡張性を備える。 |
| AI エージェント | タスク実行者。MCP はその通信プロトコル。 |
| Cursor Rules | データアクセス制御。MCP で組み込むことでセキュリティが向上。 |
よくある質問(FAQ)
Q1. MCP は商用利用に制限はありますか？
A1. MCP はオープンソースであり、Apache 2.0 ライセンスの下で配布されているため、商用利用も自由です。ただし、使用する LLM の利用規約に従う必要があります。
Q2. 自作PCで MCP を動かす際に GPU が必須ですか？
A2. 必須ではありません。CPU だけで十分に動作しますが、GPU を搭載すると大規模モデルの推論速度が向上します。RTX 5090 のような高性能 GPU を使用すると、推論時間が数分から数十秒に短縮されます。
Q3. MCP はどの程度の LLM で動作しますか？
A3. 低コストの GPT‑3.5 から、2026年に標準化予定の AI エージェント向けに設計された GPT‑5 まで幅広く対応します。モデルサイズが大きいほどメモリと計算リソースが必要ですが、MCP は外部ツール呼び出しを最適化しているため、リソース不足を補うことが可能です。
まとめ
MCP（Model Context Protocol）は、JSON‑RPC 2.0 をベースに LLM と外部ツール・リソース・プロンプトを統一的に扱うことで、AI エージェントの開発・運用を大幅に簡素化するオープンソースプロトコルです。2025年Q1に OpenAI ChatGPT が採用し、2025年Q2に Gemini CLI が対応、2026年に AI エージェントの業界標準として確立される予定です。自作PCで MCP を活用する際は、CPU・GPU・メモリ・ストレージ・電源・冷却のバランスを重視し、MCP SDK と相性の良いハードウェア構成を選ぶことで、高いパフォーマンスと安定性を実現できます。