MCPが変えるAIとの協働

機械学習社会実装勉強会第46回 (MCPが変えるAIとの協働) の発表資料です。

Transcript

1. MCPが変えるAIとの協働 2025/04/26 第46回勉強会
2. 自己紹介 • 名前: 西岡賢一郎 10年以上にわたり、データ分析や機械学習の 分野でスタートアップの経営に携わる。現在 は、日本とマレーシアを拠点に活動中 • SNS ◦ X: @ken_nishi ◦ LinkedIn: https://www.linkedin.com/in/kenichiro-nishio ka/ ◦ Facebook: https://www.facebook.com/kenichiro.nishioka ◦ note: https://note.com/kenichiro ◦ YouTube: https://www.youtube.com/@kenichiro-nishio ka 経歴 • 東京大学で位置予測アルゴリズムを研究し 博士 (学術) を取得 • 東京大学の博士課程在学中にデータサイエ ンスをもとにしたサービスを提供する株式 会社トライディアを設立 • トライディアを別のIT会社に売却し、CTO として3年半勤め、2021年10月末に退職 • 株式会社データインフォームド (CEO)・株 式会社ディースタッツ (CTO)・CDPのス タートアップ (Sr. SA) • 自社および他社のプロダクト開発チーム・ データサイエンスチームの立ち上げ経験
3. AI活用の新時代 • 今日のAIの現状：大規模言語モデル（LLM）は驚くべき能力を持ち、進化し 続けている • Function Callingの登場：AIが外部ツールやAPIを呼び出せるようになり、機 能が拡張された • 残る課題： ◦ 各AIプロバイダーが独自のFunction Calling実装を持つ（標準化の欠如） ◦ 多数のツールを統合する際の開発・保守コストが高い ◦ 複雑なマルチステップの処理や文脈維持に制限がある • MCPの登場意義：標準化されたプロトコルで上記の課題を解決し、AIと外部 システムの連携をさらに強化
4. MCPとは何か：AI連携の標準プロトコル • 定義：AIが外部ツール・データソースと連携 するためのオープンスタンダード • 誕生：2024年末にAnthropicが発表、数ヶ月 で急速に普及 • 「AIのUSB-C」：様々な外部サービスへの統 一的な接続方法を提供 • 目的：Function Callingを超えて、より標準 化された強力なAI開発基盤を確 • https://www.anthropic.com/news/model- context-protocol
5. MCPの仕組みを理解する シンプルな例で理解するMCPのアーキテクチャ • AIアプリケーション（Claude Desktop等）： ◦ ユーザーと対話し、AIモデルを活用して意図を解釈 ◦ 適切なMCPサーバーに接続して外部機能を呼び出す ◦ 簡単に言えば「あなたが使うアプリ」の部分 • MCPサーバー： ◦ 特定の機能やデータソースを提供する独立したサービス ◦ 例：GitHub MCP、Desktop Commander、Weather APIサーバー ◦ 簡単に言えば「AIが使う外部ツール」の部分 通信の流れ（具体例：Issueの作成） 1. ユーザー：「この問題をGitHubにIssueとして登録して」と 依頼 2. AIアプリケーション：意図を理解し、GitHub MCPサーバー に接続 3. GitHub MCPサーバー：GitHub APIと通信してIssueを作成 4. AIアプリケーション：「〇〇というタイトルでIssueを作成し ました」と返答
6. MCPとFunction Callingの違い • Function Calling： ◦ 各AIが自然言語から関数呼び出しに変換する独自の仕組み ◦ 「何をすべきか」の識別に重点 • MCP： ◦ 標準化されたプロトコルで様々なAIプラットフォームと連 携可能 ◦ ツールの発見から実行までのプロセス全体をカバー • 主な違い： ◦ 標準化：MCPは統一プロトコル、Function Callingはベン ダー依存 ◦ 関数の更新：MCPはサーバー側のみ、Function Callingは エージェントコードも変更 ◦ 文脈維持：MCPは複数ターンの対話に強い ◦ スケーラビリティ：MCPは複雑なエンタープライズ用途に 適合 https://ai.google.dev/gemini-api/docs/function-calling?hl=ja
7. 実践デモ：Desktop Commander MCP • Desktop Commander MCPとは： ◦ AIがファイルシステムとターミナルにアクセスす るためのMCPサーバー ◦ コードの読み書き、ターミナルコマンド実行、 ファイル検索などが可能 • デモ1：ファイル整理 ◦ 「~/Documents/ml-workshopに含まれるファイ ルを整理する方針を考えてみて」 ◦ AIがファイル構造を分析し、整理方針を提案 ◦ 「別フォルダを作成して整理を実行」でAIが実際 にファイルを整理 • https://github.com/wonderwhy-er/Des ktopCommanderMCP { "mcpServers": { "desktop-commander": { "command": "npx", "args": [ "-y", "@wonderwhy-er/desktop-commander" ] } } }
8. 実践デモ：GitHub MCP • GitHub MCPとは： ◦ GitHubのAPIと連携するMCPサーバー ◦ リポジトリの検索、ファイル操作、Issue/PR管 理などが可能 • デモ2：リポジトリ改善 ◦ 「knishioka/grade-1-math-practice の改善点 を考えて作成するチケットの候補を考えて」 ◦ AIがリポジトリを分析し、改善提案を生成 ◦ 特定の改善点からIssueを作成 ◦ 大きな課題を小さなIssueに分割 • https://github.com/modelcontextpro tocol/servers/tree/main/src/github { "mcpServers": { "github": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-github" ], "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>" } } } }
9. プロジェクト管理革命：体験談 • 10年来の課題が解決： ◦ スタートアップを始めて10年以上、プロジェクト管理の非効率に悩んでいた ◦ GitHub IssuesやJIRAの管理は必要だが時間を奪う作業だった ◦ 管理されているタスクの詳細が不明確なまま運用されていることが多々あった • MCPによる変革： ◦ Claude + GitHub MCPで会話から直接Issueを作成・管理 ◦ 「このバグをGitHubで登録して」で瞬時にIssue作成 ◦ 「JIRAのこのプロジェクトの進捗状況は？」で即時にレポート生成 ◦ コードレビューコメントの生成と投稿が自然言語で可能に • 業務効率の劇的向上： ◦ 体感でプロジェクト管理に費やす時間が1/10に ◦ ドキュメント作成からIssue登録までのタイムラグが解消 ◦ チーム間の情報共有がリアルタイム化され、意思決定が迅速に
10. 開発以外でのMCP活用シーン • マーケティング・広報： ◦ WordPressやGoogle Analyticsと連携 ◦ データ分析から記事作成、SNS投稿まで自動化 • ナレッジ管理： ◦ NotionやGoogle Driveと連携 ◦ 社内ドキュメントの検索・要約・整理 • コミュニケーション： ◦ SlackやLINEと連携 ◦ 会話内容の要約やタスク化 • データ分析： ◦ 社内データベースと接続 ◦ 複雑なクエリを自然言語で実行
11. MCPの導入方法 • ステップ1：MCP対応アプリケーションの準備 ◦ Claude Desktopのインストール（claude.ai/download） • ステップ2：MCPサーバーの選択と入手 ◦ 「mcp.so」などからMCPサーバーを探す ◦ NPMやPyPIからインストール（例：npx @wonderwhy-er/desktop-commander@latest setup） • ステップ3：設定と接続 ◦ Claude Desktopの設定画面からMCPサーバーを追加 ◦ または設定ファイルを直接編集
12. 最新事例：Anthropicの「think tool」 • コンセプト：AIが立ち止まって考える専用の空間を 提供 • 目的：複雑な推論や判断を要するタスクでの性能向 上 • 実装例： { "name": "think", "description": "Use the tool to think about something...", "input_schema": { "properties": { "thought": { "type": "string", "description": "A thought to think about." } }, "required": ["thought"] } } • 効果：τ-benchでの評価で最大54%のパフォーマン ス向上（Anthropic研究結果） • https://www.anthropic.com/engineering/claude -think-tool
13. MCPがもたらす未来の展望 • 業務の自動化と拡張： ◦ 定型業務からの解放と創造的作業への集中が可能に ◦ プログラミングの民主化（コードを書かなくても複雑なシステム構築が可能に） ◦ ドメイン専門知識とAIの融合による意思決定の質の向上 • 分散型AI協調システム： ◦ 複数のAIが異なるMCPサーバーを通じて協調して問題解決 ◦ 専門分野に特化したAIエージェントのエコシステム形成 ◦ ユーザーの意図に基づきタスクを自律的に分担・実行するAIチーム • AIとの共創による新たな創造性： ◦ AIがアイデア生成から実装、テスト、改善までの全プロセスをサポート ◦ 人間の創造性とAIの処理能力を組み合わせた新しい創作プロセス ◦ 従来は実現不可能だった複雑なプロジェクトが個人レベルで可能に
14. 結論：MCPがもたらすパラダイムシフト • 技術的進化：Function Callingから進化した標準プロトコルとしてAIエコシス テムを統合 • インターフェース革命：「AIのUSB-C」として多様なツールとシームレスに接 続 • 開発効率の飛躍的向上：より少ないコードでより強力な機能を実現 • 人間中心の設計：技術の複雑さを隠蔽し、自然な対話でAIの能力を活用 • 新たな可能性：誰もが利用できるオープンスタンダードとして、AI活用の民主 化を促進