© Findy Inc. 2025.09.08 Findy AI Meetup in Fukuoka #2 ファインディ株式会社における MCP活⽤とサービス開発 1 ファインディ株式会社 テックリード ⼾⽥ 千隼 @starfish0206 

© Findy Inc. 2 今⽇話すこと ● MCPとは ● MCP活⽤事例 ○ MCPサーバーを内製 ○ Pull request⾃動作成 ○ 不具合を⾃動修正 ○ リポジトリを跨いで参照 ○ プロダクト ✕ MCP ● まとめ 

© Findy Inc. 3 MCPとは 

© Findy Inc. 4 MCPとは ● Model Context Protocolの略 ● LLM にコンテキストを提供する⽅法を標準化するプロトコル ● ⽣成AI⽤のUSB-Cポートのようなもの ○ USB-Cは様々な周辺機器やアクセサリに接続するための標準規格 ○ httpは様々なブラウザがWebに接続するための標準規格 ○ MCPはAIモデルを様々なデータソースやツールに接続するための標準規格 

© Findy Inc. 5 設定⽅法 { "inputs": [ { "type": "promptString", "id": "GITHUB_PERSONAL_ACCESS_TOKEN", "password": true } ], "servers": { "github": { "command": "docker", "args": [ "run", "-i", "--rm", "-e", "GITHUB_PERSONAL_ACCESS_TOKEN", "ghcr.io/github/github-mcp-server" ], "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "${input:GITHUB_PERSONAL_ACCESS_TOKEN}" } } } } 設定ファイルに追記してMCPサーバーを起動するだけ 

© Findy Inc. 6 

© Findy Inc. 7 MCP活⽤事例 

© Findy Inc. MCPサーバーを内製 8 

© Findy Inc. 9 MCPサーバーを内製 ● MCP公式のTypeScript SDKを利⽤ ● Nxを使って、簡単にMCPサーバーを⾃作出来る環境を整備 ○ generatorコマンドで、ワンコマンドでMCPサーバーの雛形を作成 ○ monorepo化により、社内MCPサーバーのエコシステム化 ● 3⽇間で10個のMCPサーバー、30個のtoolを実装して、社内のエンジニアに配布できた 

© Findy Inc. 10 Figmaのデータを取得して分析する FigmaデータのLint ● Figma MCPを使ってデザインデータを取得する ● 守るべきデザインルールのプロンプトを動的に作成してMCPサーバーから返す ● デザインデータと、デザインルールのプロンプトをLLMに⾷わせて、分析する Figmaデータと共通Componentの差分チェック ● Figma MCPを使ってデザインデータを取得する ● デザインデータと⽐較して判定させるプロンプトを動的に作成してMCPサーバーから返す ● デザインデータと、判定プロンプトをLLMに⾷わせて、分析する ○ デザインデータが共通Componentに存在しないデザインを使っているかどうか判定させる MCPとLLMの責務を分けて運⽤することがコツ 

© Findy Inc. 11 エンジニア教育 メンティーが受け取ったレビューの傾向を分析する ● GitHubのAPIを実⾏して、次の情報を取得する ○ ⼀定期間内でメンティーが作ったPull requestの⼀覧 ○ そのPull requestで受け取った全てのレビュー内容 ● レビューの内容と、評価基準をまとめたプロンプトを⼀緒にLLMに⾷わせて、⾃動で評価 GitHub Copilotの利⽤統計をグラフで出⼒する ● GitHubのAPIを実⾏して、⼀定期間内のGitHub Copilotの利⽤状況を取得 ● 取得したデータを加⼯して、mermaid記法のmarkdown形式のテキストで返す ● クライアント側がmermaid記法のmarkdown形式のテキストをグラフで出⼒する MCPサーバーとクライアント側の責務を分けて運⽤することがコツ 

© Findy Inc. Pull request⾃動作成 12 

© Findy Inc. 13 GitHub MCP ● GitHubのIssueにタスクを洗い出す ● GitHub MCPを利⽤して、Issueの内容を取得する ● 取得したIssueの内容をLLMに渡してコード修正を⾏う ● lint/typecheck/testが全て通ったら、GitHub MCPを使ってPull requestを⾃動作成 ○ Pull requestの概要⽂もLLMが⾃動⽣成 

© Findy Inc. 不具合を⾃動修正 14 

© Findy Inc. 15 Sentry MCP ● SentryのMCPを使って、Issue情報を取得 ● 不具合の原因探しと実装、テストコードを修正 ● Pull requestまで⾃動作成 ● この⼀連の流れを⾃動で実⾏するClaude Codeのカスタムスラッシュコマンドも⽤意 

© Findy Inc. 16 

© Findy Inc. リポジトリを跨いで参照 17 

© Findy Inc. 18 Filesystem MCP ● Filesystem MCPを使って、別のリポジトリへ参照を追加する ● 公式のMCPサーバーなので安⼼して使うことができる ○ 権限を与えるフォルダを指定することができる ● 想定されるユースケース ○ 開発⽤リポジトリとドキュメント⽤リポジトリが別れている場合 ○ バックエンドとフロントエンドのリポジトリが別れている場合 

© Findy Inc. 19 

© Findy Inc. 20 プロダクト ✕ MCP 

© Findy Inc. Findy AI+ 21 

© Findy Inc. 22 Findy AI+とは？ GitHub連携‧プロンプト指⽰ で ⽣成AIアクティビティを可視化 し ⽣成AIの利活⽤向上を⽀援 するサービスです ⼈と⽣成AIの協働を後押しして、 開発組織の変⾰をサポートします 

© Findy Inc. 23 サービス概要 ● ⽣成AIの活⽤度を可視化するサービス ○ GitHub Copilot ○ Claude Code ○ Devin ○ Codex ● ⽣成AIアクティビティを可視化し、⽣成AI利活⽤のボトルネック発⾒‧利活⽤推進をサポート ● ユーザーがプロンプトで指⽰して、Findy AI+のMCPサーバー経由で⽣成AIの利活⽤状況を定量‧定性 両⾯から⾃動取得 

© Findy Inc. 24 アーキテクチャ 

© Findy Inc. 25 MCPを選定した理由 ● MVP(Minimum Viable Product)で開発したい ○ サービスそのものが受け⼊れられるか、売れるかどうかの⾒極めをしたい ○ リモートMCPで提供することで、画⾯が不要となる ● データ取得、加⼯に専念できる ○ 分析結果のバラつきを防ぐために、promptまではMCPサーバーが⽤意 ○ 分析はクライアント側のLLMに任せる ● 初期の開発、運⽤コストを最⼩限としたかった 

© Findy Inc. 26 管理画⾯もMCP ● 運営管理側の管理画⾯を作るコストをカットしたい ○ 画⾯のデザインやフロントエンドの実装は不要 ● 運営メンバーのPCにgit cloneしてきて、Local MCPサーバーとして運⽤ ○ 機能追加したら、git pullからのbuild、Local MCPサーバー再起動 ● ⽣成AIを使って、⾃然⾔語ベースで管理機能を利⽤することが可能 ○ 操作、⼊⼒ミスによる誤動作にはMCPサーバーのElicitationが有効 

© Findy Inc. 27 Elicitation MCPサーバーが対話中にクライアントを介してユーザーに追加情報を要求する 

© Findy Inc. 28 MCPでプロダクトを作った所感 ● 世間⼀般にMCPという概念がまだ浸透していない ○ MCPの設定をするところからサポートが必要 ○ 想定以上に利⽤までのハードルが⾼かった ● 画⾯無しでデータのCRUDを提供することが可能になった ○ プロダクトの作り⽅が変わる ● LLMとMCPの責務分けが重要 ○ MCPはデータを取得して加⼯するところまでが役割 ○ 分析、解析はLLMの役割 

© Findy Inc. 29 まとめ 

© Findy Inc. まとめ 30 ● MCPの可能性は無限⼤ ○ 開発効率を上げる ○ プロダクトに埋め込む ○ プロダクトの作り⽅が変わる ● LLMや⽣成AIツールが変わっても、MCPは変わらない ○ プロトコルなので、どのLLMや⽣成AIツールとも接続が出来る ○ ⻑く使える知識、技術 ● ファインディはMCPの有⽤性にいち早く気づき、検証を続けてきた ファインディに興味がある⽅は、ぜひカジュアル⾯談しましょう 

© Findy Inc. ご清聴ありがとうございました 31