Expertise as a Service via MCP

Expertise as a Service via MCP a 〜汎用Agent への"プラグイン型"専門性〜 MCPは当たり前になるのか？
〜流行から普及への可能性〜 2025年7月24日株式会社ログラス 1

# 主題 Q. MCPは当たり前になるのか？本当に企業に浸透していくのか？ A. なると思うのスタンス。なぜならMCPであれば: コスト・リスクを抑えつつ Agentic なサービスを提供できる
から

主張の前提 3

# 主張の前提前提①: toB SaaS 事業者の視点で考えます・データベースラッパー・決定的ロジック・人間向けUI・UX 従来
・AIがデータ利用・非決定的判断・AIが自律作業現在 “Agentic なサービス” 提供を求められる

# 主張の前提前提②: 「MCPが企業に大きなメリットをもたらす可能性」こちらにフォーカスします https://rosca.connpass.com/event/ 359497/ イベントページよりまた、所属企業での商用公開しているMCP Server開発経験は無炒め、
個人開発者としての発信となります

理由 6

# 主張の理由① - コスト・リスクを抑えられるコスト・リスクを抑えられ、事業会社・ユーザ共にメリットがある

# 主張の理由② - Agent を作らずに Agentic なサービスを提供できるやりたいこと: 対象ドメイン熟練者の「勘所」も含めた「自律的業務遂行」の提供エキスパートが持つ
非定型的知識・非決定的判断・業務操作や思考操作、引き出し・道具箱 ..etc のような実行を伴う知恵の実装が可能となった

# 主張の理由② - Agent を作らずに Agentic なサービスを提供できる MCP 経由でも「エキスパートの実行を伴う知恵」を提供 ->
汎用Agentに武装可能プレーンなAgentに対する「専門性のMCP武装」は容易に換装可能でもある

# デメリットとはいえ… ・ワークフローやAgentの動作をより細かくコントロールしたい・失敗してはいけないタスクを任せたい・クライアントAgentの特性に挙動を引っ張られたくない・moatを築ける可能性のある要素が減るような場合など、本番ではAgentやAI Workflow を実装した方が良い場
面も多そうもちろん、セキュリティ等の今回フォーカスしていないハードルもある

具体例 11

# Expertise の MCP 実装のお題「WRAPプロセスによる質の高い意思決定」という Expertise を MCP で
提供することを例とします https://amzn.asia/d/33oDlpb

# Expertise の MCP 実装のお題中でも「W」ステップと「P」の一部（トリップワイヤー）を実装します

# Expertise の MCP 実装のお題サンプルコードのリポジトリ: https://github.com/yodakeisuke/mcp-desicive NPM: ``` "desicive":
{ "command": "npx", "args": [ "-y", "mcp-decisive" ] } ```

# エキスパートの知識・振る舞いの実装例以下の種類の”エキスパートの知識・振る舞い”（Agenticな要素例）の実装例を順に取り上げていきます 1. マインドセット 2. Role / Profile
3. 熟練者の道具箱・思考/行動パターン 4. ワークフローステート(動的Planning) 5. 自己評価/行動修正 6. 機械的な判断/事実的な情報 7. 思考しつつ行うアクション

# 「マインドセット」の実装例マインドセット的知識は、Prompt で提供がメイン

# 「マインドセット」の実装例 “prompts”として Sever 側で実装・提供

# 「マインドセット」の実装例オレオレテクニック①「init-prompt」パターン mcp serverから提供している promptで「widen options」というワークフローを駆動するユーザ起点でワークフローを起動する用途はオレオレテクニックというより、普通に“prompts”のメイン
用途ではある変数も渡せる

# 「Role/Profile」の実装例 description に、tool use する際の profile を書くことも

# 「Role/Profile」の実装例オレオレテクニック②「role in description 」パターン toolのdescriptionの内容は Agentも認知

# 「熟練者の道具箱・思考/行動パターン」の実装例キモである、業務操作・思考操作は tool で実装

# 「熟練者の道具箱・思考/行動パターン」の実装例エキスパートが内面化している「手順」のパターンを tool として明確に Agent が認識でき、「型にはめる」ことができる

# 「ワークフローステート / 動的Planning」の実装例ワークフローとその状態、タスク手順も MCP Server 側で制御可能

# 「ワークフローステート / 動的Planning」の実装例 Agentは、動的に計画しつつ、必要なタスクを判断し遂行していく

# 「ワークフローステート / 動的Planning」の実装例オレオレテクニック③「workflow state」パターン現在のワークフローステートを mpc server側で保持（必要であれば履歴保持）
タスク手順の順番制約があれば、ルールベースロジックを書いて制御

# 「ワークフローステート / 動的Planning」の実装例オレオレテクニック④「response next action」パターン次に行うべきアクションのpromptをリターンする成功ケースとエラーケースでも出し分
ける

# 「自己評価/行動修正」の実装例タスク実行後に、結果に対して内省 -> 行動修正を誘導したいケース

# 「自己評価/行動修正」の実装例オレオレテクニック④’「response for reflection」パターン toolレスポンスでタスクの評価基準をリターン簡易的な reflection を誘導

# 「機械的な判断/事実的な情報」の実装例もちろん、rule-based ロジックやデータ型制約も表現可能

# 「機械的な判断/事実的な情報」の実装例従来的なシステムと同じく、rule-based ロジックやデータ型で表現

# 「思考しつつ行うアクション」の実装例 MCP Server は「脳」を持たない（LLMをコールすることはできるが） tool はあくまで決定的ロジック +
データ（や外部APIコール）に過ぎない決定的ロジックを処理するだけでは遂行不可自由な思考力を持った主体でないと行えないタスク

# 「思考しつつ行うアクション」の実装例 “sampling” でクライアントに「脳」を借り、”自由な思考を伴ったアクション” すらも MCP Server 側で提供可能となる Server
からClientにLLM処理を依頼思考・推論能力を借りて、タスクを完了できる

# 「思考しつつ行うアクション」の実装例主要クライアントが sampling 対応したら一段と可能性が広がる 2025/7/21現在メジャーどころの対応クライアントは VSCodeくらい
(claude desktopは…？) mcp server 提供側はリスク低く agenticなタスク遂行を実装できる・ api key管理・課金体系整備不要・クライアント側へリスク分散非常に強力な機能だと感じる

結び 34

# 結び MCPは、あくまで規約・仕様ではある。しかし、AI Agentに業務手順・知識・データをアタッチすることを可能とする仕様である MCPがサービスとしての Expertise の提供を導いてくれる

# 自己紹介株式会社ログラスエンジニア依田啓佑 Keisuke Yoda x: kei_output_1104

Expertise as a Service via MCP

Expertise as a Service via MCP

More Decks by Yoda Keisuke

Other Decks in Technology

Featured

Transcript