Model Context Protocol (MCP) 使い方ガイド：Claude接続・Docker環境構築

Contents

1 ― LLM と外部リソースを「USB‑C」のように統一的に接続するプロトコル
2 1. 背景と必要性
3 2. Anthropic によるオープンソース化
4 3. 公式リポジトリ取得から開発環境構築まで
5 4. MCP の基本コンポーネントと設定例
- 5.1 4‑1. YAML 設定ファイル例 mcp_config.yaml
- 5.2 4‑2. docker‑compose.yml の抜粋
6 5. Claude（Anthropic LLM）への接続例 & 外部データ連携パターン
7 6. 認証・安全性ベストプラクティスとトラブルシューティング
8 7. まとめ

スポンサードリンク

― LLM と外部リソースを「USB‑C」のように統一的に接続するプロトコル

1. 背景と必要性

近年、ChatGPT・Claude などの大規模言語モデル（LLM）は 単体で完結した生成エンジン に留まらず、検索結果や社内データベース、CLI ツールといった外部リソースを組み合わせた AI アプリケーション が主流になっています。

従来は以下のような課題がありました。

課題	具体例
API 呼び出しごとの実装差分	REST API、GraphQL、gRPC それぞれでクライアントコードを別途用意
認証・エラーハンドリングの一貫性欠如	トークン管理やリトライロジックがプロジェクトごとにバラバラ
スキーマ変換の手間	JSON ↔︎ Protobuf ↔︎ YAML といった形式統一が必要
保守コスト	新しい外部サービスを追加するたびにコードベースが肥大化

MCP はこれらの問題点を 「メッセージ構造・認証方式・データ型変換」を標準化」 することで、「何を接続したいかだけを書けばよい」 開発体験を提供します。

ポイント
- LLM と外部リソースの接続点が一本化される → 実装・保守コストが大幅に削減
- 標準化されたスキーマはチーム間・プロジェクト間で再利用可能

2. Anthropic によるオープンソース化

Anthropic は 2024 年、社内で実証済みの Model Context Protocol を MIT / Apache‑2.0 デュアルライセンス で公開しました（公式リポジトリ: https://github.com/anthropic/mcp）。

オープンソース化の狙い
エコシステムを拡大し、サードパーティが独自プラグインや Connector を自由に開発できる基盤を提供
標準化によって安全性・透明性を担保しつつ、商用・非商用問わず利用可能
ライセンスのポイント
MIT ライセンスは「ほぼ制限なし」だが、Apache‑2.0 の特許条項も同時に提供することで企業導入障壁を低減
LICENSE ファイルと NOTICE に詳細が記載されているため、利用前に必ず確認してください

参考情報（信頼できる出典）
- Anthropic の公式ブログ記事「Introducing Model Context Protocol」https://www.anthropic.com/blog/mcp
- GitHub リポジトリの README.md に実装例と設計方針が詳述されています

3. 公式リポジトリ取得から開発環境構築まで

3‑1. リポジトリ取得

git clone https://github.com/anthropic/mcp.git
cd mcp
# 必要に応じてサブモジュール（example‑providers 等）を初期化
git submodule update --init --recursive

git clone https://github.com/anthropic/mcp.git

cd mcp

# 必要に応じてサブモジュール（example‑providers 等）を初期化

git submodule update --init --recursive

3‑2. 推奨環境

項目	推奨ツール・バージョン
コンテナランタイム	Docker Desktop ≥ 24.0、docker‑compose v2
言語	Python ≥ 3.10（仮想環境推奨）
IDE	VS Code + Python / Docker 拡張

3‑3. Docker コンテナ起動

docker compose build   # Dockerfile と compose がリポジトリに同梱済み
docker compose up -d   # バックグラウンドでローカルサーバー起動

docker compose build # Dockerfile と compose がリポジトリに同梱済み

docker compose up -d # バックグラウンドでローカルサーバー起動

起動後、http://localhost:8000/healthz にアクセスすると {"status":"ok"} が返ります。

3‑4. Python SDK のインストール

python -m venv .venv
source .venv/bin/activate
pip install --upgrade pip setuptools wheel
pip install anthropic-mcp-sdk

python -m venv .venv

source .venv/bin/activate

pip install --upgrade pip setuptools wheel

pip install anthropic-mcp-sdk

SDK は型安全なクライアント実装を提供し、非同期 I/O（asyncio） にも対応しています。

まとめ
GitHub からコードベースを取得し、Docker と Python SDK を整えるだけで、MCP のローカル開発環境が即座に利用可能です。

4. MCP の基本コンポーネントと設定例

MCP は大きく 3 つの要素 から構成されます。

コンポーネント	主な役割
Connector	外部リソース（REST API、DB、CLI 等）への入出力を抽象化
Context Provider	LLM に渡すコンテキストデータの生成・変換ロジック
Message Envelope	リクエスト/レスポンスのペイロード形式とメタ情報（バージョン、Content‑Type 等）

4‑1. YAML 設定ファイル例 `mcp_config.yaml`

server:
  host: &quot;0.0.0.0&quot;
  port: 8000

connectors:
  - name: &quot;search_api&quot;
    type: &quot;rest&quot;
    endpoint: &quot;https://api.example.com/search&quot;
    method: &quot;GET&quot;

providers:
  - name: &quot;keyword_extractor&quot;
    type: &quot;python&quot;
    script_path: &quot;./providers/keyword_extractor.py&quot;

envelope:
  version: &quot;1.0&quot;
  content_type: &quot;application/json&quot;

server:

host: "0.0.0.0"

port: 8000

connectors:

- name: "search_api"

type: "rest"

endpoint: "https://api.example.com/search"

method: "GET"

providers:

- name: "keyword_extractor"

type: "python"

script_path: "./providers/keyword_extractor.py"

envelope:

version: "1.0"

content_type: "application/json"

4‑2. docker‑compose.yml の抜粋

services:
  mcp-server:
    image: anthropic/mcp:latest
    volumes:
      - ./mcp_config.yaml:/app/config.yaml:ro
    ports:
      - &quot;8000:8000&quot;
    environment:
      - LOG_LEVEL=info

services:

mcp-server:

image: anthropic/mcp:latest

volumes:

- ./mcp_config.yaml:/app/config.yaml:ro

ports:

- "8000:8000"

environment:

- LOG_LEVEL=info

設定ファイルを変更すれば Connector や Provider の増減が即座に反映され、プロトタイプ段階でも柔軟に実験できます。

ポイント
設定はコードを書かずに済むため、インフラエンジニアとデータサイエンティストの協働がスムーズになります。

5. Claude（Anthropic LLM）への接続例 & 外部データ連携パターン

5‑1. 基本的な呼び出し（非同期）

import asyncio
from anthropic_mcp_sdk import MCPClient

async def call_claude():
    client = MCPClient(
        base_url=&quot;http://localhost:8000&quot;,
        api_key=&quot;YOUR_MCP_API_KEY&quot;
    )
    request = {
        &quot;model&quot;: &quot;claude-3-opus-20240229&quot;,
        &quot;messages&quot;: [
            {&quot;role&quot;: &quot;user&quot;, &quot;content&quot;: &quot;最新の売上データを教えて&quot;}
        ],
        &quot;context&quot;: {&quot;provider&quot;: &quot;keyword_extractor&quot;}   # Provider 名
    }
    response = await client.chat(request)
    print(response[&quot;choices&quot;][0][&quot;message&quot;][&quot;content&quot;])

asyncio.run(call_claude())

import asyncio

from anthropic_mcp_sdk import MCPClient

async def call_claude():

client = MCPClient(

base_url="http://localhost:8000",

api_key="YOUR_MCP_API_KEY"

)

request = {

"model": "claude-3-opus-20240229",

"messages": [

{"role": "user", "content": "最新の売上データを教えて"}

"context": {"provider": "keyword_extractor"} # Provider 名

}

response = await client.chat(request)

print(response["choices"][0]["message"]["content"])

asyncio.run(call_claude())

5‑2. REST API 結果を注入するパターン

providers/search_provider.py

import requests

def provide_context(query: str) -&gt; dict:
    resp = requests.get(
        &quot;https://api.example.com/search&quot;,
        params={&quot;q&quot;: query, &quot;limit&quot;: 5}
    )
    data = resp.json()
    # 必要な情報だけ抽出して返す
    return {&quot;search_results&quot;: [item[&quot;title&quot;] for item in data[&quot;items&quot;]]}

import requests

def provide_context(query: str) -> dict:

resp = requests.get(

"https://api.example.com/search",

params={"q": query, "limit": 5}

)

data = resp.json()

# 必要な情報だけ抽出して返す

return {"search_results": [item["title"] for item in data["items"]]}

mcp_config.yaml に search_provider を登録し、上記スクリプトを呼び出すだけで Claude のプロンプトに検索結果が自動付与 されます。

5‑3. データベース（PostgreSQL）連携例（非同期）

import asyncpg

async def provide_context(query: str) -&gt; dict:
    conn = await asyncpg.connect(dsn=&quot;postgresql://user:pwd@db:5432/app&quot;)
    rows = await conn.fetch(
        &quot;SELECT title FROM articles WHERE ts_vector @@ plainto_tsquery($1) LIMIT 5&quot;,
        query
    )
    await conn.close()
    return {&quot;article_titles&quot;: [r[&quot;title&quot;] for r in rows]}

import asyncpg

async def provide_context(query: str) -> dict:

conn = await asyncpg.connect(dsn="postgresql://user:pwd@db:5432/app")

rows = await conn.fetch(

"SELECT title FROM articles WHERE ts_vector @@ plainto_tsquery($1) LIMIT 5",

query

)

await conn.close()

return {"article_titles": [r["title"] for r in rows]}

5‑4. CLI ツール出力の注入

import subprocess

def provide_context(_: str) -&gt; dict:
    result = subprocess.run(
        [&quot;git&quot;, &quot;log&quot;, &quot;-1&quot;, &quot;--pretty=%B&quot;],
        capture_output=True,
        text=True
    )
    return {&quot;latest_commit_message&quot;: result.stdout.strip()}

import subprocess

def provide_context(_: str) -> dict:

result = subprocess.run(

["git", "log", "-1", "--pretty=%B"],

capture_output=True,

text=True

)

return {"latest_commit_message": result.stdout.strip()}

まとめ
SDK と Provider スクリプトさえ用意すれば、外部 API・DB・CLI の結果を シームレスに Claude へ注入 でき、実務レベルの AI アプリケーションが数行のコードで構築可能です。

6. 認証・安全性ベストプラクティスとトラブルシューティング

6‑1. 認証情報の管理

方法	メリット
環境変数（`.env`）	コンテナ起動時に自動注入、コードベースから除外できる
シークレットマネージャー（AWS Secrets Manager・GCP Secret Manager）	ローテーションやアクセス監査が容易
Vault 等のハードウェアキーモジュール	高度な暗号化と多要素認証を提供

.env の例：

MCP_API_KEY=sk-xxxxxxxxxxxxxxxx
MCP_RBAC_ROLE=developer

MCP_API_KEY=sk-xxxxxxxxxxxxxxxx

MCP_RBAC_ROLE=developer

docker‑compose.yml で環境変数を参照：

environment:
  - MCP_API_KEY=${MCP_API_KEY}
  - MCP_RBAC_ROLE=${MCP_RBAC_ROLE}

environment:

- MCP_API_KEY=${MCP_API_KEY}

- MCP_RBAC_ROLE=${MCP_RBAC_ROLE}

6‑2. RBAC（ロールベースアクセス制御）の実装例

def check_role(client, required: str):
    if client.role != required:
        raise PermissionError(f&quot;Role '{client.role}' lacks '{required}' permission&quot;)
# 使用例
check_role(client, &quot;admin&quot;)

def check_role(client, required: str):

if client.role != required:

raise PermissionError(f"Role '{client.role}' lacks '{required}' permission")

# 使用例

check_role(client, "admin")

6‑3. よくあるエラーと対処法

エラーコード	想定シナリオ	解決策
`E001: Port conflict`	Docker が使用する 8000 ポートが他プロセスで占有	`docker compose down` → `lsof -i :8000` で確認、`docker-compose.yml` の `ports` を別ポートに変更
`E010: Serialization mismatch`	Connector と Provider 間の JSON/YAML スキーマ不一致	両者のスキーマを `schemas/` ディレクトリに保存し CI で自動バリデーション実施
`E020: Authentication failed`	API キーが無効、または環境変数未設定	`.env` に正しいキーを書き、`docker compose up --env-file .env` で再起動

6‑4. ロギングとモニタリング

ログレベルは LOG_LEVEL=info（デフォルト）か debug に切り替えることで詳細情報を取得
分散トレーシングは OpenTelemetry 対応のコンテナイメージで有効化可能（設定は envelope.trace_id フィールドに自動付与）

ポイント
認証・RBAC を徹底し、エラー対応表とロギングを整備すれば、本番環境でも安定的に MCP を運用できます。

7. まとめ

項目	内容
MCP の意義	LLM と外部リソースの接続点を一本化し、開発・保守コストを大幅削減
オープンソース化	Anthropic が 2024 年に MIT/Apache デュアルライセンスで公開。公式 GitHub にサンプルとドキュメントが整備
取得 & 環境構築手順	`git clone` → Docker Compose 起動 → Python SDK インストールのシンプルフロー
基本コンポーネント	Connector・Context Provider・Message Envelope の 3 要素で構成。設定ファイルだけで柔軟に拡張可能
Claude への接続例	非同期 SDK と Python スクリプトで、REST API／DB／CLI の結果をシームレスに注入
安全性ベストプラクティス	環境変数・シークレットマネージャーで認証情報管理、RBAC による権限分離、エラー対応表とロギングで障害復旧を迅速化

MCP は「AI 用 USB‑C」と呼ばれるだけの 概念実装ではなく、既に 公式リポジトリと安定版 SDK が提供された実用的なプロトコルです。この記事の手順に沿ってローカル環境を構築し、まずは簡単な Connector と Provider を作成してみましょう。その先には、社内データベースや外部検索エンジンと統合した本格的な AI アプリケーションが待っています。

次のステップ
1. git clone でリポジトリを取得
2. Docker と Python SDK をセットアップし、ヘルスチェックが通ることを確認
3. 自分のプロジェクトに合わせた Connector / Provider を実装してみる

MCP が提供する統一インターフェイスは、今後ますます多様化する LLM 活用シーンで 「接続＝コードを書く」 のハードルを下げ、開発スピードと品質の両立を実現します。ぜひハンズオンで体感してください。