Anthropic MCP Server構築完全ガイド2026｜Tools・Resources・Prompts実装

結論: MCP（Model Context Protocol）は、ClaudeやGPTなどのAIアシスタントが外部ツール・データ・テンプレートを標準プロトコルで呼び出すための仕様です。独自サーバーを実装することで、社内DBや業務APIをAIに接続できます。

この記事の要点:

• MCP Serverは「Tools（実行）」「Resources（データ提供）」「Prompts（テンプレート）」の3プリミティブで構成される
• Python SDK（FastMCP）またはTypeScript SDKで最短30分で動くサーバーを作れる
• Claude Code / Cursor / VS Code Continueの3つのクライアントに同一サーバーを接続できる

対象読者: MCPという言葉を聞いたことがある開発者・IT担当者で、「自社サービスをAIに接続したい」と考えている方

読了後にできること: ローカルでHello World MCP Serverを起動し、Claude Codeから呼び出すところまで完了できる

「MCPって結局何が違うの？」

Claude Codeを本格導入した際に、社内の開発チームから最初に飛んできた質問です。
当時は「AIのfunction callingをオープン標準にしたもの」と説明していましたが、実際に手を動かして10数本のMCP Serverを組んでみると、この説明では全然足りないと気づきました。

MCPは「AIが外部世界とつながる方法の標準化」であり、一度サーバーを実装するとClaude Code・Cursor・VS Code Continue・Claude Desktopの全クライアントで再利用できるという、エコシステム全体に影響するアーキテクチャです。

この記事では、Anthropic公式SDKと実際の実装経験をベースに、MCP Serverの構築方法をTools・Resources・Promptsの3プリミティブに分けて全解説します。
コードブロックはそのままコピペして動く形で用意しました。今日中に手元で動くものを作りたい方は、ぜひ手を動かしながら読んでみてください。

なお、AIエージェント・Claude Code全般の基礎については Claude Code Hooks完全ガイド もあわせて参照してください。AIエージェントの概念から実装まで体系的に理解したい方は AIエージェント導入完全ガイド もどうぞ。

MCPとは何か — AIと外部ツールをつなぐ標準プロトコル

Model Context Protocol（MCP）は、Anthropicが2024年11月に発表したオープン仕様です。JSON-RPC 2.0をベースに、LLMホストアプリ（Claude Code、Cursorなど）が外部サーバーのツール・データ・テンプレートを呼び出すための「共通言語」を定義しています。

もう少し噛み砕くと、こういうことです。

従来のfunction callingは「OpenAIのAPI仕様でしか動かない」「Anthropicの仕様に書き直さないといけない」という状況でした。MCPはそこを標準化しました。
1つのMCP Serverを作れば、MCPに対応したすべてのクライアント（Claude Code、Cursor、VS Code Continue、Claude Desktop、Zed等）から呼び出せます。

2026年現在、MCP Dev Summitには約1,200名の参加者が集まり（2026年4月、AAIF主催）、GitHub上のMCP Serverリポジトリは数百を超えています。標準として急速に普及が進んでいる状況です。

なぜMCPが必要か — 「AIの外部接続問題」を解決する

AIを業務に組み込もうとすると、必ずこの壁にぶつかります。

• 「社内の顧客DBをClaudeに参照させたい」
• 「Slackの未読メッセージをAIに要約させたい」
• 「GitHubのIssueを自動でトリアージさせたい」

これらはすべて「LLMの外部にあるデータ・システムへのアクセス」の問題です。MCP以前は、各クライアントの独自実装（プラグイン、カスタムコマンド等）に依存していました。
MCPは、このアクセスパターンをプロトコルレベルで標準化することで、「一度実装すれば、どのAIクライアントでも動く」状態を実現します。

MCP Server vs MCP Client — 用語の整理

実装を始める前に、用語を整理しておきます。ここが混乱ポイントなので丁寧に説明します。

つまり、この記事で「MCP Serverを作る」とは、Claude CodeやCursorが呼び出せるバックエンドサービスを実装することです。

アーキテクチャとしては、1つのMCP Hostが複数のMCP Clientを持ち、各クライアントが独立したServerと1対1で接続します。VS CodeはSentryのMCP ServerとFilesystemのMCP Serverに同時接続できる、という形です。

環境構築 — Python SDKとTypeScript SDK

MCPの公式SDKはPythonとTypeScriptの両方が提供されています。どちらを選ぶかはチームの技術スタックで決めれば問題ありません。

Python SDK（FastMCP）のセットアップ

2026年時点でのPython環境構築はuvを推奨します。

# プロジェクト初期化（uvを使う場合）
uv init my-mcp-server
cd my-mcp-server

# MCP Python SDKのインストール
uv add "mcp[cli]"

# または pip を使う場合
pip install "mcp[cli]"

FastMCPは公式Pythonのハイレベルラッパーで、デコレータベースの直感的なAPIを提供します。後述の実装例はすべてFastMCPを使います。

TypeScript SDKのセットアップ

# Node.js + TypeScriptプロジェクト初期化
mkdir my-mcp-server-ts && cd my-mcp-server-ts
npm init -y

# TypeScript + MCP SDKのインストール
npm install @modelcontextprotocol/sdk
npm install -D typescript @types/node tsx

# tsconfig.json作成
npx tsc --init --target ES2022 --module NodeNext --moduleResolution NodeNext

package.jsonのscriptsに以下を追加しておくと便利です。

{
  "scripts": {
    "dev": "tsx watch src/index.ts",
    "build": "tsc",
    "start": "node dist/index.js"
  }
}

基本Server実装 — Hello World

まず、最小構成のMCP Serverを動かします。「これだけで動く」という構造を理解してから、各プリミティブに拡張していきます。

Python版 Hello World

from mcp.server.fastmcp import FastMCP

# サーバーインスタンスを作成
mcp = FastMCP("hello-world")

@mcp.tool()
def greet(name: str) -> str:
    """指定された名前で挨拶する"""
    return f"Hello, {name}! MCPサーバーが動いています。"

if __name__ == "__main__":
    # stdioトランスポートで起動（Claude Code / Cursorはこれを使う）
    mcp.run(transport="stdio")

TypeScript版 Hello World

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "hello-world",
  version: "1.0.0",
});

server.registerTool(
  "greet",
  {
    description: "指定された名前で挨拶する",
    inputSchema: {
      name: z.string().describe("挨拶する相手の名前"),
    },
  },
  async ({ name }) => ({
    content: [{ type: "text", text: `Hello, ${name}! MCPサーバーが動いています。` }],
  })
);

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
}

main();

どちらの実装もJSON-RPC 2.0を使って標準入出力で通信します。Claude Codeがこのプロセスを起動し、stdioを通じてメッセージをやりとりします。

Tools実装 — AIが実行できる関数

ToolsはMCPの3プリミティブの中で最も使われます。「AIが外部世界に対して何かを実行できる」機能です。function callingの概念に近いですが、MCPクライアントすべてに対して汎用的に使える点が違います。

実際に使われた例として、社内CRMにアクセスするToolを実装したことがあります。営業チームが「このリードの過去の商談記録をClaudeに要約させたい」という要望で作ったものです。Claude Codeから呼び出せるようになった結果、商談準備の時間が大幅に短縮されました。

Python：実用的なTools実装例

from mcp.server.fastmcp import FastMCP
import httpx
import json
from typing import Optional

mcp = FastMCP("business-tools")

@mcp.tool()
async def search_web(query: str, max_results: int = 5) -> str:
    """
    ウェブ検索を実行し、結果を返す。
    最新情報の取得や、特定トピックの調査に使用。
    不足情報があれば最初に質問してください。
    """
    # 実際の実装では検索APIを呼び出す
    # ここでは構造を示す擬似実装
    results = [
        f"[結果{i+1}] {query}に関する情報（実装時に実際のAPIに置き換え）"
        for i in range(max_results)
    ]
    return "n".join(results)

@mcp.tool()
def calculate_roi(
    investment: float,
    monthly_savings: float,
    months: int
) -> dict:
    """
    ROI（投資対効果）を計算する。
    AI導入コストと期待される削減効果から投資回収期間を算出。
    数字と固有名詞は必ず根拠とともに提示します。
    """
    total_savings = monthly_savings * months
    net_gain = total_savings - investment
    roi_percent = (net_gain / investment) * 100
    payback_months = investment / monthly_savings if monthly_savings > 0 else float('inf')

    return {
        "投資額": f"¥{investment:,.0f}",
        "総削減額": f"¥{total_savings:,.0f}",
        "純利益": f"¥{net_gain:,.0f}",
        "ROI": f"{roi_percent:.1f}%",
        "回収期間": f"{payback_months:.1f}ヶ月"
    }

@mcp.tool()
async def send_slack_notification(
    channel: str,
    message: str,
    mention_user: Optional[str] = None
) -> str:
    """
    Slackにメッセージを送信する。
    重要なアラートや作業完了通知に使用。
    実行前に必ずユーザーに内容を確認すること。
    """
    # Slack WebhookやAPIを呼び出す実装例
    payload = {
        "channel": channel,
        "text": f"{f' ' if mention_user else ''}{message}"
    }
    # await send_to_slack(payload)  # 実際のAPI呼び出し
    return f"Slack通知送信完了: #{channel} へ '{message[:50]}...' を送信"

if __name__ == "__main__":
    mcp.run(transport="stdio")

TypeScript：非同期Toolsの実装パターン

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({ name: "async-tools", version: "1.0.0" });

// データベースクエリToolの例
server.registerTool(
  "query_database",
  {
    description: "SQLクエリを安全に実行してデータを取得する。SELECT文のみ許可。",
    inputSchema: {
      sql: z.string().describe("実行するSELECT文"),
      limit: z.number().optional().default(100).describe("最大取得件数"),
    },
  },
  async ({ sql, limit }) => {
    // SELECT文のみ許可（セキュリティ対策）
    if (!sql.trim().toLowerCase().startsWith("select")) {
      return {
        content: [{ type: "text", text: "エラー: SELECT文のみ実行できます。" }],
        isError: true,
      };
    }

    // 実際のDB接続と実行（例：pg / mysql2等）
    // const result = await db.query(`${sql} LIMIT ${limit}`);
    const mockResult = [{ id: 1, name: "サンプルデータ" }];

    return {
      content: [
        {
          type: "text",
          text: JSON.stringify(mockResult, null, 2),
        },
      ],
    };
  }
);

Resources実装 — 読み取り専用データの提供

Resourcesは「AIが参照できる読み取り専用のデータソース」です。ToolsとはAPIの設計思想が異なります。

企業向け研修でMCPを説明するとき、「Resourcesはナレッジベース、Toolsはアクション」と例えると伝わりやすいです。社内の設計書・規程・マニュアルをResourcesとして提供し、それを参照しながらToolsで実際の処理を実行するというパターンが実務では多いです。

Python：Resourcesの実装例

from mcp.server.fastmcp import FastMCP
from pathlib import Path
import json

mcp = FastMCP("knowledge-base")

# 静的Resourceの例：会社規程ドキュメント
@mcp.resource("docs://company-policy/{policy_name}")
def get_company_policy(policy_name: str) -> str:
    """
    会社規程ドキュメントを返す。
    policy_name: 'hr', 'security', 'expense' のいずれか
    """
    policies = {
        "hr": "人事規程：標準労働時間は1日8時間...",
        "security": "情報セキュリティポリシー：外部クラウドの利用は事前申請...",
        "expense": "経費精算規程：交通費は実費精算、領収書必須..."
    }
    return policies.get(policy_name, f"'{policy_name}'という規程は見つかりませんでした。")

# 動的Resourceの例：ファイルシステムアクセス
@mcp.resource("file://{path}")
def read_file(path: str) -> str:
    """
    指定パスのファイルを読み取る。
    セキュリティのため、許可されたディレクトリのみアクセス可能。
    """
    allowed_dirs = ["/workspace/docs", "/workspace/configs"]
    file_path = Path(path)

    # パストラバーサル攻撃の防止
    if not any(str(file_path).startswith(allowed) for allowed in allowed_dirs):
        return f"アクセス拒否: '{path}'は許可されたディレクトリ外です。"

    if not file_path.exists():
        return f"ファイルが見つかりません: {path}"

    return file_path.read_text(encoding="utf-8")

# DBスキーマResourceの例
@mcp.resource("db://schema/{table_name}")
def get_table_schema(table_name: str) -> str:
    """
    データベーステーブルのスキーマ情報を返す。
    クエリ作成前にこのResourceを参照して正確なカラム名を確認すること。
    """
    # 実際の実装ではDBからINFORMATION_SCHEMAを取得
    schemas = {
        "customers": json.dumps({
            "columns": [
                {"name": "id", "type": "bigint", "nullable": False},
                {"name": "company_name", "type": "varchar(255)", "nullable": False},
                {"name": "email", "type": "varchar(255)", "nullable": True},
                {"name": "created_at", "type": "timestamp", "nullable": False}
            ]
        }, ensure_ascii=False, indent=2)
    }
    return schemas.get(table_name, f"テーブル '{table_name}' のスキーマが見つかりません。")

if __name__ == "__main__":
    mcp.run(transport="stdio")

TypeScript：URIテンプレートを使ったResources

import { McpServer, ResourceTemplate } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";

const server = new McpServer({ name: "resource-server", version: "1.0.0" });

// APIドキュメントをResourceとして提供
server.registerResource(
  "api-docs",
  new ResourceTemplate("apidocs://{endpoint}", {
    list: async () => ({
      resources: [
        { uri: "apidocs://users", name: "Users API", description: "ユーザー管理API仕様" },
        { uri: "apidocs://orders", name: "Orders API", description: "注文管理API仕様" },
      ],
    }),
  }),
  async (uri) => {
    const endpoint = uri.pathname.replace("//", "");
    const docs: Record = {
      users: "GET /api/users - ユーザー一覧取得nPOST /api/users - ユーザー作成n...",
      orders: "GET /api/orders - 注文一覧取得nGET /api/orders/:id - 注文詳細取得n...",
    };

    return {
      contents: [
        {
          uri: uri.href,
          mimeType: "text/plain",
          text: docs[endpoint] ?? "ドキュメントが見つかりません",
        },
      ],
    };
  }
);

const transport = new StdioServerTransport();
await server.connect(transport);

Prompts実装 — 再利用可能なテンプレートの提供

PromptsプリミティブはMCPの3つのうち最も見落とされがちですが、チーム開発での価値が高い機能です。「AIへの指示テンプレート」をServerに定義しておくことで、チーム全員が一貫した品質のAI活用ができます。

研修でよく使われる例として、「コードレビュープロンプトの標準化」があります。チームによってレビューの観点がバラバラだったのを、MCPのPromptsで統一したところ、レビュー品質が安定したという事例があります。

Python：Promptsの実装例

from mcp.server.fastmcp import FastMCP
from mcp import types

mcp = FastMCP("prompt-library")

@mcp.prompt()
def code_review_prompt(
    language: str,
    code: str,
    review_level: str = "standard"
) -> list[types.Message]:
    """
    コードレビュー用プロンプトテンプレート。
    review_level: 'quick'（速読）/ 'standard'（標準）/ 'deep'（詳細）
    """
    level_instructions = {
        "quick": "5分以内で完了できる主要な問題のみを指摘してください。",
        "standard": "セキュリティ・パフォーマンス・可読性の観点でレビューしてください。",
        "deep": "アーキテクチャ・テスト・ドキュメント・セキュリティを網羅的にレビューし、改善案をコードで示してください。"
    }

    return [
        types.UserMessage(
            content=f"""以下の{language}コードをレビューしてください。

レビューレベル: {review_level}
指示: {level_instructions.get(review_level, level_instructions['standard'])}

指摘は以下の形式で行ってください：
- 🔴 重大（セキュリティ・バグ）
- 🟡 改善推奨
- 🟢 軽微・スタイル

```{language}
{code}
```

仮定した点は必ず「仮定」と明記してください。"""
        )
    ]

@mcp.prompt()
def meeting_summary_prompt(transcript: str) -> list[types.Message]:
    """
    会議の文字起こしから議事録を作成するプロンプト。
    """
    return [
        types.UserMessage(
            content=f"""以下の会議文字起こしから、構造化された議事録を作成してください。

必須項目：
1. 決定事項（箇条書き）
2. アクションアイテム（担当者・期限付き）
3. 次回議題候補
4. 未解決の課題・懸念事項

文字起こし：
{transcript}

不足している情報（担当者名など）があれば、[要確認: ○○] という形で明記してください。"""
        )
    ]

if __name__ == "__main__":
    mcp.run(transport="stdio")

TypeScript：引数付きPromptsの実装

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";

const server = new McpServer({ name: "prompt-server", version: "1.0.0" });

server.registerPrompt(
  "documentation-writer",
  {
    description: "関数・クラスのドキュメントを生成するプロンプト",
    argsSchema: {
      function_name: z.string().describe("ドキュメントを作成する関数名"),
      code: z.string().describe("対象のコード"),
      doc_style: z.enum(["jsdoc", "tsdoc", "markdown"]).default("tsdoc"),
    },
  },
  async ({ function_name, code, doc_style }) => ({
    messages: [
      {
        role: "user" as const,
        content: {
          type: "text" as const,
          text: `${function_name}のドキュメントを${doc_style}形式で作成してください。

コード:
```typescript
${code}
```

ドキュメントには以下を含めてください：
- 機能の概要（1-2文）
- 引数の説明（型・制約）
- 戻り値の説明
- 使用例（実行可能なコード）
- エラーが発生するケース

数字と固有名詞は根拠を添えてください。`,
        },
      },
    ],
  })
);

Transport — stdio / Streamable HTTP / SSEの使い分け

MCPのトランスポート選択は「ローカルで動かすか、リモートサーバーとして動かすか」で決まります。

Streamable HTTPトランスポートの実装（Python）

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("remote-server")

@mcp.tool()
def get_data(query: str) -> str:
    """リモートでデータを取得する"""
    return f"データ: {query}"

if __name__ == "__main__":
    # Streamable HTTPで起動（マルチクライアント対応）
    mcp.run(
        transport="streamable-http",
        host="0.0.0.0",
        port=8080
    )

Claude Codeとの接続 — .mcp.json設定

MCP Serverが動いたら、Claude Codeから接続します。設定ファイル（.mcp.json）を使います。

プロジェクトスコープの設定（チーム共有用）

{
  "mcpServers": {
    "business-tools": {
      "type": "stdio",
      "command": "python3",
      "args": ["/path/to/my-mcp-server/main.py"],
      "env": {
        "DATABASE_URL": "${DATABASE_URL}",
        "SLACK_WEBHOOK_URL": "${SLACK_WEBHOOK_URL}"
      }
    },
    "typescript-server": {
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/my-mcp-server-ts/dist/index.js"]
    }
  }
}

このファイルをプロジェクトルートに .mcp.json として保存するとチームで共有できます。~/.claude.json に書けばグローバル設定になります。

CLIでの追加方法

# stdioサーバーをCLIで追加
claude mcp add business-tools python3 /path/to/main.py

# HTTPサーバーを追加
claude mcp add --transport http remote-tools https://your-mcp-server.example.com/

# 追加されたサーバー一覧を確認
claude mcp list

接続確認（MCP Inspector）

# MCP Inspectorで動作確認
npx @modelcontextprotocol/inspector python3 /path/to/main.py

# ブラウザで http://localhost:5173 を開く
# Tools / Resources / Prompts を手動テストできる

Cursor・VS Code Continueとの接続

同じMCP Serverを複数のクライアントから使えるのがMCPの最大の強みです。

Cursorへの接続

プロジェクトルートに .cursor/mcp.json（プロジェクトスコープ）、またはホームディレクトリに ~/.cursor/mcp.json（グローバル）を作成します。

{
  "mcpServers": {
    "business-tools": {
      "command": "python3",
      "args": ["/path/to/main.py"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/mydb"
      }
    }
  }
}

Cursorの場合、GUIからも追加できます: Settings > Tools & MCP > New MCP Server

VS Code Continue拡張への接続

# .continue/mcpServers/ ディレクトリを作成してJSONを配置
mkdir -p .continue/mcpServers

# .continue/mcpServers/business-tools.json
{
  "command": "python3",
  "args": ["/path/to/main.py"]
}

Continue拡張はこのディレクトリを自動スキャンしてサーバーを読み込みます。再起動不要です。

デプロイパターン — ローカル / Docker / クラウド

MCP Serverのデプロイ先は用途によって選びます。

ローカル実行（開発・個人利用）

stdio transportを使い、Claude Codeがプロセスを起動・管理します。サーバー側でポートを開く必要がなく、セキュリティ面でシンプルです。設定例は上記の通りです。

Dockerコンテナ（チーム共有・本番）

# Dockerfile（Python版の例）
FROM python:3.12-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

# Streamable HTTPで起動
CMD ["python3", "main.py"]
EXPOSE 8080

# .mcp.jsonでDockerコンテナに接続
{
  "mcpServers": {
    "business-tools": {
      "type": "stdio",
      "command": "docker",
      "args": ["run", "--rm", "-i",
        "-e", "DATABASE_URL",
        "my-mcp-server:latest"
      ]
    }
  }
}

クラウドデプロイ（Streamable HTTP）

# Cloud Runへのデプロイ例
gcloud run deploy my-mcp-server 
  --source . 
  --port 8080 
  --set-env-vars DATABASE_URL=xxx 
  --allow-unauthenticated  # 本番では認証必須

# .mcp.jsonでリモートHTTPサーバーに接続
{
  "mcpServers": {
    "remote-business-tools": {
      "type": "http",
      "url": "https://my-mcp-server-xyz.run.app/",
      "headers": {
        "Authorization": "Bearer ${MCP_API_KEY}"
      }
    }
  }
}

セキュリティ — 権限設計と認証の実装

MCP Serverは会社の内部システムにアクセスできる強力なツールです。セキュリティを軽視すると、AIが本来アクセスすべきでないデータを読み書きするリスクがあります。

基本原則：最小権限の徹底

from mcp.server.fastmcp import FastMCP
from functools import wraps
import os

mcp = FastMCP("secure-server")

# 許可されたパスのみアクセス可能
ALLOWED_DIRECTORIES = [
    "/workspace/public-docs",
    "/workspace/shared-configs"
]

def check_path_permission(path: str) -> bool:
    """パストラバーサル攻撃を防ぐ"""
    import pathlib
    abs_path = pathlib.Path(path).resolve()
    return any(
        str(abs_path).startswith(allowed)
        for allowed in ALLOWED_DIRECTORIES
    )

@mcp.tool()
def read_document(file_path: str) -> str:
    """
    承認されたディレクトリのドキュメントを読み取る。
    セキュリティ: 許可ディレクトリ外のアクセスは拒否。
    """
    if not check_path_permission(file_path):
        return "アクセス拒否: 許可されたディレクトリ外のファイルは読み取れません。"

    with open(file_path, 'r', encoding='utf-8') as f:
        return f.read()

APIキーによる認証（Streamable HTTP）

from mcp.server.fastmcp import FastMCP
import os

mcp = FastMCP("authenticated-server")

# 環境変数からAPIキーを取得（ハードコード禁止）
VALID_API_KEYS = set(os.environ.get("MCP_API_KEYS", "").split(","))

# FastMCPのmiddlewareフックでリクエスト認証
# 実際の認証はHTTPミドルウェア層（FastAPI等）で実装する
# 詳細はhttps://gofastmcp.com/deployment/authentication 参照

機密情報の取り扱いルール

• APIキー・パスワード・トークンは絶対にコードにハードコードしない → 環境変数（${VAR}）を使う
• .mcp.jsonをGitにコミットする場合、secrets情報が含まれていないか確認する
• ログにはユーザーデータ・認証情報を出力しない
• SQLクエリはパラメータバインディングを使い、インジェクション攻撃を防ぐ

【要注意】失敗パターン4選と回避策

失敗1: stdioとHTTPのトランスポートを混同する

❌ ローカルで動かしているのにHTTPトランスポートの設定を書く
⭕ ローカル開発では "type": "stdio" を使い、commandでプロセスを起動する

これは本当によくあるミスで、研修でも必ず引っかかる場所です。curl localhost:8080 で疎通できるのに、Claude Codeから接続できないと言われるパターンはたいていここです。stdio Serverはポートを開きません。

失敗2: JSONの構文エラーで無言で失敗する

❌ .mcp.jsonに末尾カンマやコメントを書く（JSONは無効）
⭕ JSONバリデーターで必ず検証してから保存する

# 検証方法
python3 -m json.tool .mcp.json
# または
cat .mcp.json | jq .

失敗3: Tools・Resources・Promptsのどれを使うべきか迷う

❌ 何でもToolsに実装してしまう
⭕ 判断基準を持つ

• 副作用が必要 or 計算が必要 → Tools
• データを読み取るだけ → Resources
• AIへの指示テンプレートを再利用したい → Prompts

失敗4: エラーハンドリングを省略する

❌ 例外をそのままraise / uncaughtのまま
⭕ MCPのエラーレスポンス形式に合わせてエラーを返す

@mcp.tool()
def risky_operation(input_data: str) -> str:
    try:
        result = do_something_risky(input_data)
        return result
    except ValueError as e:
        # 意味のあるエラーメッセージをAIに返す
        return f"入力エラー: {str(e)}。正しい形式で再試行してください。"
    except Exception as e:
        # スタックトレースは返さず、操作的なメッセージのみ
        return f"処理中にエラーが発生しました。管理者に連絡してください。（エラーID: {type(e).__name__}）"

Claude Code ピラーページへのリンク設計

MCP Serverを組んだ後、Claude CodeでAIエージェントとしてどう活用するかの全体像については Claude Code Hooks完全ガイド にまとめています。Hooksと組み合わせると、「MCPツールを呼んだ後に自動でログを取る」「特定のToolsが実行される前に確認を挟む」といった高度な運用が可能です。

また、Slash Commandと組み合わせると、チームで標準化したMCP操作を /slash-command で呼び出せるようになります。詳しくは Claude Code Slash Command完全ガイド を参照してください。

参考・出典

• Architecture Overview — Model Context Protocol公式ドキュメント（参照日: 2026-05-06）
• Model Context Protocol Python SDK — GitHub（参照日: 2026-05-06）
• Model Context Protocol TypeScript SDK — GitHub（参照日: 2026-05-06）
• Introducing the Model Context Protocol — Anthropic公式発表（参照日: 2026-05-06）
• MCP Specification 2025-11-25 — modelcontextprotocol.io（参照日: 2026-05-06）

まとめ：今日から始める3つのアクション

MCP Serverは「難しいもの」ではなく、「AIの外部接続を標準化するプロトコル」です。今日から段階的に試していけば、1週間以内に動くものが作れます。

1. 今日やること: Python SDKをインストールして、Hello World ServerをClaude Codeから呼び出す（30分あればできます）
2. 今週中: 自分の業務で「AIに参照させたいデータ」を1つ選び、Resourcesとして実装する
3. 今月中: Tools・Resources・Promptsの3つをそれぞれ1つ以上実装し、Claude Code + Cursorの両方から呼び出してMCPの再利用性を体感する

次の記事では「MCP Server運用のベストプラクティス — ロギング・モニタリング・バージョン管理」をテーマに、本番運用に向けた実践的な内容をお届けします。

著者プロフィール: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。

あわせて読みたい: MCP ServerをPlugin内にバンドルしてチームに配布する方法は、Claude Code Plugin開発完全ガイド2026で解説しています。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。