MCP Weather Server Demo

MCPは、Anthropicによって導入された標準化されたツール呼び出しプロトコルで、大規模言語モデルが外部ツールと相互作用するための統一されたフレームワークを提供し、動的ツールの発見、構造化パラメータ呼び出し、および複合タスクフローをサポートします。

人工知能チャットボット開発者ツール #ツール呼び出し #標準化プロトコル #動的発見 #タスクフロー .Python

スコア : 2ポイント

ダウンロード数 : 9.1K

更新時間 : 2025-04-29

サイトを開く

MCPとは？

MCPは、Anthropicによって導入された標準ツール呼び出しプロトコルで、大規模言語モデルが天気API、データベース、GitHubなどの外部ツールを動的に発見して使用できるようにします。MCPを通じて、モデルは自動的にツールを呼び出し、複雑なタスクフローを実行できます。

MCPの使い方は？

MCPの使用は非常に簡単で、ツールとサービスを設定し、リクエストを入力するだけです。モデルはタスクの要件に基づいて適切なツールを自動的に選択し、結果を返します。

適用シナリオ

MCPは、天気検索、地理位置分析、データ分析などの複雑なタスク処理が必要なシナリオに適しています。特に、多段階操作が必要なタスクに最適です。

主な機能

動的ツール発見

MCPサーバーは、利用可能なツールとその機能説明を動的に発見してリスト化し、モデルが適切なツールを選択しやすくします。

構造化パラメータ呼び出し

MCPは、JSON Schemaを使用してツールのパラメータを定義し、呼び出し時のパラメータ形式が正しく安全であることを保証します。

複合タスクフロー

MCPは多段階のタスクフローをサポートし、モデルは前のステップの結果に基づいて後続のアクションを調整できます。

利点

統一されたクロスプラットフォーム呼び出しインターフェース

動的ツールの発見と使用をサポート

強力な複合タスクフローのサポート

良好なパラメータ検証メカニズム

制限

一部のモデルにはアダプター層が必要

ネットワーク環境が分散デプロイに影響を与える可能性がある

複雑なツールチェーンのサポートには追加の設定が必要

使い方

MCPサーバーをインストールする

MCPサーバーをダウンロードしてインストールし、必要なツールとサービスを設定します。

ツールを設定する

MCPサーバーで使用するツールを登録して設定します。ツール名、機能説明、パラメータ形式、およびサンプルを含みます。

リクエストを送信する

MCPサーバーにリクエストを送信すると、モデルは自動的に適切なツールを呼び出し、結果を返します。

使用例

天気を調べる

ユーザーが入力：'明日花蓮に遊びに行くので、天気と観光スポットを知りたい'。

経度と緯度を調べる

ユーザーが入力：'花蓮の経度と緯度は何ですか？'。

よくある質問

MCPはどのようなモデルをサポートしていますか？

MCPの伝送モードは何がありますか？

🚀 MCP ツール呼び出し機能の紹介

MCP（Model Context Protocol）アーキテクチャにおいて、ツール呼び出し（Tool Calling）は核心機能ですが、すべての操作がモデル自身によって行われるわけではありません。実際の接続行為は、モデルとクライアントが共同で行う協調プロセスです。

❓ モデルは必ず Function Call をサポートしなければ MCP を使用できないのでしょうか？

答えは、Function Call は MCP への接続に必要な機能ですが、必ずしもモデル自身が直接実行する必要はありません。つまり、ツール呼び出しをトリガーする能力が必要ですが、このトリガー命令は必ずしもモデルのネイティブな 'tool_call' 形式である必要はありません。

2つの典型的な接続アーキテクチャの比較

✅ モデルがネイティブに Function Call をサポートする場合（例：GPT-4-turbo + 5ire）

モデル環境：GPT-4-turbo
クライアントプラットフォーム：5ire（GPT モデルと MCP などの外部ツールとの接続をサポートするため）
モデルの Function Call サポート：✅ サポート
Function Call の実行者：5ire（モデルが生成した tool_call 命令に基づいて自動実行）
MCP への接続可否：✅ 可
フロー説明：
1. クライアント（5ire）がユーザーの要求と利用可能なツールの説明（function schema）をモデルに送信します。
2. モデルはツールの説明に基づいて構造化された tool_call を自動生成します。
3. クライアント（5ire）がこの tool_call を受信、解析し、対応するツールを実行します（MCP とのやり取りまたは API の直接呼び出し）。
4. クライアントが実行結果をモデルに返します。
5. モデルは結果に基づいて最終的な応答を生成します。

このモードでは、モデルと MCP/ツール間のやり取りは高度に自動化されており、ユーザーにとっては比較的透明なプロセスです。

✅ モデルが Function Call をサポートしない場合（例：DeepSeek R1 + Cline for VSCode）

モデル環境：DeepSeek R1（ネイティブに Function Call をサポートしないと仮定）
クライアントプラットフォーム：Cline（VSCode の拡張プラグインで、スマートクライアントとして機能）
モデルの Function Call サポート：❌ サポートしない
Function Call の実行者：Cline（モデルの出力テキストから意図を判断し、変換して実行）
MCP への接続可否：✅ 可
フロー説明：
1. クライアント（Cline）はユーザーの要求をモデルに送信する前に、Prompt に利用可能なツールの説明を注入します。通常は自然言語または特定の形式でモデルに「get_weather(latitude, longitude) を使用して天気を照会できます」と通知します。
2. モデルがユーザーの要求とツールの説明を含む Prompt を受け取ります。
3. モデルは要求を理解し、ツールを使用する必要があると判断しますが、構造化された tool_call を生成することはできません。そのため、「はい、天気を調べます：get_weather(latitude=24.16, longitude=120.64)」のような指示的なテキストを生成します。
4. クライアント（Cline）がモデルから返されたこのテキストを解析し、get_weather(...) の意図とパラメーターを識別します。
5. クライアント（Cline）がこれらのパラメーターを適切な形式に変換し、対応するツール呼び出しを実行します（API に要求を送信するなど）。
6. ツールの実行が完了すると、クライアントが応答を受け取り、それをモデルに返します。

このモードでは、モデルは直接ツール呼び出しを実行することはできませんが、クライアントプラグインを通じて外部ツールとのやり取りを実現することができます。

モデルの接続方式の比較

特性	モデルがネイティブに Function Call をサポートする場合 (例：GPT-4-turbo)	モデルが Function Call をサポートしない場合 (例：DeepSeek R1)
Function Call サポート	✅	❌
ツール呼び出し方式	モデルが直接 tool_call 命令を生成して実行	モデルは tool_call を生成できず、クライアントプラグインが変換して実行
代表的な組み合わせ	GPT-4-turbo + 5ire	DeepSeek R1 + Cline for VSCode
利点	高度な自動化、モデルが直接ツール呼び出しを制御	モデルの機能がより柔軟ですが、クライアントプラグインがツール呼び出し機能を補完する必要があります
適用シーン	迅速なデプロイ、開発プロセスの簡素化	経済性が高く、既存のモデルの二次開発と統合に適しています

まとめ

MCP プロトコルは、モデルと外部ツールのやり取りを実現するための複数の方法を提供しています。どの方法を選択するかは、モデルの機能サポートと具体的なアプリケーション要件によって決まります。モデルがネイティブに Function Call をサポートする場合は、そのツール呼び出し機能を直接使用できます。サポートしない場合は、クライアントプラグインを通じて接続を実現することができます。