MCP Server をゼロから構築する：
開発者のための完全ガイド

現場の痛点：LLM ベンダーごとに Function Calling の形式が異なり、モデルを切り替えるたびに統合コードを書き直す必要があります。LangChain のツール定義はフレームワーク内に閉じ込められ、IDE 間で持ち運べません。

• 進化の流れ：Function Calling（ベンダー固有）→ ChatGPT Plugins（プラットフォーム依存）→ MCP（オープン標準）。Anthropic は 2024 年 11 月に MCP をオープンソース化し、JSON-RPC 経由で AI とシステム間の通信を統一しました。
• ロール分担：MCP Client は AI 側（Claude Desktop、Cursor など）に存在します。MCP Server は開発者が構築する側で、Tools（呼び出し可能な関数）、Resources（読み取り可能なデータ）、Prompts（再利用テンプレート）を公開します。
• トランスポート：JSON-RPC 2.0 を stdio（ローカル・低レイテンシ）または HTTP + SSE / Streamable HTTP（リモート・マルチクライアント）で運びます。ライフサイクルはハンドシェイク → 能力交渉 → リクエスト処理 → シャットダウンです。

MCP Server を一度書けば、Cursor、Claude Desktop、VS Code から同じツールを呼び出せます。AI ツール統合における USB-C の瞬間です。

言語選定：Python は公式 mcp パッケージと FastMCP を使い、初学者に最適です。TypeScript は @modelcontextprotocol/sdk でフルスタックチーム向けです。以下の例は Python を使います。

python -m venv .venv
source .venv/bin/activate
pip install mcp

npm init -y
npm install @modelcontextprotocol/sdk

プロジェクト構成：server.py、tools/、resources/、prompts/、tests/、pyproject.toml を用意します。

デバッグ環境：公式 MCP Inspector（npx @modelcontextprotocol/inspector）、Claude Desktop は claude_desktop_config.json、Cursor は Settings → MCP から接続します。

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-first-server")

@mcp.tool()
def say_hello(name: str) -> str:
    """指定した名前の人に挨拶する"""
    return f"Hello, {name}! これは最初の MCP ツールです。"

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

python server.py を実行するか、npx @modelcontextprotocol/inspector python server.py で Inspector 上のツール一覧を確認します。Cursor または Claude Desktop を設定すると、AI コンテキストにツールが表示されるはずです。

ツールの基本構造：関数シグネチャがそのままドキュメントになります。パラメータ型、戻り値型、docstring は JSON Schema に変換され、AI が理解します。命名は snake_case で動詞始まり（search_web、read_file）が推奨です。

複雑な入力：Pydantic BaseModel で型安全な入力を定義できます。

from pydantic import BaseModel, Field

class SearchInput(BaseModel):
    query: str = Field(description="検索キーワード")
    max_results: int = Field(default=5, description="最大返却件数")

@mcp.tool()
def web_search(input: SearchInput) -> list[dict]:
    """Web 検索を実行し、関連結果のリストを返す"""
    ...

五類の実用ツール：

• 計算機：数式を安全にパース（eval による注入を避ける）。
• ファイル読み書き：アクセス可能なディレクトリをホワイトリストで限定。
• HTTP クライアント：外部 REST API 呼び出し、タイムアウトとレスポンスサイズ上限を設定。
• 読み取り専用 SQL：パラメータ化クエリのみ、DDL は禁止。
• タイムゾーン：現在時刻と変換、Agent のスケジューリングに必須。

非同期 IO：ネットワーク呼び出しは async def と httpx.AsyncClient を使い、stdio イベントループのブロックを避けます。本番向けには生の例外ではなく error・code を含む構造化エラーを返し、タイムアウトと権限チェックを追加します。

Resource vs Tool：Resource はデータ提供者（AI が読み取る）、Tool はアクション実行者（AI が呼び出す）です。Resource は URI でアドレス指定します：file://、http://、custom://。

@mcp.resource("config://app-settings")
def get_app_settings() -> str:
    return json.dumps({"version": "1.0", "env": "production"})

@mcp.resource("user://{user_id}/profile")
def get_user_profile(user_id: str) -> str:
    return json.dumps(db.query_user(user_id))

リソース種別：テキスト（text/plain、application/json）、バイナリ（画像・PDF）、ストリーミング（リアルタイムデータ）に対応します。ファイルシステム Resource Server では、ディレクトリ一覧、ファイル読み取り、変更イベント購読が実装できます。

Prompts：パラメータ注入可能な再利用プロンプト断片で、チームの Prompt 一貫性を高めます。user と assistant ロールを含む多ターン テンプレートは、コードレビュー、面接シミュレーション、デバッグアシスタントに適しています。

リモート例：FastMCP("remote-server", transport="streamable-http") を uvicorn でポート 8000 に載せます。本番では Bearer Token、API Key ミドルウェア、CORS ホワイトリスト、レート制限で堅牢化します。

デバッグ：MCP Inspector で Tools 呼び出しと JSON-RPC ログを確認し、mcp.client.stdio 経由の pytest で session.call_tool の戻り値を検証します。

本番デプロイ：Docker（Python 3.12-slim）、Railway / Render は個人プロジェクト向け、Lambda / Cloud Run は Serverless、VPS では Nginx リバースプロキシ。構造化ログ、Prometheus メトリクス、Sentry アラート、/health エンドポイントを追加し、MCP プロトコルバージョンを宣言してツール更新は後方互換を維持します。

総仕上げプロジェクト：個人ナレッジベース MCP Server で Markdown ノートをセマンティック検索し、エントリ作成とファイル監視を行います。ChromaDB / Qdrant、text-embedding-3-small、watchfiles を組み合わせ、Cursor で「先週 MCP について何を書いた？」と聞けば Agent が検索ツールを呼び出します。

2026 年の参考 Server：mcp-server-filesystem、mcp-server-github、mcp-server-brave-search、mcp-server-postgres、mcp-server-slack。主要クライアントは MCP をネイティブサポートし、エンタープライズ向けセキュリティ基準とマーケットプレイスが成熟しています。

• プロトコル：Anthropic が 2024 年 11 月に MCP をオープンソース化（JSON-RPC 2.0）。2026 年にガバナンスが Linux Foundation AAIF へ移管されました。
• エコシステム：公開 MCP Server は 10,000 を超えます。Python SDK と TypeScript SDK が公式保守の主軸です（発版後は GitHub で最新版を確認してください）。
• トランスポート：Streamable HTTP が純 SSE に代わり、クラウドの無状態ロードバランシングに適しています。

公式ドキュメントと SDK（発版後はリンクを再確認してください）：

https://modelcontextprotocol.io

https://github.com/modelcontextprotocol/python-sdk

https://github.com/modelcontextprotocol/typescript-sdk

https://github.com/modelcontextprotocol/inspector

1. 言語とトランスポートを決める：個人開発は Python + stdio、チーム共有は HTTP + Streamable HTTP。
2. モジュール骨格を組む：tools / resources / prompts に分割し、MCP Inspector を導入。
3. Hello World を接続確認：Cursor または Claude Desktop でツールの可視性と呼び出しを検証。
4. 五類 Tools と Resource を拡張：読み取り専用から始め、書き込みと外部 API を段階追加。
5. テストと Docker を自動化：CI で stdio 統合テストを実行。
6. 7×24 環境へデプロイ：ノート PC のスリープは MCP セッションを切断します。純 Linux VPS には macOS サンドボックスと Xcode がありません。安定した MCP インフラ、共有 Agent、iOS CI が必要な本番では、CALMVPS ベアメタル Mac レンタル が実務上しばしば最適です。専有 M4 / M4 Pro、約 120 秒プロビジョン、柔軟課金。機種は 料金ページ、リモート接続は ヘルプセンター、注文は Mac mini M4 注文 をご確認ください。

MCP は AI ツール化の標準プロトコルです。習得すれば任意の LLM に現実世界の能力を拡張できます。今日の Hello World から始めてみてください。