MCPでAIに道具をつなぐ 確認テスト

MCP は Function Calling の代わりではなく、その上に乗るしくみです。モデルが知っているのは、これまでどおりの「関数を呼ぶ」しくみだけで、ツールの一覧を関数の定義に直して渡し、モデルの頼みを tools/call にしてサーバーに届けるのはホストの仕事です。だから、同じサーバーを、MCP に対応したどのAIアプリからでも使えます。

復習する：MCPとは？AIと道具をつなぐ共通の規格

--scope project で追加すると、プロジェクトの .mcp.json に保存され、Git で共有できます。共有する設定に APIキーを直接書くと漏れてしまうので、${GITHUB_TOKEN} のように環境変数を参照する書き方にします。ほかの人の手元では、初めて使う前に Claude Code が「使ってよいか」を確かめてきます。

復習する：できあがったMCPサーバーを使う

stdio のサーバーでは、標準出力（stdout）が MCP のメッセージの通り道です。print で関係のない文字を出すと、ホストは壊れたメッセージとして受け取り、アプリによってはつながらなくなります。確かめたいことは、print(..., file=sys.stderr) や logging で標準エラー出力（stderr）に出します。

復習する：PythonでMCPサーバーを作る

pandas の月の区切りは、"M" から "ME" に変わり、pandas 3 では "M" がエラーになります。AIに渡す引数をだれにでも分かる値にして、pandas の書き方は関数の中に隠しておけば、AIは迷わずに選べ、ライブラリの変更もツールの中だけで吸収できます。選べる値は Literal で決めると、MCP の引数の形（enum）にもなります。

復習する：データ分析のツールを作る①：読み込みと集計

12列×26行の表を毎回AIに渡すと、トークンを使い、長い会話では読める量も圧迫します。名前（ハンドル）で返せば、AIは joined を続けて集計のツールに渡せます。見つからないキー（C009）を書いておくと、地域の分からない注文があることにもAIが気づけます。なお、名前を知っていることは本人であることの確かめにはならないので、HTTP で共有するときは、利用者ごとにデータを分ける必要があります。

復習する：データ分析のツールを作る②：関係を見る・組み合わせる

readOnlyHint などの注釈は、サーバーが自分で書いた自己申告で、仕様でも信頼できるサーバーのもの以外は信じてはいけないとされています。ツールの説明にしかけられた指示（ツールポイズニング）や、あとからの書き換えもあるので、説明を全部読み、引数を見て承認します。確認を省くのは、信頼できるサーバーの、読むだけのツールにかぎります。

復習する：MCPを安全に使う