MCPサーバーとは？PythonでのMCPサーバーの作り方とClaudeとの連携方法を解説！

ウマたん

当サイト【スタビジ】の本記事では、AI時代の新しい開発スタイル”MCPサーバー”を徹底解説していきます！Pythonでサクッとサーバーを立ち上げて、Claudeと連携する方法をわかりやすく紹介していくよ！

こんにちは！スタビジ編集部です！

最近、「大規模言語モデル（LLM）」を業務に取り入れる動きがどんどん広がっています。

ただ、その中で「どうやって社内のデータやAPIをつなぐか」という課題が出てきています。

そこで注目されているのが「Model Context Protocol（MCP）」という仕組みです。

これを使うことで、LLMが外部データや社内システムに安全にアクセスできるようになります。

MCPって何？難しそう、、、

MCPの使い方について具体的に知りたい！

本記事では、初心者でも理解できるようにMCPの基礎から説明しつつ、Pythonでの実装手順とClaudeとの接続方法を具体例を交えて解説していきます。

ウマたん

MCPの使い方をマスターして、AIモデルとのセキュアな接続を実現しよう！

・MCPの概要
・MCPサーバーの立ち上げ方
・Claudeとの接続方法

MCPについてガッツリ学びたい方は以下のUdemy講座で解説していますのでチェックしてみてください！

【初心者向け】MCPサーバーをClaudeから動かしてみよう！またPythonで独自のMCPサーバーを構築していこう！

【時間】	4時間
【レベル】	初級

MCPサーバーを立ち上げてLLMから使ってみたいならこのコース！

今なら購入時に「M7UFLCB5」という講師クーポンコードを入れると90%オフ以上の割引価格になりますのでぜひご受講ください！

＼30日以内なら返金無料／このコースを見てみる

MCPとは
- MCPの仕組み
PythonでMCPサーバーを作ってみる
- uvのインストール
- MCPサーバー立ち上げ
Claudeとつないでみる
- 設定ファイルの作成
- 動作確認
MCPサーバーまとめ

MCPとは

「Model Context Protocol（MCP）」とは、LLM（大規模言語モデル）が外部ツールやデータにアクセスするための標準的な仕組み（プロトコル）です。

“プロトコル”とはコンピューター同士がやり取りするときの決まりごと（通信ルール）のことです。

例えば、人間が会話するときに言語や文法が決まっているように、AIツールが外部のサーバーが通信するとき「どんな形式でメッセージをおくるか」、「どんな順番でやり取りするか」というルールがMCPになります。

2024年にAnthropic社が発表し、“AI用のUSB-C”と例えられる標準的な規格で、これによりどんなAIツールにアクセスできるようになりました。

ウマたん

MCPは「AIと外部ツールがやり取りするための共通言語」なんだね！

MCPの仕組み

MCPの仕組みについて、見ていきましょう。

MCPはクライアント（AIアプリ）とサーバー（データソース）間で双方向接続を実現するプロトコルです。

MCPでは「JSON-RPC 2.0」をベースとした通信により、安全かつ柔軟なデータのやり取りができます。

MCPの仕組みを簡単ですがイラストにすると下記になります。

従来のプラグインやAPI連携とは何が違うの？

たしかに上図をみると、そんな疑問が浮かんできますよね。

そこで従来の接続方法とMCPを比較してみましょう。

比較項目	従来のプラグイン / API連携	MCP（Model Context Protocol）
セキュリティ	AIが直接APIキーを持つケースが多い	すべてのアクセスはユーザー承認制
拡張性	サービスごとに専用実装が必要	共通プロトコルで再利用・統一可能
管理	開発者側が動作を制御	ユーザー自身が使うツールを制御
実装難易度	個別API仕様の理解が必要	MCP SDKで標準化された仕組みを利用

MCPではMCPサーバーを経由するため、アクセス制御がしやすくセキュリティ面が向上します。

また共通のプロトコルを使用するため、各サービスごとの実装が不要になり、拡張性や管理面でもメリットがあります。

ウマたん

MCPを使うことで安全性や利便性が向上するんだね！

PythonでMCPサーバーを作ってみる

実際にPythonでMCPサーバーを作ってみます。

下記の流れで見ていきます。

uvのインストール
MCPサーバー立ち上げ

MCPサーバーの構築には以下の条件があります、自身の環境が満たしているかあらかじめ確認しましょう。

Python 3.10 以上がインストールされている
Python MCP SDK 1.2.0 以上を使用する

公式サイトにも記載があるので参考にしてみて下さい。

uvのインストール

まずは事前準備として、「uv」というPythonのパッケージ管理・実行ツールをインストールします。

MCPのPython SDKではuvを使う前提で設計されており、uvを使うことで依存パッケージ（mcp[cli]）の導入・ロック管理・実行までを一貫して行えます。

# uv をインストール（macOS/Linux）
curl -LsSf https://astral.sh/uv/install.sh | sh
# uv をインストール（windows）
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

上記コマンドでuvをインストールします。

# プロジェクト作成
uv init mcp-demo
cd mcp-demo

# MCPのPython SDK（CLI入り）を追加
uv add "mcp[cli]"

“uv init“コマンドでMCPサーバー用プロジェクト（フォルダ）が新規作成されます。

これにより主に下記が自動で準備されます。

.venv：プロジェクト専用のPython環境
pyproject.toml：プロジェクト設定ファイル
uv.lock ：依存関係のロックファイル

このようにコマンド一つでフォルダ、仮想環境、設定ファイルを全部まとめて用意してくれる点がuvを利用するメリットになります。

# MCPのPython SDK（CLI入り）を追加
uv add "mcp[cli]"

上記はPythonのMCPサーバー環境に「MCP SDK＋CLI」を追加するためのコマンドで、以下が実行されます。

.venv仮想環境にmcp関連のライブラリが追加される
pyproject.tomlにmcp[cli]の依存関係が記録される
uv.lockにバージョン固定情報が保存される
mcp runやmcp infoなどのコマンドが利用可能になる

これにより、プロジェクト内でMCPサーバーを開発・実行できるようになります。

ウマたん

MCPサーバーを作る時はuvを利用するのがおすすめ！

uvを使えば、速く・安全に・確実に同じ環境でサーバーを動かせるよ！

MCPサーバー立ち上げ

事前準備が整ったところで実際にMCPサーバーを立ち上げてみます。

プロジェクトフォルダの配下に”server.py”を作成します。

# server.py
import logging
from mcp.server.fastmcp import FastMCP

# stdout は JSON-RPC で使われるため print 禁止。ログは stderr へ。
logging.basicConfig(level=logging.INFO)

# MCPサーバーのインスタンスを作成
mcp = FastMCP("toukei-lab-minimal")

@mcp.tool()
def hello(name: str) -> str:
    """名前を受け取って挨拶を返します。"""
    return f"こんにちは、{name}さん！"

if __name__ == "__main__":
    # Claude などのホストと stdio (JSON-RPC) で通信
    mcp.run(transport="stdio")

それぞれ見ていきましょう。

「from mcp.server.fastmcp import FastMCP」では、MCPの公式Python SDKに含まれる”FastMCP“クラスを読み込んでいます。

“FastMCP“クラスでは、ツール/リソース/プロンプトの登録、JSON-RPC(2.0)の入出力、入出力スキーマ生成といったMCPサーバーを構築する役割を担います。

「mcp = FastMCP(“toukei-lab-minimal”)」で、先ほどのFastMCPクラスのインスタンス（mcpサーバー本体）を作成します。

最後に「@mcp.tool()」で作成したインスタンスに対して、デコレータを使ってツール（関数）を登録していきます。

今回は”hello関数”をがMCPツールとして登録されています。

MCPツールとは、AIクライアントがMCPサーバーにアクセスするときの窓口で、以下のようなものがあります。

@mcp.tool()：関数の呼び出し、動的に何かを実行（API・ファイル処理・分析など）
@mcp.resource()：状態・ファイル内容・設定情報などを読み取る
@mcp.prompt()：LLMが再利用するためのプロンプトテンプレートを提供する

AIクライアントはこのツールを通じて外部のデータやツールにアクセスすることが出来ます。

uv run server.py

上記コマンドでMCPサーバーが起動します。

ウマたん

FastMCPクラスを利用して、簡単にMCPサーバーを構築できる！

Claudeとつないでみる

作成したMCPサーバーとClaudeをつないで動作確認してみましょう。

ここでは”Claude Desktop”を使って自身の環境にClaudeアプリからMCPサーバーと接続します。

Claude Desktopがない場合は、公式サイトを参考にインストールしてください。

設定ファイルの作成

ClaudeからMCPサーバーに接続するため、設定ファイル「claude_desktop_config.json」を各Caludeアプリディレクトリ内に作成します。

Windows：”%APPDATA%\Claude\”に作成
macOS：”~/Library/Application Support/Claude/”に作成

# claude_desktop_config.json
{
  "mcpServers": {
    "toukei-lab-minimal": {
      "command": "uv",
      "args": [
        "--directory",
        "MCPプロジェクトのディレクトリ絶対パス",
        "run",
        "server.py"
      ]
    }
  }
}

jsonファイル内には上記のように”mcpServers”内に接続するサーバーを定義します。

サーバーではキー名（今回は”toukei-lab-minimal”）とサーバーの起動コマンドを記載します。

Claude Desktopアプリを再起動することで、上記設定が読み込まれMCPサーバーと接続できます。

正しく設定できると「設定」>「開発者」からMCPサーバーが追加されていることを確認できます。

動作確認

Claudeのチャットから実際にMCPサーバーのツールを実行してみます。

「helloツールを使って、name=”スタビジ” で実行して。」とチャットを投げてみます。

ClaudeがMCPツールを認識して、実行するか確認が入ります。

実行を許可するとMCPサーバーで定義した関数が実行されて、レスポンスが返ってきました。

ウマたん

Claude側はMCPサーバーの登録をするだけ！

一つ一つ外部サービスとの接続設定をしなくていいのが楽だね！

MCPサーバーまとめ

「Model Context Protocol（MCP）」からMCPサーバーの立ち上げ、Claudeとの接続について解説していきました。

ここで、従来の接続方法とMCPの違いをおさらいしましょう。

比較項目	従来のプラグイン / API連携	MCP（Model Context Protocol）
セキュリティ	AIが直接APIキーを持つケースが多い	すべてのアクセスはユーザー承認制
拡張性	サービスごとに専用実装が必要	共通プロトコルで再利用・統一可能
管理	開発者側が動作を制御	ユーザー自身が使うツールを制御
実装難易度	個別API仕様の理解が必要	MCP SDKで標準化された仕組みを利用