はじめに

MCPサーバーの機能として Prompts, Resources, Tools がある一方で、MCPクライアントの機能としては Roots, Sampling, Elicitation があることを知りました。

そこで、これら3つの機能の役割について調査しました。

結論

Roots
- クライアントがサーバーに対してファイルシステムへのアクセス境界を提供する機能
- サーバーがどのディレクトリやファイルにアクセスできるかを制御
Sampling
- サーバーがクライアント経由でLLMに推論リクエストを送る機能
- サーバー側でAPIキーを持たなくても、クライアント経由でAI機能を利用可能
Elicitation
- サーバーが実行時に動的にユーザーから追加情報を取得する機能
- 必要な時に必要な情報を対話的に収集

Roots

Rootsは、MCPクライアントがサーバーに対してファイルシステムの「ルート」を公開する標準的な方法を提供します。
これにより、サーバーがファイルシステム内のどこで動作できるかの境界を定義し、アクセス可能なディレクトリとファイルを明確にします。

主な機能

アクセス境界の定義: サーバーがアクセスできるディレクトリを制限
動的な更新: ルートリストが変更された場合の通知機能
セキュリティ: 適切な権限管理とパス検証

使用シナリオ

プロジェクトディレクトリへのアクセス許可
複数のリポジトリへの同時アクセス
ワークスペースの動的管理

プロトコルメッセージ

Request

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "roots/list"
}

Response

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "roots": [
      {
        "uri": "file:///home/user/projects/myproject",
        "name": "My Project"
      }
    ]
  }
}

処理フロー

Sampling

Samplingは、MCPサーバーがクライアント経由でLLMに推論リクエストを送信できる機能です。
これにより、サーバー側でAPIキーを管理することなく、AI機能を活用できます。

主な機能

APIキー不要: サーバー側でLLMのAPIキーを持つ必要がない
人間の承認フロー: ユーザーがプロンプトと応答を確認・編集可能
柔軟なモデル選択: 抽象的な優先度設定によるモデル選択

使用シナリオ

収集したデータの分析
コンテキストに基づいた意思決定
特定の形式で構造化されたコンテンツを生成
推論を用いてマルチステップの問題解決

プロトコルメッセージ

Request

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "sampling/createMessage",
  "params": {
    "messages": [
      {
        "role": "user",
        "content": {
          "type": "text",
          "text": "What is the capital of France?"
        }
      }
    ],
    "modelPreferences": {
      "hints": [
        {
          "name": "claude-3-sonnet"
        }
      ],
      "intelligencePriority": 0.8,
      "speedPriority": 0.5
    },
    "systemPrompt": "You are a helpful assistant.",
    "maxTokens": 100
  }
}

Response

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "role": "assistant",
    "content": {
      "type": "text",
      "text": "The capital of France is Paris."
    },
    "model": "claude-3-sonnet-20240307",
    "stopReason": "endTurn"
  }
}

処理フロー

Elicitation

Elicitationは、MCPサーバーが実行時に動的にユーザーに追加情報を要求できる機能です。
これにより、必要な時に必要な情報を対話的に収集できます。
モデルの提示文やロジックが、まだ解決されていない変数（例：{{current_user}}、{{timezone}}、{{organization.name}}）を参照する場合に特に有用です。

主な機能

動的な情報収集: 実行時に必要な情報を要求
構造化されたスキーマ: JSON Schemaによる入力検証
3つのアクションモデル: Accept（承認）、Decline（拒否）、Cancel（キャンセル）

使用シナリオ

アクションの確認：モデルが不可逆な操作（例: ワークスペースの削除）を実行しようとし、ユーザーに「本当に実行しますか？」と確認を促すためにElicitationを使用し、実行前にユーザーに確認を求める。
認証リダイレクト：ワークフロー中に、サーバーはユーザーの身分を確認する必要があり、クライアントのサインインまたは再認証フローへのリダイレクトを促す。
曖昧さの解消：ユーザーが「サブスクリプションをキャンセルしてください」と要求した場合、モデルは複数のサブスクリプションを検出する。確認プロセスを使用して「キャンセルしたいのはProプランかEnterpriseプランのどちらですか？」と促す。
段階的な入力収集：プロジェクト計画エージェントは「締め切りはいつですか？」といった高レベルな質問から始まり、チーム規模、マイルストーン、予算などの追加入力を段階的に収集する。
文脈に応じた分岐：カスタマーサポートのシナリオで、モデルはデバイス情報が欠落していることに気づき、「どのデバイスを使用していますか？」と促し、トラブルシューティングの手順を最適化する。

プロトコルメッセージ

Request

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "elicitation/create",
  "params": {
    "message": "Please provide your GitHub username",
    "requestedSchema": {
      "type": "object",
      "properties": {
        "name": {
          "type": "string"
        }
      },
      "required": ["name"]
    }
  }
}

Response

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "action": "accept",
    "content": {
      "name": "octocat"
    }
  }
}

処理フロー

統合的な使用例

3つの機能を組み合わせたファイル分析エージェントが動作する様子

所感

Roots, Sampling, Elicitation については実装例がまだ少なく、具体的なユースケースをイメージしづらい部分もありました。一方で、これらの機能を使いこなせれば、非常に強力なMCPサーバーを作成できる可能性を感じました。

今回の機能に対応しているMCPクライアントがまだ少ないため、今後の動向を見守りたいと思います。

参考URL

https://workos.com/blog/mcp-elicitation

Discussion