MCPツール化で始める AI エージェント自動化—最小サンプルを汎用ノウハウへ昇華する

すべての反復作業を「MCPツール」に落とし込み、
AI エージェントに呼び回させるだけで “人が判断して手を動かす工程” を自動化できる。

Anthropic が公開した Model Context Protocol (MCP) は、LLM と外部ツールを “超薄い標準 I/F” で接続する新興規格です。OpenAI も追随を表明し、事実上のデファクトになりつつあります。
本記事では Zenn の「MCP 最小動作サンプル」記事を出発点に、どんな案件にも再利用できる 汎用ノウハウ へ抽象化します。

1. MCP が解決する課題

Before	After (MCP)
ボタン／REST API ごとに個別実装	@mcp.tool() で 1 関数＝1 ツール登録
LLM↔アプリ間 I/F がまちまち	stdio / Streamable HTTP の 2 方式だけで完結
仕様変更→コード修正→再デプロイ	プロンプト修正だけで振る舞い変更—PDCA が爆速

2. 設計 3 原則

1. 道具化の徹底

   • 1 ツール＝1 責務。I/O は引数と戻り値だけに閉じる。
   • 失敗ログ取得／バッチ再実行など “人が判断する粒度” でツールを刻むと再利用性が跳ね上がる。

2. 疎結合トランスポート

   • 開発中は transport="stdio" で爆速プロトタイピング。
   • 運用環境では FastAPI に載せ Streamable HTTP へ昇格。fastmcp が実装を簡素化します。

3. AI エージェント＝オーケストレータ

   • ツール呼び出し順・条件分岐・リトライなど ロジックはすべてプロンプト側に寄せる。
   • 仕様変更→プロンプト修正→即反映、という超高速フィードバックループが可能。

3. MCP 汎用レシピ：5 ステップ

1. 棚卸し
   • 日々クリックしている手作業を列挙（≤5 分のタスク単位）。
2. 関数化
   • 各操作を Python 関数化し、戻り値は JSON / str に固定。
3. ツール登録
   • @mcp.tool() で登録。fastmcp なら 10 行以下で完了。
4. エージェント実装
   • Client.call_tool() を使い、判断ロジックをプロンプトに記述。
5. デプロイ
   • 開発→stdio、本番→FastAPI + Docker + CI/CD。

4. 典型ユースケース：失敗ログ→自動再実行

5. ベストプラクティスチェックリスト

1. ツール名は動詞＋対象名（run_batch, get_failed_log）
2. 戻り値はプリミティブ型 で LLM が解釈しやすく
3. タイムアウト／リトライは エージェント側で制御
4. ログ・監視・通知もツール化 して “観測→判断→実行” を 1 ストローク化
5. stdio⇄HTTP 切替は transport 変数だけで済むようテストコードを用意
6. 機密ファイルを読むツールは IAM/OS 権限を最小化

6. 応用アイデア集

シナリオ	主要ツール	エージェントの振る舞い
週次家計簿	fetch_bank_csv, summarize_spending, post_to_notion	毎週日曜 23:00 に実行し Slack へ自動レポート
資格学習プランナー	get_today_schedule, suggest_study_topic, log_progress	朝の空き時間に学習トピックと資料リンクを提示
健康管理	read_scale_weight, append_google_sheet, notify_goal_status	体重差分と昨晩の食事ログを毎晩通知

7. まとめ

1. 作業の最小単位を関数化し @mcp.tool() で登録
2. LLM には判断を、ツールには実行を分離
3. stdio で 15 分動作確認 → HTTP 化 → CI/CD へ載せる

---

引用・参考リンク

• 元記事: https://zenn.dev/ted99/articles/8e679ad20f4f48
• Zenn Markdown ガイド: https://zenn.dev/zenn/articles/markdown-guide
• Anthropic: “Introducing the Model Context Protocol” https://www.anthropic.com/news/model-context-protocol
• OpenAI フォーラム MCP 討議: https://community.openai.com/t/preparing-for-mcp-in-responses/1152972
• fastmcp GitHub: https://github.com/jlowin/fastmcp
• fastmcp PyPI: https://pypi.org/project/fastmcp/
• MCP Python SDK: https://github.com/modelcontextprotocol/python-sdk
• Anthropic Docs MCP: https://docs.anthropic.com/en/docs/agents-and-tools/mcp
• Verge 記事 (MCP 関連): https://www.theverge.com/2024/11/25/24305774/anthropic-model-context-protocol-data-sources
• Anthropic Research Blog (エージェント開発): https://www.anthropic.com/research/building-effective-agents