MCP ツール実践：5 つのオープンソース神器で AI エージェントが世界と接続

MCP（Model Context Protocol）が何かをすでに理解しているなら、今度は実際に動作させる番です。

本記事では、最も実用的な 5 つの MCP オープンソースツールを厳選し、ファイルシステムアクセスからデータベースクエリ、GitHub 操作からウェブスクレイピングまで、実世界と接続できる AI エージェントの構築方法を段階的に教えます。

---

一、なぜ MCP ツールが必要か？

MCP プロトコルが出現する前、AI に外部データへアクセスさせることは暗闇で模索するようなものでした： - 各ツールが独自の API 形式を持つ - 認証方式が千差万別（OAuth、API キー、JWT...） - エラー処理に統一基準がない - デバッグ？基本的に推測頼み

MCP の出現がこれを変えました。標準インターフェースを定義し、あらゆる AI モデルが外部ツールと同じ方法でインタラクションできるようにしました。USB-C が充電インターフェースを統一したように、MCP は AI と世界の接続方法を統一しつつあります。

---

二、試すべき 5 つの MCP オープンソースツール

1️⃣ MCP FileSystem Server - AI にファイルの読み書きを許可

GitHub: https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem

これは最も基本的で実用的な MCP ツールの 1 つです。インストール後、AI は安全に指定ディレクトリのファイルにアクセスできます。

インストールステップ：

# npm を使用してインストール
npm install -g @modelcontextprotocol/server-filesystem

# 設定ファイル ~/.mcp-config.json を作成
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/yourname/documents"],
      "env": {}
    }
  }
}

機能リスト： - read_file - ファイル内容を読み取り - write_file - ファイルを書き込み - list_directory - ディレクトリ内容をリスト - search_files - ファイルを検索 - create_directory - ディレクトリを作成

使用例：

# AI は MCP を通じて呼び出し可能
result = mcp_client.call_tool("filesystem", "read_file", {
    "path": "/home/yourname/documents/notes.md"
})
print(result.content)

セキュリティヒント：必要なディレクトリのみを公開し、ルートディレクトリ / を直接マウントしないでください！

---

2️⃣ MCP PostgreSQL Server - データベース自然言語クエリ

GitHub: https://github.com/modelcontextprotocol/servers/tree/main/src/postgres

AI が SQL を書かずに自然言語で直接データベースをクエリできるようにします。

インストール設定：

npm install -g @modelcontextprotocol/server-postgres

# 設定ファイル
{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost:5432/mydb"],
      "env": {}
    }
  }
}

実戦シーン：

ユーザー：先月の売上が最も高かったトップ 10 製品を見つけてください

AI (MCP を通じて): 
  → postgres.read_query を呼び出し
  → SQL を自動生成して実行
  → 構造化された結果を返す

サポートされる操作： - 読み取り専用クエリを実行（セキュリティモード） - テーブル構造情報を取得 - すべてのテーブル名をリスト - SQL インジェクションを防ぐパラメータ化クエリ

---

3️⃣ MCP GitHub Server - コードリポジトリスマート管理

GitHub: https://github.com/modelcontextprotocol/servers/tree/main/src/github

AI が GitHub リポジトリの管理をサポート。Issue の閲覧から PR の作成まで。

インストールステップ：

npm install -g @modelcontextprotocol/server-github

# GitHub Personal Access Token が必要
# https://github.com/settings/tokens にアクセスしてトークンを作成
# 権限：repo, read:user, user:email

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}

サポートされる操作： - Issue の作成、更新、クローズ - PR の作成とレビュー - リポジトリファイルの読み取り/書き込み - コミット履歴のクエリ - ワークフローの実行

使用例：

ユーザー：このバグを修正する PR を作成して

AI (MCP を通じて):
  → 問題のあるファイルを特定
  → 修正を適用
  → 新ブランチを作成
  → PR を自動作成

---

4️⃣ MCP Fetch Server - ウェブページ情報抽出

GitHub: https://github.com/modelcontextprotocol/servers/tree/main/src/fetch

AI がウェブページをフェッチし、内容を抽出して構造化データを取得。

インストール：

npm install -g @modelcontextprotocol/server-fetch

{
  "mcpServers": {
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    }
  }
}

機能： - ウェブページをフェッチして Markdown に変換 - 特定要素を抽出（CSS セレクター使用） - リンクを追跡 - スクリーンショットを撮影（オプション）

使用例：

ユーザー：https://example.com の最新ニュースを要約して

AI (MCP を通じて):
  → fetch.fetch を呼び出してページを取得
  → 内容を Markdown に変換
  → 主要ニュースを抽出して要約

---

5️⃣ MCP Git Server - ローカル Git 操作

GitHub: https://github.com/modelcontextprotocol/servers/tree/main/src/git

AI がローカル Git リポジトリを直接操作。

インストール：

npm install -g @modelcontextprotocol/server-git

{
  "mcpServers": {
    "git": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-git", "/path/to/repo"]
    }
  }
}

サポートされる操作： - ステータス、ログ、差分を表示 - 変更をコミット - ブランチを作成/切り替え - 変更をプッシュ/プル

---

三、統合使用：実戦プロジェクト

プロジェクト：自動バグ修正エージェント

目標：GitHub Issue を監視し、自動的にバグを修正して PR を作成。

必要な MCP ツール： - GitHub Server（Issue 監視、PR 作成） - FileSystem Server（コード読み取り/書き込み） - Git Server（変更コミット）

ワークフロー：

1. GitHub が新 Issue を作成
   ↓
2. AI が Issue を読み取り、バグ報告か判断
   ↓
3. 関連ファイルを FileSystem で読み取り
   ↓
4. バグを特定して修正
   ↓
5. Git で変更をコミット
   ↓
6. GitHub で PR を作成
   ↓
7. 結果を Issue にコメント

---

四、ベストプラクティス

1. セキュリティ設定

• 最小権限の原則を適用
• 機密情報を環境変数に保存
• 本番環境での自動書き込み操作を制限

2. エラーハンドリング

• タイムアウトを設定
• リトライロジックを実装
• 失敗時のフォールバックプランを準備

3. パフォーマンス最適化

• 結果をキャッシュ
• 不要な呼び出しを回避
• 並列実行可能なタスクを最適化

---

五、まとめ

MCP ツールは AI エージェントが実世界とインタラクションするための強力な手段です。この 5 つのツールをマスターすることで：

• ✅ ファイルシステムを操作
• ✅ データベースをクエリ
• ✅ GitHub を管理
• ✅ ウェブから情報を収集
• ✅ Git リポジトリを制御

AI エージェントの構築を始めましょう！

参考リンク： - MCP 公式ドキュメント - MCP Servers リポジトリ - MCP クイックスタート