MCP / A2A AIエージェント開発

AIエージェントとは

エージェントの定義

AIエージェントとは、与えられた目標に対して自律的に行動を計画し、ツールを使い、結果を観察して次の行動を決めるAIシステムのことです。チャットボットとの決定的な違いは「1回の質問に1回答える」のではなく「ゴールに到達するまでループを回す」点にあります。

ファイルを検索してデータベースに書き込み、結果をSlackに通知する。この一連の流れを人間の介入なしにこなせるのがエージェントです。従来のチャットAIは「質問→回答」の1往復で完結していました。エージェントはそこに「判断→行動→観察」のサイクルを加え、複数ステップのタスクを自力で遂行します。

エージェントの構成要素

エージェントは4つのコンポーネントで構成されます。LLMが頭脳、Toolsが手足、Memoryが記憶、Planningが計画立案。どれが欠けてもエージェントとして機能しません。

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph TB
  U["ユーザーの指示"] --> P["Planning
計画立案"]
  P --> L["LLM
推論エンジン"]
  L --> T["Tools
ツール実行"]
  T --> O["観察
結果の評価"]
  O -->|目標未達| L
  O -->|目標達成| R["最終結果"]
  M["Memory
文脈・履歴"] <--> L

ReActパターン

エージェントの思考ループとして広く使われているのがReAct(Reasoning + Acting)パターンです。LLMがまず推論(Thought)を行い、次に行動(Action)を選択し、その結果を観察(Observation)する。この3ステップを目標達成まで繰り返します。

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  T["Thought
推論"] --> A["Action
行動"]
  A --> O["Observation
観察"]
  O -->|継続| T
  O -->|完了| F["Final Answer"]

エージェントの応用例

MCP -- MCPサーバー構築とツール定義

MCP公式サイト(modelcontextprotocol.io) -- 仕様書、チュートリアル、SDK、サーバー一覧が揃っている

MCPとは

MCP(Model Context Protocol)は、Anthropicが2024年11月に公開したAIツール連携の標準プロトコルです。LLMが外部ツールやデータにアクセスする際の「共通言語」を定めたもので、USB-Cのように1つの規格でさまざまなツールとつながります。

MCP以前は、各AIプラットフォームがそれぞれ独自のツール連携方式を持っていました。OpenAIのFunction Calling、AnthropicのTool Use、GoogleのFunction Callingは微妙に仕様が違い、開発者は各プラットフォーム向けに個別実装を強いられていた。MCPはその統一規格として登場し、一度作ったサーバーをClaude Desktop、Claude Code、VS Code、Cursor、n8nなど複数のホストから使い回せるようにしました。

MCPアーキテクチャ

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  H["Host
Claude Desktop等"] --> C["MCP Client
プロトコル処理"]
  C -->|JSON-RPC| S1["MCP Server A
天気API"]
  C -->|JSON-RPC| S2["MCP Server B
DB検索"]
  C -->|JSON-RPC| S3["MCP Server C
ファイル操作"]
  S1 --> E1["外部API"]
  S2 --> E2["PostgreSQL"]
  S3 --> E3["ローカルFS"]

MCPの3つの機能

公開MCPサーバー -- 人気Top10

公式リポジトリには、すぐに使えるMCPサーバーが多数公開されています。自作する前に、既存のサーバーで要件を満たせないか確認してください。

これらはnpx -y @modelcontextprotocol/server-[名前] の形式でインストールできるものが多く、claude_desktop_config.jsonに数行追記するだけで使い始められます。

TypeScript SDKでMCPサーバーを自作する

MCPサーバーの実装は驚くほどシンプルです。@modelcontextprotocol/sdk パッケージをインストールし、server.tool() でツールを定義するだけ。以下が最小構成のコードです。

コードのポイント

• McpServer -- サーバーの中核。name/versionはAgent Cardとして使われる
• server.tool() -- 第1引数がツール名、第2引数がLLM向け説明、第3引数がinputSchema(Zodで定義)、第4引数がhandler関数
• Zod -- inputSchemaの定義にZodを使う。.describe()でパラメータの説明を付与するとLLMの精度が上がる
• StdioServerTransport -- stdin/stdoutで通信。Claude DesktopやClaude Codeとの接続に最適

package.jsonの設定

MCPクライアント実装

Claude DesktopでのMCP接続

Claude Desktopは設定ファイル1つでMCPサーバーに接続できます。macOSでは ~/Library/Application Support/Claude/claude_desktop_config.json 、Windowsでは %APPDATA%\Claude\claude_desktop_config.json に以下を記述します。

Claude Desktopを再起動すると、チャット画面のツールアイコンに get_weather と get_forecast が表示されるはずです。「東京の天気を教えて」と聞けば、Claudeが自動的にget_weatherツールを呼び出します。

Claude Code / VS CodeでのMCP接続

Claude Codeでは、プロジェクトルートに .mcp.json を置きます。

トランスポートの種類

ローカル開発ではstdioを選んでおけば間違いありません。本番運用でリモートサーバーとしてデプロイする場合はStreamable HTTPが推奨されています。SSEは後方互換のために残っていますが、新規開発では使わないでください。

カスタムクライアントの実装

Claude DesktopやClaude Code以外のアプリケーションからMCPサーバーを呼びたい場合は、自前でMCPクライアントを実装します。

A2A -- エージェント間通信

A2Aプロトコルとは

A2A(Agent-to-Agent)は、Googleが2025年4月に公開したエージェント間通信の標準プロトコルです。MCPが「AIがツールを使う」ための規格なのに対し、A2Aは「AIがAIに仕事を委託する」ための規格です。

人間の組織に例えるとわかりやすい。MCPはオフィスの複合機やデータベースのような「道具」との接続。A2Aは社内の別部署や外注先への「依頼」。道具は使い方を知っていれば誰でも操作できますが、他の部署に仕事を頼むには相手の能力(何ができるか)を知り、依頼のフォーマットを合わせ、成果物を受け取る手順が必要です。A2Aはそのプロトコルを標準化したものです。

MCPとA2Aの使い分け

A2Aの構成要素

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  CA["Client Agent
依頼者"] -->|1. Agent Card取得| AC["/.well-known/
agent.json"]
  CA -->|2. Task送信| SA["Server Agent
実行者"]
  SA -->|3. Message返信| CA
  SA -->|4. Artifact生成| CA

Agent Cardの設計

Agent CardはA2Aの出発点です。他のエージェントがあなたのエージェントを「発見」し「何ができるか」を理解するための名刺のようなものです。

Agent Cardの完全なJSON例

Agent Cardは A2Aにおけるエージェントの「名刺」です。実運用レベルのAgent Cardには、capabilities、authentication、skills の各セクションを網羅的に記述する必要があります。

authenticationセクションを入れることで、認証が必要なエージェント同士の連携が可能になります。providerフィールドは「このエージェントを誰が運営しているか」を示す情報で、信頼性の判断材料として使われます。

マルチエージェントシステム

協調パターン3種

複数のエージェントが協力してタスクをこなす仕組みをマルチエージェントシステムと呼びます。設計パターンは大きく3つに分かれます。

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph TB
  subgraph "1. オーケストレーター型"
    O["Orchestrator"] --> A1["Research Agent"]
    O --> A2["Writer Agent"]
    O --> A3["Review Agent"]
  end

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  subgraph "2. ピアツーピア型"
    P1["Agent A"] <--> P2["Agent B"]
    P2 <--> P3["Agent C"]
    P1 <--> P3
  end

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  subgraph "3. パイプライン型"
    L1["Researcher"] --> L2["Writer"] --> L3["Editor"] --> L4["Publisher"]
  end

設計上の注意点

Claude Agent SDK

Claude Agent SDKとは

Claude Agent SDKは、Anthropicが公式に提供するエージェント開発フレームワークです。Pythonベースで、エージェント定義、ツール定義、ハンドオフ(エージェント間のタスク委譲)、ガードレールをシンプルなAPIで実装できます。

Sec05ではsystem promptの切り替えでマルチエージェントを模倣しましたが、Agent SDKはその仕組みをフレームワークとして整理し、ツール呼び出し、ハンドオフ、ガードレールの制御を宣言的に書けるようにしたものです。

基本構成

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph TB
  U["ユーザー入力"] --> R["Runner.run()"]
  R --> A["Agent
(model + instructions)"]
  A --> T1["@tool: search_web"]
  A --> T2["@tool: read_file"]
  A --> T3["@tool: send_email"]
  A --> H["Handoff
→ 別Agent"]
  G["Guardrail
入出力チェック"] -.-> A

Agent定義

ツール定義(@tool デコレータ)

Handoff(タスク委譲)

Handoffは、あるエージェントが「この仕事は自分の専門外だ」と判断したとき、適切な別エージェントに引き継ぐ仕組みです。

Handoffの具体的な動作例

Handoffの実際の動きをもう少し詳しく見ます。オーケストレーターが「このタスクは自分の担当外」と判断したとき、handoffs配列に登録された別エージェントに制御を移します。委譲先のエージェントは独自のinstructionsとtoolsを持ち、タスク完了後に結果を返します。

handoffs配列にエージェントを追加するだけで、メインエージェントが自動的にタスクの性質を判断して委譲先を選びます。委譲のタイミングや条件をinstructionsで制御できるため、細かいルーティングロジックをコードで書く必要はありません。

Guardrails(ガードレール)

ガードレールは、エージェントの入出力を監視し、不適切な動作を防止する仕組みです。個人情報の出力防止、不適切なコンテンツのブロックなどに使います。

実行(Runner)

n8n/Dify連携

ノーコードとコードの橋渡し

MCP/A2Aはコードベースの技術ですが、現実の組織にはコードを書かないチームも多い。DifyやN8Nのようなノーコード/ローコードツールがMCPサーバーを呼び出せるようになり、エンジニアが作ったツールを非エンジニアが使えるようになりました。

n8nでのMCPサーバー呼出し

n8nは2025年後半からMCPノードをサポートしています。ワークフロー内で直接MCPサーバーのツールを呼び出せます。

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph LR
  T["Trigger
(Webhook/Schedule)"] --> AI["AI Agent Node
(Claude)"]
  AI --> MCP["MCP Tool Node
(天気取得)"]
  MCP --> IF["IF Node
(条件分岐)"]
  IF -->|雨| S["Slack通知"]
  IF -->|晴れ| E["End"]

DifyでのOpenAPI Tool連携

DifyはMCPサーバーを直接呼び出す機能は限定的ですが、OpenAPI仕様に準拠したAPIとして公開すれば連携できます。MCPサーバーにHTTPエンドポイントを追加し、OpenAPIスキーマを定義してDifyのカスタムツールとして登録する流れです。

本番運用

セキュリティ

MCPサーバーを本番環境で動かすとき、セキュリティは最優先事項です。MCPサーバーは外部リソースへのアクセス権を持つため、不正利用されると深刻な被害につながります。

認証(OAuth 2.0)

リモートMCPサーバーではOAuth 2.0による認証が推奨されています。MCP仕様は2025年のアップデートでOAuth 2.0のサポートを正式に追加しました。

最小権限の原則

• ファイルアクセス -- 必要なディレクトリのみ許可。ルート(/)を渡さない
• DB操作 -- READ ONLYのロールで接続。更新が必要な場合は別のツールとして分離
• API呼出し -- スコープを最小限に。全権限のAPIキーを使わない
• ネットワーク -- 必要なホストだけに通信を許可。ワイルドカードは使わない

入力バリデーション

エラーハンドリング

コスト制御

エージェントはループ処理するため、従来のチャットよりもトークン消費が激しくなりがちです。

• ループ回数制限 -- 最大10回のReActループで強制停止
• トークンバジェット -- 1タスクあたりの最大トークン数を設定(例: 100Kトークン)
• モニタリング -- Anthropic ConsoleやLangSmithでトークン消費を可視化
• モデル使い分け -- 簡単な判断はHaiku、複雑な推論はSonnetと使い分ける

総合ハンズオン: MCPサーバー3つ+マルチエージェントWF

ゴール

このセクションでは、コース全体の集大成としてMCPサーバー3つとマルチエージェントワークフロー1つを完成させます。Sec02〜08で学んだ技術を総動員する実践演習です。

%%{init:{'theme':'dark','themeVariables':{'primaryColor':'#00A5BF','primaryBorderColor':'#007A8F','primaryTextColor':'#e8e8e8','lineColor':'#00A5BF','secondaryColor':'#1a1a1a','background':'#141414','mainBkg':'#1a1a1a','nodeBorder':'#00A5BF'}}}%%
graph TB
  U["ユーザー指示"] --> O["Orchestrator Agent"]
  O --> S1["MCP Server 1
ファイル検索"]
  O --> S2["MCP Server 2
DBクエリ"]
  O --> S3["MCP Server 3
Slack通知"]
  S1 --> FS["ファイルシステム"]
  S2 --> DB["SQLite DB"]
  S3 --> SL["Slack Webhook"]