LangChainチーム、MCPに参加：AIエージェントツール拡張の新たな方向性？-チーフAIシェアリングサークル

中国初のAI IDE インテリジェント・プログラミング・ソフトウェア 🚀体験への招待 Trae 中国語版ダウンロードDeepSeek-R1とDoubao-proは無制限で利用できる！

最近、モデル・コンテキスト・プロトコル(エムシーピー)は、AIの分野で多くの関心を呼んでいる。この技術は、中心的な問題を解決することを目指している：Agentを制御することなく、ユーザーがAgentのツール機能を拡張できるようにするにはどうすればよいですか？ MCPの実用性について、LangChainのハリソン・チェイスCEOは次のように語っている。ラングラフヌーノ・カンポス代表が詳しく語る。

LangChain Team on MCP: AIエージェントツール拡張の新しい方向性？-1

MCPのコアバリュー：制御不能なエージェントのためのツールの拡張

ハリソン・チェイスはMCPの価値を、ユーザーが直接コントロールできないエージェントにツールを追加する方法を提供する能力にあると見ている。彼は次のことを挙げている。クロードデスクトップ、カーソルウィンドサーフ一例として、これらの製品を使用する場合、ユーザーは基礎となるAgentのロジックを直接変更することができず、Agentが使用できるツールはいくつかの組み込みのものに限られていることが指摘された。

しかし、ユーザーは、より個人的なニーズを満たすために、これらのエージェントに追加のツールを追加したいと思うかもしれません。例えば、コードエディタに追加のツールを追加することができます。カーソル特定のコード解析ツールを統合したり、カスタムナレッジベースアクセスツールをクロードデスクトップに追加したりします。この目標を達成するためには、エージェントがこれらの外部ツールを認識し、呼び出すための共通プロトコルが必要であり、MCPはこの問題を解決するために作成されました。

Harrison氏はさらに、MCPは非開発者がエージェントを構築する際にも重要であると述べている。エージェントの構築が一般的になるにつれて、より多くのドメインの専門家が、エージェントの作成プロセスに関わりたいと考えるようになります。 MCP は、エージェントのコアロジックを変更することなく、必要なツールを構成することを可能にし、エージェント構築の障壁を低くします。

Harrison氏は、既存のAgentツールのエコシステムにおける重要なギャップを埋めるMCPの潜在的な価値を認識していました。急速に進化するAgentテクノロジーの世界では、パーソナライズされたAgent機能への需要が高まっています。 MCPがツール統合の複雑さを効果的に軽減できれば、Agentテクノロジの普及が加速し、より革新的なアプリケーションシナリオが生まれることは間違いありません。特に非開発者にとっては、ツールを拡張するためのより友好的な方法は、彼らの創造性を大いに解放し、AIアプリケーションの民主化を促進するでしょう。

現実的な課題：エージェントのカスタマイズとツールの統合

Nuno Campos氏は、MCPの有用性に疑問を呈した。彼は、エージェントの設計は使用するツールと密接に統合する必要があると主張している。エージェントのシステムヒントやアーキテクチャを調整することなく、エージェントにツールを追加するだけでは、期待する結果を得るには十分でないことが多い。

ユーザーが単にウィンドサーフのようなアプリに内蔵されているウェブ検索ツールを置き換えるだけなら、MCPは有効かもしれないとヌーノは認めている。しかし、それはMCPの最も価値のある使用例ではない、と彼は主張する。本当に魅力的なユースケースは、ユーザーがCursorのようなアプリ開発者に、彼らが思い描いてさえいなかった新しい機能を与える "魔法のツール "を注入することだろう。しかし実際には、このようなことは起こりそうにない。

Nuno氏は、ほとんどのプロダクション環境では、Agentがツールを効果的に利用できるようにするために、利用可能なツールセットに合わせてAgentのシステムメッセージ、さらには全体的なアーキテクチャを微調整する必要があることを強調した。

ヌーノの見解は、より技術的に現実的である。彼は、ツールの統合は単純に「プラグアンドプレイ」ではなく、エージェントの性能はツールとの相性に大きく依存すると指摘する。これは実際、現在のAIエージェント技術の開発における共通の課題、すなわち、ツールのスケーリングにおける高い柔軟性とエージェントのパフォーマンスの最適化とのバランスをどのようにとるかということを指摘している。多くの開発者が、大規模な言語モデルを扱う際の迅速なエンジニアリングの重要性や、システムアーキテクチャが最終的な結果に与える影響の大きさを経験しているからだ。

信頼性とユーザーの期待のトレードオフ

ハリソン氏は、MCP統合ツールに基づくエージェントは99%の信頼性を達成できないかもしれないことを認めている。しかし、エージェントの信頼性がそれよりも多少劣っていたとしても、まだ価値があると彼は考えている。同氏は、ツールの説明や指示も重要であるが、以下の点も見落としてはならないと指摘する：

MCPにはツールの定義が含まれており、優れたMCPサーバーは、ユーザーが自分で書くよりも優れたツールの説明を提供できる。
MCPでは、ユーザがエージェントにツールの使用方法を指示するためのプロンプトを含めることができます。
基礎となるモデルの能力が向上し続けるにつれて、エージェントを呼び出すツールのすぐに使える性能はどんどん向上していくだろう。

ハリソン氏は、MCPの統合と汎用ツールのコールエージェントだけでは、Cursorのような完全な製品を構築することはできないが、MCPは、社内エージェントや個人エージェントの構築など、特定のシナリオではまだ価値があると主張する。

ヌーノの質問に対して、ハリソンはより楽観的だった。彼は、MCPがすべてのシナリオにおいて完璧であるとは限らないことを認めつつも、「十分であればいい」という現実的な原則を強調している。技術開発の初期段階では、完璧を求めるとイノベーションが制限されることが多い。ハリソンの考え方は、使えるバージョンがすぐにリリースされ、その後実際に改良されるという、技術の反復的な性質にも合致している。さらに、モデルの能力向上に対する彼の自信は、AI分野の一般的なコンセンサスも反映している。モデルの能力を継続的に向上させることで、エージェントの応用の境界は広がり続けるだろう。

モデルの能力とユーザーの期待の同期化

ヌーノは、LangGraphのツール起動ベンチマークによれば、特定のツールセットに合わせたアーキテクチャとプロンプトを持つエージェントであっても、現在のモデルでは、正しいツールを起動したときの成功率は50%程度しかないと反論した。半分も正しく動作しないパーソナル・エージェントは、実用性に乏しい。

ヌーノは、モデルの性能は今後も向上し続けるだろうが、ユーザーの期待も同様に高まっていくだろうと認識している。彼はジェフ・ベゾスの言葉を引用している。"顧客は常に現状に不満を抱いており、その期待は尽きることがない"。開発者がUI、ヒント、アーキテクチャ、ツールを含む技術スタック全体をマスターしていれば、ユーザーの高まる期待に応えることができるかもしれない。そうでなければ、見通しは暗い。

ヌーノはさらにデータを追い、ツールコールの観点から現行モデルの限界を指摘した。 50%の成功率は、特に効率と信頼性が求められる生産環境においては、確かに心配な数字だ。同時に、ヌーノはユーザーの期待値という点でもハードルを上げた。技術の進歩は、能力を向上させるだけでなく、ユーザーの期待の高まりに対応しなければならない。 MCPやすべてのAIエージェント・テクノロジーは、単に機能するだけでなく、うまく機能し、ユーザーの高まるニーズに応え続けなければならないのです」。

ロングテール効果とZapierの類似性

ハリソンは、このモデルの能力が向上していくことを確信している。現在のAgentの成功率がどのようなものであったとしても、将来的に改善され続けるだけだと彼は信じている。彼は、MCPの価値は、よく洗練されたAgentと比較することによって評価されるべきではないと強調する。 MCPの本当の価値は、多くのロングテールの接続と統合を可能にする能力である。

Harrison氏は、MCPをZapierと比較している。Zapierは、電子メール、Google Sheets、Slackなどのアプリケーションを接続するもので、ユーザーはそれぞれのアプリケーション用に洗練されたエージェントを開発することなく、無数のワークフローを作成することができる。 MCPを使えば、ユーザーは自分自身のバージョンのZapierを作成することができ、さまざまなパーソナライズされた統合が可能になる。パーソナライズされた統合。

ハリソンは、MCPの位置づけを「高性能な汎用エージェントツールプラットフォーム」から「ロングテールシナリオのためのコネクター」へと巧みにシフトさせた。 Zapierの例えは適切で、MCPの潜在的な用途は、既存のエージェント・ソリューションに取って代わることではなく、むしろ、よりパーソナライズされたロングテールの要件により広い範囲でその価値を活用することであることを指摘している。この考え方の転換により、MCP技術の成熟度に対する要件が実際に軽減され、短期的にはアプリケーションを見つけやすくなる。ロングテール理論はインターネットの分野で繰り返し検証されており、MCPがロングテール需要を取り込むことができれば、成功する可能性も高い。

LangChainツールとの違い

ヌーノ氏は、LangChainにはすでに500のツールライブラリがあるが、生産環境ではあまり使われていないと指摘した。これらのツールはすべて同じプロトコルで実装されており、どのモデルとも互換性があり、自由に交換できる。彼は、MCPの利点は何なのかと疑問を呈した。単に、MCPが "ユニークな形 "をとっていて、ユーザーがローカル端末で多数のサーバーを動かす必要があり、デスクトップ・アプリケーションとしか互換性がないということなのだろうか？これは彼の見解では利点ではなかった。彼は、ZapierがMCPの可能性の上限かもしれないと考えている。

ハリソンによれば、LangChainツールとMCPツールの違いは、LangChainツールが主にAgent開発者向けであるのに対し、MCPは主に以下を対象としている。ふかのうAgentを開発するユーザー。 MCPの目的は、ユーザがコントロールできないAgentにツールを追加する方法を提供することです。加えて、LangChainのツールは開発者に焦点をあてているのに対し、MCPは非開発者が使用するAgentにツールを追加することを可能にします。非開発者は開発者よりはるかに多く、MCPの潜在的な市場です。

ハリソンはまた、現状のMCPの欠点も認めている。しかし、彼はMCPは今後も改善され続けると信じている。彼は、MCPアプリケーションがワンクリックでインストールでき、ローカル端末でサーバーを動かす必要がなく、ウェブアプリケーションからアクセスできる未来を思い描いている。それがMCPの目指すところだ。

ヌーノ氏は、LangChain自身のツール・エコシステムの観点から、MCPの必要性に疑問を投げかけました。 LangChainがすでに多くのツールを提供しているが、十分に活用されていないのであれば、MCPはどのようにこの問題を解決できるのか？ハリソン氏は、ユーザーベースを差別化することで、MCPはLangChainのツールのユーザーとは異なるユーザーをターゲットにしていると主張した。この差別化により、MCP市場をより正確にターゲットとすることができ、既存のツールのエコシステムとの直接的な競合を避けることができる。非開発者 "のグループは確かに非常に大きく、MCPがこのユーザーグループに効果的にサービスを提供できれば、市場の可能性はまだかなりある。

MCPの未来：カスタムGPTとプラグインの類似性

ヌーノは、MCPが現在の誇大広告を正当化するためには、OpenAIのカスタムGPTのようになる必要があるというハリソンの主張を要約する。しかし、カスタムGPTはそれほど普及していない。カスタムGPTに欠けているものは何なのか？

ハリソンはMCPを、かつてOpenAIが立ち上げたが結局は失敗したPluginsのようなものだと考えている。彼はPluginsの経験がぼやけていることを認めながらも、こう考えている：

MCPのエコシステムは、すでにプラグインのエコシステムよりもはるかに大きい。
これらのツールをより有効に活用するために、モデルの能力は大幅に強化された。

ヌーノはMCPエコシステムの規模について懐疑的だ。彼は無作為に見つけたディレクトリの中に、わずか893台のMCPサーバーしか見つけられなかった。彼は、ハリソンがツイッターのタイムライン上でMCPに言及しているツイートの数だけでエコシステムの規模を判断しているのではないかと考えている。

ヌーノは、MCPがAI開発の歴史の脚注にとどまらないためには、次のような改善が必要だと考えている：

複雑性の軽減なぜツーリング・プロトコルはプロンプトとLLM完了の両方を処理する必要があるのですか？
実現の難しさを単純化するサービスツールのプロトコルはなぜ双方向通信が必要なのか？ヌーノは、サーバーのログを受信するだけでは十分な理由にはならないと考えている。
サーバー展開のサポートステートレス・プロトコルは鍵であり、LLMアプリケーションを構築しているからといって、オンライン・スケーリングのベスト・プラクティスを忘れてはならない。サーバーのデプロイメントがサポートされると、認証のような他の問題が出てきます。
品質低下を補う何も知らないエージェントにランダムな道具を入れることは、必然的にクオリティの低下を招くので、それを補う方法を見つける必要がある。

ハリソンは、ヌーノの問いかけに一定のメリットがあることを認め、ツイッターのコミュニティーに質問を投げかけ、MCPは一過性のものだと思うか、それとも未来のスタンダードだと思うかを問う投票を開始した。

要約すると、モデルコンテキストプロトコル（MCP）は、エージェントツールのスケーラビリティに新境地を開こうとする新しい技術である。 MCPはまだ多くの課題に直面しているが、その潜在的な価値と将来の方向性は注目に値する。

ビューポイント

モデル・コンテキスト・プロトコル (MCP）が将来のスタンダードになる可能性は低い。個人的には、MCPの将来については悲観的だ。

MCPが解決しようとしている問題は理にかなっていますが、実際にはあまり効果的ではないかもしれません。 MCPはユーザーがエージェントツールを拡張する手助けをするというハリソン・チェイスの考えは善意であるが、ユーザーはそれを必要としないかもしれない。ユーザーは、独自のツールを追加するよりも、よく開発された製品を使うことを好むかもしれません。

ヌーノ・カンポスの指摘は的を射ている。彼は、ツールとエージェントは効果的に連携する必要があると指摘した。 MCPプロトコルは、この点を十分に考慮していない可能性があり、単にツールを接続するだけでは、エージェントを効果的に利用することはできないかもしれない。現在の大きなモデルでは、ツールの呼び出しという点でまだ限界があり、MCPに効率的なツールプラットフォームの構築を期待するのは楽観的すぎる。

MCPの導入も複雑だ。ローカルでサーバーを動かし、デスクトップアプリケーションに限定すると、ユーザーエクスペリエンスは良くない。 AIアプリケーションはクラウドベースで軽量化される傾向にあるため、MCPが改善されなければユーザーに受け入れられる可能性は低い。

OpenAIのPluginsとCustom GPTの失敗は、プラットフォームを拡張することが簡単ではないことを示している。 MCPはそれを超えようとしているが、プラグインと同じようにすぐに忘れ去られてしまうだろう。

したがって、MCPはAIの発展における短期的な現象に過ぎず、将来的に主流になる可能性は低い。実験的な価値はあるが、ハリソン・チェイスの目標を達成するのは難しい。これに対して、ビッグモデル自体の能力を高めるか、あるいは、より垂直的なエージェントアプリケーションを構築する方が、より現実的で効果的かもしれない。

結局のところ、MCPが成功する可能性は低く、単なる誇大広告だろう。私はMCPの将来について非常に懐疑的だ。 MCPを探求することは有益だが、最終的な成功は考えにくい。