Pythonで自作MCPサーバを作り、複数のAIコーディングエージェントから呼び出してみた

AIコーディングエージェントを使っていると、社内APIの検索、データベース参照、プロジェクト独自の計算、自作ツールの呼び出しなど、外部ツールとの接続が必要になる場面がある。このようなツール連携に使える仕組みが MCP（Model Context Protocol）だ。APIを公開するより簡単で、設定も少なく、Python で小さなサーバを作ることで実現できる。計算ツール一つを例にとれば、AIコーディングエージェントから直接式を計算させることができるようになる。これは見た目より実務的だ。

MCP の実装で大事なのは、便利さだけでなく、安全性の設計である。例えば、AIから渡された文字列を eval で直接実行することは簡単だが、非常に危険だ。任意の Python コードが実行できてしまうからだ。安全な実装では、AST（抽象構文木）で式を解析し、数字と許可した演算子だけを評価する。このようにホワイトリスト方式で対象を限定することで、__import__ などの危険な操作は確実に拒否される。MCPサーバは AI から呼び出されるプログラムであり、ファイル操作やコマンド実行を追加する場合は、対象範囲と権限を必ず制限しなければならない。

中小企業がこれを応用する際の実務含意は大きい。自社のデータベースや計算ロジック、独自ツールを AI から呼び出せるようになれば、AI の有用性が一段階上がる。例えば、社内で使っている複雑な積価計算を AI に任せられれば、見積もり作成の時間が大幅に短縮される。ただし、そこで重要なのは「便利になること」より「安全に任せられること」だ。AI が何にアクセスでき、何ができないのかが明確でなければ、本番環境では使えない。MCP サーバの実装は技術的には簡単だが、自社の資産を AI に委ねるときの境界を明確にすることは、むしろ難しい仕事である。その設計ができてこそ、AI 導入の次のステップに進める。