JAVAでMCP構築

MCP、AIエージェント基本メモ

このページでは、MCP（Modular Component Protocol）とAIエージェントの基本的な仕組みと、 Java 25およびSpring 3.5.4を使ったメモ。

---

MCPとAIでできること

AIが「やりたいこと」を理解し、MCPが外部ツールやサービスを安全かつ標準化された方法で呼び出す役割を担います。 つまり、AIが「頭脳」、MCPが「道具箱への接続規格」として機能します。

具体例

1. ソフトウェア開発の自動化

   • ユーザーが「顧客管理APIを作って」と指示
   • AIエージェントがタスクを分解（コード生成 → テスト → Gitコミット）
   • MCPサーバが各機能を提供
   • 結果：コードが生成され、テストされ、リポジトリに保存される

2. ドキュメント処理・要約

   • ユーザーが「この契約書を要約して」と依頼
   • エージェントが要約タスクを決定
   • MCPサーバがAI要約機能を呼び出し、結果を返す
   • 結果：要約済み文書が提示される

3. データ分析・レポート生成

   • ユーザーが「売上データから月次レポートを作って」と依頼
   • エージェントが「データ取得 → 分析 → グラフ生成 → レポート作成」とタスク分解
   • MCPサーバが各処理を提供
   • 結果：自動生成されたレポートが完成

4. 業務フローの自動化

   • ユーザーが「毎週の会議資料をまとめてメール送信して」と依頼
   • エージェントが「資料生成 → PDF化 → メール送信」と段取り
   • MCPサーバが各機能を提供
   • 結果：会議資料が自動作成・送信される

     ---

     システム構成と起動手順

     使用技術

   • Java 25
   • Spring Framework 3.5.4

     起動順序

5. MCPサーバを起動

6. MCPクライアントを起動

@Override
public void run(String... args) throws Exception {
    ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();
    System.out.println("取得したツール数: " + (toolCallbacks == null ? 0 : toolCallbacks.length));
}

メッセージ送受信例

• URL: http://localhost:8080/api/generate?prompt=明日の天気は？
• メッセージ送信：「明日の天気は？」
• 返答例：「天気予報では、現時点での天気を詳細に示す機能もあるようです。現在の天気は『曇り』です。」

---

処理の流れ

1. MCPサーバ起動
2. MCPクライアント起動
3. APIでメッセージ受信
4. LLMがMCPサーバの機能を選定
5. 選定機能をMCPサーバで実行
6. 実行結果を受け取る
7. 結果をLLMで返答文に変換
8. 返答を送信元に返却

---

MCPサーバ側のツール登録例

@Tool(description = "与えられた場所の天気の情報を取得します。")
public String getWeather(String place) {
    Objects.requireNonNull(place, "place must not be null");
    var weathers = List.of("晴れ", "晴れ", "雨", "曇り", "曇り", "雪");
    return weathers.get(ThreadLocalRandom.current().nextInt(weathers.size()));
}

@Tool(description = "現在時刻を返します")
public String getTime() {
    return LocalDateTime.now().toString();
}

---

MCPクライアント起動時のツール取得例

@Component
public class McpClientRunner implements CommandLineRunner {

    private final AsyncMcpToolCallbackProvider toolCallbackProvider;

    public McpClientRunner(AsyncMcpToolCallbackProvider toolCallbackProvider) {
        this.toolCallbackProvider = toolCallbackProvider;
    }

    @Override
    public void run(String... args) throws Exception {
        ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();
        System.out.println("取得したツール数: " + (toolCallbacks == null ? 0 : toolCallbacks.length));
    }
}

---

メッセージ受信からツール選択・実行までの流れ

String userp = "あなたはツール選択エージェントです。以下のツール一覧から、ユーザーの質問に最も適したツール名を1つだけ返してください。 "
    + toolList.getToolList()
    + "ユーザー入力:"
    + prompt
    + " 最も適したツール名を1つだけ返してください。 ";

String result = webClient.post()
    .uri("/chat/completions")
    .bodyValue(Map.of(
        "model", "ai/llama3.2",
        "messages", List.of(Map.of("role", "user", "content", userp))
    ))
    .retrieve()
    .bodyToMono(String.class)
    .block();

public String callWeatherTool() {
    ToolCallback[] toolCallbacks = toolCallbackProvider.getToolCallbacks();
    if (toolCallbacks == null || toolCallbacks.length == 0) {
        System.out.println("ツールが登録されていません。設定を確認してください。");
        return "";
    }

    for (ToolCallback callback : toolCallbacks) {
        if ("getWeather".equalsIgnoreCase(callback.getToolDefinition().name())) {
            try {
                Map<String, Object> args = new HashMap<>();
                args.put("place", "Tokyo");
                String jsonArgs = new ObjectMapper().writeValueAsString(args);
                String result = callback.call(jsonArgs);
                System.out.println("WeatherTool 呼び出し結果: " + result);
                return result;
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }
    return "";
}

---

実行結果をLLMに渡して自然言語応答を生成

ObjectMapper mapper = new ObjectMapper();
JsonNode root = mapper.readTree(weatherClient.callWeatherTool());
String weatherRaw = root.get(0).path("text").asText();
String weather = weatherRaw.replace("\"", "");

String toolResponse =
    "ツールから「" + weather + "」という天気情報が返ってきました。" +
    "これをユーザーに伝える自然な日本語の文章にしてください。説明文は不要です。";

String result2 = webClient.post()
    .uri("/chat/completions")
    .bodyValue(Map.of(
        "model", "ai/llama3.2",
        "messages", List.of(Map.of("role", "user", "content", toolResponse))
    ))
    .retrieve()
    .bodyToMono(String.class)
    .block();

---