技術の進歩は急速であり、ここでお話しする内容はあくまで現時点（2025年4月18日）のものです。
Model Context Protocol（MCP）は、大規模言語モデル（LLM）をさまざまなデータソースやツールに接続するための標準化されたプロトコルです。
LLMに対して独自のツールや機能を提供し、AIアシスタントの能力を大幅に拡張することができます。
詳しい説明は稔さんのスライドをご参照してください、マジでわかりやすいです
現在、多くのMCPサーバーはユーザーがローカル環境にインストールする必要があります。
これにより、特定の環境構築が求められるだけでなく、Webクライアントでの利用が困難です。
さらに、もしサービスとして展開する場合、権限管理が複雑になり、ユーザーの行動を把握しにくいという課題もあります。
ここでいくつかリモートMCPサーバー構築する方法を紹介します。
先月、AWSがMCPサーバーのリポジトリを公開し、
その中にLambdaを使用したMCPサーバーの実装が含まれています。
AWS環境を普段から利用されている方であれば、非常に簡単に始められます。
下記のようなシンプルなLambda関数をデプロイします。
この関数は、パラメータの掛け算を行うシンプルなツールです。
index.py
import json
def lambda_handler(event, context):
try:
num1 = event.get('num1')
num2 = event.get('num2')
# Validate input
if num1 is None or num2 is None:
return {
'statusCode': 400,
'body': json.dumps({
'error': 'Missing required parameters. Please provide both "num1" and "num2".'
})
}
# Convert to numbers if they are strings
if isinstance(num1, str):
num1 = float(num1)
if isinstance(num2, str):
num2 = float(num2)
# Calculate the sum
result = num1 + num2
# Return the result
return {
'statusCode': 200,
'body': json.dumps({
'num1': num1,
'num2': num2,
'sum': result
})
}
except Exception as e:
# Handle any errors
return {
'statusCode': 500,
'body': json.dumps({
'error': str(e)
})
}
関数名をmcp-add-toolにして、デプロイ先を東京リージョン（ap-northeast-1）にします。
実装はとてもシンプルなので、以下の手順で簡単に作成できます：
1.AWSコンソールからLambda関数の「一から作成」を選択
2.ランタイムは最新のPythonバージョンを選択
3.「関数の作成」ボタンをクリック
4.エディタに上記のコードを貼り付け
5.「デプロイ」をクリック
これだけで完了です。
Claude Desktopの設定を編集します。
claude_desktop_config.json
{
"mcpServers": {
"awslabs.lambda-mcp-server": {
"command": "uvx",
"args": ["awslabs.lambda-mcp-server@latest"],
"env": {
"AWS_PROFILE": "you_profile",
"AWS_REGION": "ap-northeast-1",
"FUNCTION_PREFIX": "", # 使用できる関数のプレフィックスを指定するに使えます
"FUNCTION_LIST": "mcp-add-tool",
"FUNCTION_TAG_KEY": "", # 特定のタグを指定できます
"FUNCTION_TAG_VALUE": "" # タグ指定と一緒に使えます
}
},
}
}
今回の関数はタグやプレフィックスを付与していないため、FUNCTION_LISTには関数名のみを指定するだけで構いません。
設定の編集が完了したら、Claude Desktopを再起動するだけで新しいツールを利用できるようになります。
Cloudflareワーカーを使ってMCPサーバーを実装する方法とサンプルコードを紹介します。
MCPサーバーについては公式ブログで詳しく解説されています：
実装は非常に簡単です。公式のテンプレートを使ってプロジェクトを初期化しましょう。
npm create cloudflare@latest -- mcp-server-bearer-auth --template=cloudflare/ai/demos/mcp-server-bearer-auth
または、以下のリポジトリをローカルにクローンすることもできます。
デプロイに必要なKVネームスペースを作成します。
cd mcp-server-bearer-auth
wrangler kv namespace create {任意のnamespace}
コマンド実行後、以下のような出力が表示されます：
🌀 Creating namespace with title "worker-mcp-server-bearer-auth"
✨ Success!
Add the following to your configuration file in your kv_namespaces array:
[[kv_namespaces]]
binding = "mcp_server_bearer_auth"
id = "you-id"
表示されたidの値をコピーして、wrangler.jsoncのOAUTH_KVのidを置き換えます。
wrangler.jsonc
"kv_namespaces": [
{
"binding": "OAUTH_KV",
"id": "{you-id}"
}
]
このサンプルコードには、次の2つのツールが実装されています：
ローカルサーバーを起動してみましょう。
npm run dev
...
⎔ Starting local server...
[wrangler:inf] Ready on http://localhost:8788
Claude Desktopから接続するために、設定ファイルを修正します。
claude_desktop_config.json
{
"mcpServers": {
"example-local": {
"command": "npx",
"args": [
"mcp-remote",
"http://localhost:8788/sse",
"--header",
"Authorization: Bearer token123"
]
}
}
}
Claude Desktopを再起動すると、2つのツールが接続されていることが確認できます。
トークンを確認してみましょう。claude_desktop_config.jsonに設定したBearer tokenが正しく取得できています。
次にCloudflareにデプロイします。
デプロイ前にCloudflareアカウントを作成しておくことをお勧めします。クレジットカード登録不要で、無料枠も十分使えるのでとても便利です。
npm run deploy
> remote-mcp-server-bearer-auth@0.0.0 deploy
> wrangler deploy
⛅️ wrangler 4.11.0 (update available 4.12.0)
-------------------------------------------------------
Total Upload: 449.28 KiB / gzip: 87.24 KiB
Worker Startup Time: 38 ms
Your worker has access to the following bindings:
- Durable Objects:
- MCP_OBJECT: MyMCP
- KV Namespaces:
- OAUTH_KV: you-token
- AI:
- Name: AI
Uploaded mcp-server-bearer-auth (3.73 sec)
Deployed mcp-server-bearer-auth triggers (0.96 sec)
https://{you-domain}.workers.dev
デプロイが完了したら、発行されたworkers.devで終わるURLを使って設定ファイルを更新します。
区別しやすいように、トークンも変更しておきましょう。
claude_desktop_config.json
{
"mcpServers": {
"example-local": {
"command": "npx",
"args": [
"mcp-remote",
"https://{you-domain}.workers.dev/sse",
"--header",
"Authorization: Bearer remoto123"
]
}
}
}
Claude Desktopを再起動し、トークンを確認してみましょう。
いい感じに最新のトークンを教えてくれました。
サーバー側でトークンを取得できるため、権限管理などの追加実装も可能です。
トークン認証のMCPサーバーと全体の構成と近いですが、OAuth認証プロバイダー追加することで、自前で認証システム構築する手間が省けます、こちらの記事でも紹介してます。
任意のディレクトリでアプリを初期化します。
npm create cloudflare@latest -- my-mcp-server-github-auth --template=cloudflare/ai/demos/remote-mcp-github-oauth
初期化プロセス中に質問されますが、下記のよに回答しましょう。
You’re in an existing git repository. Do you want to use git for version control?
Do you want to deploy your application?
初期化完了したら、リポジトリに入って、OAUTH_KVを作ります。
cd my-mcp-server-github-auth
wrangler kv namespace create "test-remoto-mcp(任意)"
実行したら、Cloudflareの認証画面が開かれます、事前にアカウント作っておくことをおすすめです。
Cloudflareはクレジットカードの登録なしでアカウントを作成でき、無料プランでも十分な機能が提供されているため、気軽に利用を始めることができます。
🌀 Creating namespace with title "worker-test-remoto-mcp"
✨ Success!
Add the following to your configuration file in your kv_namespaces array:
[[kv_namespaces]]
binding = "test_remoto_mcp"
id = "xxxxxxxxx"
実行完了したら、できた値(id)をリポジトリ配下のwrangler.jsoncのOAUTH_KVに書き換えます。
wrangler.jsonc
"kv_namespaces": [
{
"binding": "OAUTH_KV",
+ "id": "{OAUTH_KV}"
}
]
ここまでできたら一度デプロイしましょう。
デプロイ完了したら、Cloudflareワーカーのurlが表示されます、https://your-worker-name.your-account.workers.dev
それをコピーしておいてください、後でまた使います。
GitHubにログインして、Settings -> Developer Settings -> New OAuth App
Application name
覚えやすい名前を入力しましょう。
Homepage URL
先コピーしたCloudflareワーカーのurlを入力しましょう、https://your-worker-name.your-account.workers.dev。
Authorization callback URL
Cloudflareワーカーのurl+/callback, https://your-worker-name.your-account.workers.dev/callback。
完了したら、クライアントIDとクライアントシークレットが発行されます、
それらをWorkerのシークレットとして追加します。
namespaceに入る値はOAUTH_KVを作った際に使った値になります。
wrangler secret put GITHUB_CLIENT_ID --name {namespace}
wrangler secret put GITHUB_CLIENT_SECRET --name {namespace}
最後、COOKIE_ENCRYPTION_KEYの値も作ります。
できた値をメモして、次のコマンド実行後、入力します。
wrangler secret put COOKIE_ENCRYPTION_KEY --name {namespace}
ここまででセットアップは完了しました、実際の動作を確認してみましょう。
Workers AI LLM Playgroundを開いてください。
MCP Servers URLに Cloudflareワーカーのurl+/sseを入力しましょう、https://your-worker-name.your-account.workers.dev/sse。
Connectを押すと、認証画面にリダイレクトされます。
接続完了したら、デフォルトで実装されてるaddツールを呼び出してみます。
環境変数のセットやデプロイが完了していれば、問題なく呼び出せるはずです。
簡易的なGitHubリポジトリのREADME.mdの内容を取得するツールを作ります、addツールの下に下記のコードを追記します。
src/index.ts
...
this.server.tool(
'getGithubReadme',
'GitHubリポジトリのREADMEファイルを取得する',
{ repositoryUrl: z.string() },
async ({ repositoryUrl }) => {
try {
// repositoryUrlからオーナー名とリポジトリ名を抽出
const urlParts = repositoryUrl.replace('https://github.com/', '').split('/')
const owner = urlParts[0]
const repo = urlParts[1]
// READMEのraw URLを構築
const readmeUrl = `https://raw.githubusercontent.com/${owner}/${repo}/refs/heads/main/README.md`
// READMEの内容を取得
const response = await fetch(readmeUrl)
if (!response.ok) {
throw new Error(`README取得エラー: ${response.status} ${response.statusText}`)
}
const readmeContent = await response.text()
return {
content: [
{
type: 'text',
text: readmeContent,
},
],
}
} catch (error) {
return {
content: [
{
type: 'text',
text: `エラーが発生しました: ${error.message}`,
},
],
}
}
},
)
このツールはユーザーからGithubリポジトリのurl渡された際に、そのリポジトリにあるREADME.mdの中身を返すだけのシンプルなツールです。
修正完了したら、再度デプロイします。
Workers AI LLM Playgroundを使って検証してみよう。
同じくLangfuseとの連携の話を聞いてみます。
それぽい結果が返ってきました
Claude Desktopで利用する場合、下記のようにconfigファイルを修正すればいいです。
claude_desktop_config.json
{
"mcpServers": {
"math": {
"command": "npx",
"args": [
"mcp-remote",
"https://your-worker-name.your-account.workers.dev/sse"
],
"timeout": 10
}
}
}
その他の方法を確認次第、追加で更新する予定です
Be the first to comment
