|
| **外部システム** | データベース、API、Git、ファイルシステムなど、現実世界のさまざまなリソース |
### MCP の動作フロー図
このようなフローを通じて、LLM は統一された言語で外部のさまざまなプログラムと連携できるようになり、本来は人手で操作する必要があった作業をあなたに代わって完了させてくれます。
### MCP の活用事例
#### 事例 1：MCP を通じた Google Drive ファイルの整理—ドキュメントの検索と要約
自然言語で LLM にタスク内容を伝えます。
> Google Drive 内の『2024 年度予算』に関するすべてのドキュメントを探し出し、要約レポートにまとめてください
LLM はあなたのニーズに基づいて、呼び出すべき MCP ツール（例： `search_files` ツール）を自動的に判断します。
**MCP の動作フロー：**
**AI が実際に実行する動作：**
1. 🔍 「2024 年度予算」というキーワードを含むドキュメントを検索します
2. 📄 見つかった 5 件のドキュメントの内容を読み取ります
3. 🧠 各ドキュメントの要点を分析します
4. 📊 統合した要約レポートを生成します
5. 💡 予算分析の提案を行います
**ユーザーが得られる結果：**
```
関連ドキュメントを 5 件見つけました:
1. 【2024年度予算提案.docx】
- 総予算: 50,000,000 円
- 主要項目: 人件費 60%、運営コスト 25%、研究開発 15%
2. 【Q1予算執行レポート.xlsx】
- 執行率: 92%
- 超過項目: マーケティング費用 +8%
3. 【予算修正案_v2.pdf】
- 調整提案: 研究開発予算を 10% 増額
... (その他のドキュメントの要約)
```
***
#### 事例 2：MCP を通じた Google Sheet・Slack の連携—スケジュールによる週次レポートの自動生成とグループへの送信
LLM は MCP を通じて複数の外部サービスツールを連携させることができます。フローは下図のとおりです。
スケジュール機能により、毎週同じクエリタスクの内容を LLM に実行させます。
LLM はあなたのニーズに基づいて、呼び出すべき MCP ツール（例： `search_sheet` 、`query_sheet` ツール）を自動的に判断します。
AI アシスタントの週次処理フロー：
1. 🔍 「売上データ」スプレッドシートを検索します
2. 📄 スプレッドシートの数値内容を読み取ります
3. 📊 ニーズに応じて、平均売上や前年同期比の成長率など、統合した要約レポートを生成します
4. 💡 集計結果を Slack チャンネルに自動送信します
***
## MCP のコアバリュー
#### 🧠 **LLM が知性を提供**
* 自然言語の理解
* 推論と意思決定
* 知識の統合
* 創造的な生成
* 異常検知
* 予測分析
#### 📡 **MCP が能力を提供**
* さまざまなツールへの接続
* 実際の操作の実行
* システム横断的な統合
* 安全で信頼性が高い
* 標準化された通信
LLM とツールが協働することで、LLM は「話すだけ」から「仕事をこなす」へと進化し、理解・思考・実行ができる万能なワークパートナーになります。
***
## **MaiAgent MCP 統合の強み**
### **複数のネットワークプロトコルに対応**
MaiAgent MCP は複数のネットワークプロトコルへの対応を提供し、さまざまな利用シーンにおいて効率的かつ安定した通信接続を実現します。柔軟なプロトコル選択メカニズムにより、システムは実際のニーズに応じて最も適した転送方式を自動的に選択し、企業に最適な統合体験を提供します。
| プロトコル名 | 通信方向 | 接続タイプ | MaiAgent 対応可否 |
| ---------------------- | ----------------------- | ----------------- | ------------- |
| **標準 HTTP/HTTPS** | 双方向（リクエスト/レスポンス） | 短時間接続 | ✅ |
| **Streamable HTTP** | 双方向 | 長短どちらも可 | ✅ |
| **WebSocket (WS/WSS)** | 双方向ストリーミング | 長時間接続（持続的） | ✅ |
| **SSE** | 単方向ストリーミング（サーバー→クライアント） | 長時間接続 | ✅ |
| **Unix Domain Socket** | 双方向 | 長時間接続（ローカル） | ✅ |
| **Named Pipe** | 双方向 | 長時間接続（ローカル） | ❌ |
| **Stdio** | 双方向 | 持続的（プロセスのライフサイクル） | ❌ |
### グラフィカルインターフェースによる迅速な統合
MaiAgent は直感的なグラフィカルインターフェースを提供しており、コードを記述することなく MCP ツールを迅速に統合できます。グラフィカルインターフェースには環境変数やパラメータ欄が用意されているため、必要なパラメータ設定を直接入力するだけで、システムが自動的に読み取って MCP ツールに適用します。
{% hint style="info" %}
MCP ツールの作成方法については、こちらをご参照ください：[ユーザーマニュアル—MCP ツールの作成](https://docs.maiagent.ai/tools/setup)
{% endhint %}
以上の MaiAgent が提供するサービスにより、企業内で必要なプロトコルを自由に選択し、MaiAgent のシステムに迅速に統合できます。MaiAgent のシステム全体のサービスを通じて、あなた専用のスマート AI アシスタントを構築しましょう。
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.maiagent.ai/tech/maiagent-tech-ja/advanced-genai-tech/mcp-model-context-protocol.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.