MCPのケイパビリティ

MCPサーバーがクライアントに提供できる機能は、Tools・Resources・Promptsの3種類です。それぞれ「誰が呼び出しを制御するか」「副作用があるか」「どんなデータを扱うか」という点で異なります。

対象読者: MCPのアーキテクチャを理解している方

学習時間の目安: 読了 20分

前提知識: MCPのアーキテクチャを読んでいること

3種類のケイパビリティ概要

種類	日本語訳	制御者	副作用	主な用途
Tools	ツール	AIモデル（自律的）	あり	処理の実行・外部APIの呼び出し
Resources	リソース	アプリケーション（Host）	なし	読み取り専用データの提供
Prompts	プロンプト	ユーザー・開発者	なし	プロンプトテンプレートの管理

Tools（ツール）

Toolsとは、AIモデルの代わりに何かを実行する関数です。処理・計算・外部APIへのリクエストなど、副作用を伴う操作を行います。

Toolsの特徴

AIモデルが自律的に呼び出しを決定する（モデル主導）
効果・副作用を伴う処理や計算を行う
実行前にユーザーの許可を求める仕組みが推奨される

Toolsの動作例：天気取得ツール

ユーザーが「東京の天気は？」と尋ねると、以下の流れになります。

LLMが「天気を調べるには get_weather ツールを呼び出す必要がある」と判断
MCPクライアントが get_weather(location="Tokyo") をサーバーに送信
サーバーが天気APIを呼び出し、結果をJSON形式で返す
LLMが結果を元に「東京は18度で晴れです」と回答を生成

// ツール呼び出しのリクエスト例
{
  "name": "get_weather",
  "arguments": {
    "location": "Tokyo"
  }
}

// サーバーからのレスポンス例
{
  "temperature": 18,
  "condition": "晴れ",
  "humidity": 55
}

Toolsのセキュリティ

Toolsは外部に作用する操作（ファイルの書き込み・メールの送信・APIへのリクエストなど）を伴います。そのため、Claude DesktopなどのHostは「このツールを使っていいですか？」とユーザーに確認を求める設計になっています。

ユーザーの許可が必要な操作の例

ファイルの作成・更新・削除
メールやメッセージの送信
外部APIへのデータ送信
データベースへの書き込み

Resources（リソース）

Resourcesとは、AIモデルに読み取り専用のデータを提供する仕組みです。データベースやナレッジベースのような役割を果たし、副作用がない点が特徴です。

Resourcesの特徴

アプリケーション（Host）が制御する（AIモデルが自律的にアクセスしない）
読み取り専用のデータ提供（副作用なし）
URIで識別される（file://・https://・db:// など）
プライバシー面での安全性が高い

Resourcesの動作例：ファイル読み込み

URI例: file:///Users/user/documents/report.pdf

// Resourceのメタデータ
{
  "uri": "file:///Users/user/documents/report.pdf",
  "name": "四半期報告書",
  "mimeType": "application/pdf"
}

Hostアプリケーションが「このファイルの内容をコンテキストに含める」と判断した場合に、ResourceをAIモデルのコンテキストに追加します。

ToolsとResourcesの違い

比較項目	Tools	Resources
制御者	AIモデル（自律的）	アプリケーション（Host）
副作用	あり（書き込み・送信など）	なし（読み取りのみ）
セキュリティ	ユーザー許可が推奨	比較的安全
実行タイミング	LLMが必要と判断したとき	Hostが必要と判断したとき

Prompts（プロンプト）

Promptsとは、MCPサーバーが管理する事前定義されたプロンプトテンプレートまたは会話フローです。AIの動作を誘導する定型指示や会話例を、サーバー側で一元管理できます。

Promptsの特徴

ユーザーまたは開発者が制御する（AIモデルが自律的に選ばない）
サーバー側で管理されるため、クライアントアプリを変更せずに更新できる
引数（パラメータ）を受け取り、動的なプロンプトを生成できる
再利用可能なプロンプトパターンを標準化できる

Promptsの動作例：コードレビューテンプレート

// プロンプトの定義例
{
  "name": "code_review",
  "description": "コードレビュー用のプロンプトテンプレート",
  "arguments": [
    {
      "name": "language",
      "description": "プログラミング言語",
      "required": true
    },
    {
      "name": "focus",
      "description": "レビューの重点（security/performance/readability）",
      "required": false
    }
  ]
}

ユーザーが code_review テンプレートを選択し、language=Python を指定すると、サーバーがそのパラメータを反映した具体的なプロンプトを生成して返します。

Promptsのメリット

Promptsをサーバー側で管理することで、以下のメリットがあります。

一元管理: プロンプトの改善をサーバー側で行い、クライアントは自動的に最新版を使用
再利用性: チーム内で同じプロンプトテンプレートを共有できる
バージョン管理: プロンプトの変更履歴をサーバーで管理できる

3種類の使い分け

適切な種類を選ぶ判断基準を示します。

graph TD
    A[提供したい機能は？] --> B{副作用がある？}
    B -->|はい\n例：ファイル書き込み・API送信| C[Tools]
    B -->|いいえ| D{AIが自律的に\n利用する？}
    D -->|はい| E[Tools\n※副作用なしでも\nモデル主導ならTools]
    D -->|いいえ| F{データ提供か\nプロンプトか？}
    F -->|データ提供| G[Resources]
    F -->|プロンプト\nテンプレート| H[Prompts]

実際のシナリオ別の選択例

シナリオ	適切な種類	理由
天気情報の取得	Tools	AIが自律的に呼び出し、外部APIにアクセス
ドキュメントファイルの参照	Resources	読み取り専用、Host側で制御
コードレビュープロンプト	Prompts	再利用可能なテンプレート、ユーザーが選択
メールの送信	Tools	副作用あり、ユーザー許可が必要
データベースの読み取り	Resources	副作用なし、データの参照のみ
プロジェクト固有の指示	Prompts	開発チームが定義した定型フロー

まとめ

Tools: AIモデルが自律的に呼び出す「実行関数」。副作用を伴うためセキュリティ管理が重要
Resources: 読み取り専用のデータ提供。Hostが制御し、副作用がないため安全性が高い
Prompts: サーバー側で管理するプロンプトテンプレート。クライアントを変更せずに更新可能

次のステップ

MCPとは — MCPの概要・定義に戻る
なぜMCPが必要か — M×N統合問題の解説
MCPのアーキテクチャ — Host・Client・Serverの3層構造

よくある質問

Q: ToolsとFunctions（関数呼び出し）は同じものですか？

A: 概念は似ていますが、異なります。Function Calling（関数呼び出し）はOpenAI等が提供するLLM固有の機能で、AIが関数シグネチャを解釈して引数を生成します。ToolsはMCPプロトコルにおける概念で、Function Callingを含むより広い仕組みです。MCPのToolsは、内部的にFunction Callingを使って実装されることがあります。

Q: ResourcesとRAG（Retrieval-Augmented Generation）の違いは何ですか？

A: RAG（検索拡張生成）は、外部のドキュメントを検索してAIのコンテキストに追加する手法です。ResourcesはRAGを実現するための一つの仕組みとして使えますが、ResourcesはRAGに限定されません。Resourcesは任意の読み取り専用データ（ファイル・データベース・API結果など）を提供できます。

Q: 1つのMCPサーバーがTools・Resources・Promptsをすべて提供できますか？

A: はい、1つのMCPサーバーが3種類すべてを提供することができます。たとえば、GitHubのMCPサーバーは、リポジトリ情報をResourcesとして、ファイル作成をToolsとして、PR作成テンプレートをPromptsとして提供することができます。

参考資料

このページへのリンク（英語）: MCP Capabilities