私が使用するMCPサーバーツールキット完全ガイド

MCPとは何か

MCP(Model Context Protocol)は、AIアシスタントが外部ツールやサービスと通信するための標準プロトコルです。簡単に言えば、AIが「目」と「手」を得るための仕組みです。

なぜMCPが重要か

従来のAIコーディングアシスタントには根本的な限界がありました:

コードは生成できるが実行できない
ドキュメントは読めるがブラウザは操作できない
提案はできるがデータは測定できない

MCPサーバーを接続すると、AIは実際のツールを直接使用できます。私のClaude Codeには現在7つのMCPサーバーが設定されており、これらが開発生産性を根本的に変えています。

私が使用するMCPサーバー

2.1 Serena（コード分析）

役割: セマンティックコード分析、LSPベースのシンボル探索

SerenaはLanguage Server Protocol(LSP)を活用してコードベースを意味的に分析します。単純なテキスト検索ではなく、関数定義、参照、型情報を正確に把握します。

使用理由:

トークン節約: ファイル全体を読む代わりに必要なシンボルだけを取得
正確なナビゲーション: “find all references”のような操作が可能
大規模コードベース対応: 数万行のプロジェクトでも高速

設定例:

{
  "serena": {
    "command": "npx",
    "args": [
      "-y",
      "@anthropics/serena-mcp@latest",
      "/path/to/project"
    ],
    "env": {
      "SERENA_DEFAULT_MAX_TOKENS": "10000"
    }
  }
}

実際の活用:

"ProductServiceクラスのすべてのメソッドを見せて"
→ Serenaがクラス定義と全メソッドを正確に抽出

"calculateTotal関数を呼び出しているすべての場所を見つけて"
→ 全コードベースから参照箇所を特定

2.2 Context7（ドキュメント検索）

役割: 最新ライブラリドキュメント検索

Context7は最新のライブラリドキュメントをリアルタイムで検索し、AIに提供します。AIの学習データは過去のある時点で固定されているため、最新のAPI変更を知りません。

使用理由:

Hallucination防止: AIが古いAPIや存在しないAPIを提案するのを防ぐ
最新情報: 2025年の最新ドキュメントにアクセス
正確なコード例: 公式ドキュメントのサンプルコードを取得

設定例:

{
  "context7": {
    "command": "npx",
    "args": ["-y", "@context7/mcp-server"]
  }
}

“use context7”の使い方:

"use context7 Astro 5.0のContent Collections APIについて教えて"
→ Context7が最新ドキュメントを検索して提供

"use context7 Next.js 15のApp RouterでのServer Actions使用法"
→ 2025年最新の公式ガイドを取得

プロンプトに”use context7”を追加するだけで、AIは自動的にドキュメント検索を実行します。

2.3 Sequential Thinking（問題解決）

役割: ステップバイステップの思考プロセス

Sequential Thinkingは複雑な問題を段階的に分解し、各ステップで仮説を生成・検証します。「考える」プロセスを明示化することで、より正確な解決策を導きます。

使用理由:

複雑な問題の分解: 多段階の問題を管理可能な単位に分割
仮説検証: 各ステップで仮説を立て、検証
思考の可視化: AIの推論過程を確認できる

設定例 (Docker実行):

{
  "sequentialthinking": {
    "command": "docker",
    "args": [
      "run",
      "-i",
      "--rm",
      "mcp/sequentialthinking"
    ]
  }
}

活用シナリオ:

"このアプリケーションのパフォーマンスが遅い原因を分析して"

→ Sequential Thinking実行:
Thought 1: まずボトルネックの種類を特定...
Thought 2: CPUバウンドかI/Oバウンドか確認...
Thought 3: データベースクエリを調査...
Thought 4: N+1問題を発見、仮説検証中...
Thought 5: 解決策として eager loading を提案...

2.4 Chrome DevTools MCP（パフォーマンス分析）

役割: ブラウザパフォーマンストレース、ネットワーク分析

Chrome DevTools MCPは実際のChromeブラウザを制御し、パフォーマンスデータを測定します。AIが推測ではなく実データに基づいて最適化を提案できます。

使用理由:

Core Web Vitals測定: LCP、CLS、INP、TBT、TTFBを自動測定
リアルタイムデバッグ: コンソールログ、ネットワークリクエスト監視
デバイスエミュレーション: モバイル環境をシミュレート

設定例:

{
  "chrome-devtools": {
    "command": "npx",
    "args": [
      "-y",
      "chrome-devtools-mcp@latest",
      "--isolated=true"
    ]
  }
}

主な使用場面:

"localhost:4321のパフォーマンスを測定して問題点を教えて"

→ AIがブラウザを起動
→ ページをロードしてトレース記録
→ Core Web Vitals分析
→ ボトルネック特定と解決策提案

2.5 Playwright MCP（ブラウザ自動化）

役割: クロスブラウザテスト、スクリーンショット、E2E自動化

Playwright MCPはブラウザを自動操作してテストを実行します。フォーム入力、クリック、ナビゲーションなどを自動化できます。

使用理由:

E2Eテスト自動化: ユーザーフローを自動テスト
スクリーンショット取得: UI変更の視覚的確認
クロスブラウザ対応: Chromium、Firefox、WebKit

設定例:

{
  "playwright": {
    "command": "npx",
    "args": ["-y", "@anthropic/playwright-mcp"]
  }
}

Chrome DevToolsとの違い:

機能	Chrome DevTools MCP	Playwright MCP
主目的	パフォーマンス分析	機能テスト自動化
ブラウザ	Chrome専用	マルチブラウザ
測定	Core Web Vitals	機能検証
操作	閲覧と分析	クリック、入力、ナビゲーション

活用シナリオ:

"ログインフローをテストして、成功したらスクリーンショットを撮って"

→ ログインページに移動
→ フォーム入力
→ ログインボタンクリック
→ 結果確認とスクリーンショット保存

2.6 Gemini CLI MCP（AI検索/分析）

役割: Google Search、ファイル分析、会話

Gemini CLI MCPはGoogleのGemini AIを活用した検索と分析を提供します。1Mトークンのコンテキストウィンドウでマルチモーダル分析が可能です。

使用理由:

大容量コンテキスト: 100万トークンまでのファイル分析
マルチモーダル: 画像、PDF、動画の分析
Google検索連携: 最新情報へのアクセス

設定例:

{
  "gemini-cli": {
    "command": "npx",
    "args": ["-y", "gemini-cli-mcp"]
  }
}

主な機能:

// Google検索
googleSearch({ query: "Astro 5.0 新機能 2025" })

// ファイル分析
analyzeFile({
  filePath: "/path/to/large-document.pdf",
  prompt: "このドキュメントの要点をまとめて"
})

// 会話
chat({
  prompt: "このエラーメッセージの原因は?"
})

2.7 Gemini Google Search

役割: Web検索専用

Gemini Google SearchはWeb検索に特化したMCPサーバーです。Gemini APIのGrounding機能を使って最新情報を検索します。

使用理由:

シンプルな検索: 検索専用で軽量
最新情報: リアルタイムのWeb情報

設定例:

{
  "gemini-google-search": {
    "command": "npx",
    "args": ["-y", "gemini-google-search-mcp"],
    "env": {
      "GEMINI_API_KEY": "your-api-key"
    }
  }
}

実際の設定例

以下は私が使用している完全なMCPサーバー設定です(機密情報はマスク):

{
  "mcpServers": {
    "serena": {
      "command": "npx",
      "args": [
        "-y",
        "@anthropics/serena-mcp@latest",
        "/Users/username/workspace/project"
      ],
      "env": {
        "SERENA_DEFAULT_MAX_TOKENS": "10000"
      }
    },
    "context7": {
      "command": "npx",
      "args": ["-y", "@context7/mcp-server"]
    },
    "sequentialthinking": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp/sequentialthinking"
      ]
    },
    "chrome-devtools": {
      "command": "npx",
      "args": [
        "-y",
        "chrome-devtools-mcp@latest",
        "--isolated=true"
      ]
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@anthropic/playwright-mcp"]
    },
    "gemini-cli": {
      "command": "npx",
      "args": ["-y", "gemini-cli-mcp"]
    },
    "gemini-google-search": {
      "command": "npx",
      "args": ["-y", "gemini-google-search-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-api-key-here"
      }
    }
  }
}

組み合わせ活用事例

コード分析 + ドキュメント検索

新しいライブラリを既存コードに統合する場合:

1. Serenaで現在のコード構造を分析
   "UserServiceクラスの認証関連メソッドを見せて"

2. Context7で新ライブラリの使用法を検索
   "use context7 NextAuth.js v5のセッション管理"

3. 統合コードを生成
   "上記の情報を基にNextAuth.jsを統合して"

ブラウザテスト + パフォーマンス分析

新機能のデプロイ前検証:

1. Playwrightで機能テスト
   "新しいチェックアウトフローをテストして"

2. Chrome DevToolsでパフォーマンス測定
   "チェックアウトページのCore Web Vitalsを測定して"

3. 問題があれば修正して再テスト
   "LCPが遅い原因を特定して解決して"

複雑な問題解決ワークフロー

本番環境のパフォーマンス問題を診断する場合:

1. Sequential Thinkingで問題を分解
   "ユーザーがレポートした遅延の原因を段階的に分析して"

2. Gemini Searchで類似事例を調査
   "React hydration performance issue 2025"

3. Context7で公式解決策を確認
   "use context7 React 19のStreaming SSR最適化"

4. Serenaでコードを分析
   "ReportComponentの子コンポーネント構造を見せて"

5. Chrome DevToolsで測定と検証
   "修正前後のTBTを比較して"

結論

MCPサーバーはAIコーディングアシスタントを真の開発パートナーに変えます。

導入効果

分野	改善効果
コード理解	大規模コードベースの把握時間が70%短縮
ドキュメント参照	Hallucination問題が90%減少
デバッグ	問題特定時間が60%短縮
テスト	E2Eテスト作成時間が80%短縮

推奨開始サーバー

MCPサーバーを初めて導入する場合、以下の順序をお勧めします:

Context7 - 設定が簡単で即座に効果を実感できます
Serena - コードベースが大きくなるほど効果が大きくなります
Chrome DevTools MCP - Web開発者には必須です

最後に

MCPサーバーは設定に10分程度かかりますが、その投資は数百時間の節約として返ってきます。AIと一緒に開発する時代に、適切なツールを揃えることは必須です。

ぜひ今日からMCPサーバーを設定して、AIの真の力を体験してください。

参考資料

MCPサーバーに関する質問があれば、コメントでお知らせください。実際の使用経験に基づいてお答えします。

Reading Complete!

私が使用するMCPサーバーツールキット完全ガイド

MCPとは何か

なぜMCPが重要か

私が使用するMCPサーバー

2.1 Serena（コード分析）

2.2 Context7（ドキュメント検索）

2.3 Sequential Thinking（問題解決）

2.4 Chrome DevTools MCP（パフォーマンス分析）

2.5 Playwright MCP（ブラウザ自動化）

2.6 Gemini CLI MCP（AI検索/分析）

2.7 Gemini Google Search

実際の設定例

組み合わせ活用事例

コード分析 + ドキュメント検索

ブラウザテスト + パフォーマンス分析

複雑な問題解決ワークフロー

結論

導入効果

推奨開始サーバー

最後に

参考資料

他の言語で読む

この記事は役に立ちましたか？

著者について

Kim Jangwook

Reading Complete!

MCPとは何か

なぜMCPが重要か

私が使用するMCPサーバー

2.1 Serena（コード分析）

2.2 Context7（ドキュメント検索）

2.3 Sequential Thinking（問題解決）

2.4 Chrome DevTools MCP（パフォーマンス分析）

2.5 Playwright MCP（ブラウザ自動化）

2.6 Gemini CLI MCP（AI検索/分析）

2.7 Gemini Google Search

実際の設定例

組み合わせ活用事例

コード分析 + ドキュメント検索

ブラウザテスト + パフォーマンス分析

複雑な問題解決ワークフロー

結論

導入効果

推奨開始サーバー

最後に

参考資料

他の言語で読む

この記事は役に立ちましたか？

著者について

Kim Jangwook

関連記事

OpenAI AgentKit完全ガイド第1部：コアコンセプトとはじめ方

Claude Code CLIマイグレーションガイド：Copilot、Gemini、Codex比較

Julesを利用したオートコーディング：Googleの自律型AIコーディングエージェント完全ガイド