MCP は LLM アプリのためのプラグ規格です。ツールのサーバーを一度書けば、MCP に対応したどのクライアントからでも使えます。
しくみ
仕様は、JSON-RPC 2.0 のメッセージでやり取りする 3 つの役割を定めています。
- ホスト:「LLM applications that initiate connections」(訳:接続を開始する LLM アプリケーション)。IDE のエージェントやチャットアプリなどです。
- クライアント:「Connectors within the host application」(訳:ホストアプリケーション内のコネクター)。サーバーごとに 1 つです。
- サーバー:「Services that provide context and capabilities.」(訳:コンテキストと機能を提供するサービス)
サーバーは、ツール(モデルが実行できる関数)、リソース(データとコンテキスト)、プロンプト(メッセージのテンプレート)を提供できます。仕様では 2 つの標準のトランスポートが定められています。ローカルのサブプロセス向けの stdio と、各メッセージを HTTP POST で送り、応答を JSON またはサーバー送信イベントのストリームで返す Streamable HTTP です。
ツールについては、クライアントが tools/list を送り、名前、説明、JSON Schema 形式の inputSchema を受け取って、ツール定義としてモデルに渡します。モデルがツール呼び出しを返すと、クライアントは引数を付けて tools/call を送り、結果をモデルに返します。
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
モデルが MCP サーバーと直接やり取りすることはありません。モデルが見るのはツール定義と結果だけです。そのため MCP は、ツール呼び出しをうまく扱えるモデルなら何とでも組み合わせられます。
なぜ重要か
- 再利用。 GitHub やデータベースのサーバーを 1 つ用意すれば、MCP に対応したすべてのエージェントやエディターで使えます。
- トークンのコスト。 一覧に載ったすべてのツールの名前、説明、スキーマが、ターンごとに入力として送られます。サーバーやツールが多いと、すべてのリクエストが長くなります。タスクに必要なものだけを有効にしてください。
- セキュリティ。 仕様は、ツールは「represent arbitrary code execution」(訳:任意のコード実行に相当する)ため、ホストはツールを呼び出す前にユーザーの同意を得なければならないとしています。ツールの結果はプロンプトインジェクションの経路にもなります。
BroadNet Inference の場合
BroadNet のドキュメントには、MCP サーバーや MCP 専用のエンドポイントの記載はありません。MCP はクライアント(Cline、Continue、opencode など)で動かし、クライアントのモデルの接続先を BroadNet の OpenAI 互換 API にします。BroadNet のドキュメントでツール呼び出しが記載されているのは GLM 5.3 と Qwen3.8 27B です。OpenAI 互換モデルで MCP を使うの記事では、クライアントの設定と Python のブリッジを紹介しています。